Prenez contact avec nous

Plan du cours

Introduction à l'IA sur l'appareil

  • Fondamentaux de l'apprentissage automatique sur l'appareil
  • Avantages et défis des petits modèles linguistiques
  • Aperçu des contraintes matérielles des appareils mobiles et des dispositifs IoT

Optimisation des modèles pour le déploiement sur l'appareil

  • Quantification et élagage des modèles
  • Distillation des connaissances pour des modèles plus petits et efficaces
  • Sélection et adaptation des modèles pour les performances sur l'appareil

Outils et frameworks d'IA spécifiques à la plateforme

  • Introduction à TensorFlow Lite et PyTorch Mobile
  • Utilisation des bibliothèques spécifiques à la plateforme pour l'IA sur l'appareil
  • Stratégies de déploiement multiplateforme

Inférence en temps réel et calcul en périphérie (edge computing)

  • Techniques pour une inférence rapide et efficace sur les appareils
  • Exploitation du calcul en périphérie pour l'IA sur l'appareil
  • Études de cas d'applications d'IA en temps réel

Gestion de l'alimentation et considerations liées à la batterie

  • Optimisation des applications d'IA pour l'efficacité énergétique
  • Équilibrage des performances et de la consommation d'énergie
  • Stratégies pour prolonger l'autonomie de la batterie des appareils alimentés par l'IA

Sécurité et confidentialité dans l'IA sur l'appareil

  • Garantir la sécurité des données et la confidentialité des utilisateurs
  • Traitement des données sur l'appareil pour préserver la confidentialité
  • Mises à jour et maintenance sécurisées des modèles

Expérience utilisateur et conception de l'interaction

  • Concevoir des interactions d'IA intuitives pour les utilisateurs des appareils
  • Intégration des modèles linguistiques avec les interfaces utilisateur
  • Tests utilisateurs et retours d'expérience pour l'IA sur l'appareil

Évolutivité et maintenance

  • Gestion et mise à jour des modèles sur les appareils déployés
  • Stratégies pour des solutions d'IA sur l'appareil évolutives
  • Surveillance et analyse des systèmes d'IA déployés

Projet et évaluation

  • Développement d'un prototype dans un domaine choisi et préparation au déploiement sur un appareil sélectionné
  • Présentation de la solution d'IA sur l'appareil
  • Évaluation basée sur l'efficacité, l'innovation et le caractère pratique

Résumé et prochaines étapes

Pré requis

  • Solides connaissances de base en apprentissage automatique et en apprentissage profond
  • Maîtrise de la programmation en Python
  • Connaissances de base des contraintes matérielles pour le déploiement de l'IA

Audience cible

  • Ingénieurs en apprentissage automatique et développeurs d'IA
  • Ingénieurs en systèmes embarqués intéressés par les applications d'IA
  • Gestionnaires de produits et chefs techniques supervisant des projets d'IA
 21 Heures

Nombre de participants


Prix par participant

Cours à venir

Catégories Similaires