Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
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