Plan du cours

Introduction à l'Edge AI Industrial Automation

  • Aperçu de l'Edge AI et de ses applications dans l'industrie
  • Avantages et défis de l'utilisation de l'Edge AI dans l'industrie
  • Études de cas d'applications réussies de l'Edge AI dans l'industrie manufacturière

Configuration de l'environnement Edge AI

  • Installation et configuration des outils Edge AI
  • Mise en place de capteurs industriels et de systèmes de collecte de données
  • Introduction aux cadres et bibliothèques Edge AI pertinents
  • Exercices pratiques pour la configuration de l'environnement

Maintenance prédictive avec Edge AI

  • Introduction à la maintenance prédictive
  • Développement de modèles d'IA pour la surveillance de l'état des équipements
  • Mise en œuvre de la détection et de la prédiction des pannes en temps réel
  • Exercices pratiques pour la maintenance prédictive

Contrôle de la qualité à l'aide d'Edge AI

  • Vue d'ensemble du contrôle de la qualité dans l'industrie manufacturière
  • Techniques d'IA pour la détection et la classification des défauts
  • Mise en œuvre de systèmes de contrôle de la qualité basés sur la vision
  • Exercices pratiques pour les applications de contrôle de la qualité

Optimisation des processus avec Edge AI

  • Introduction à l'optimisation des processus
  • Utilisation de l'IA pour la surveillance et le contrôle des processus en temps réel
  • Mise en œuvre de systèmes de prise de décision basés sur l'IA
  • Exercices pratiques pour l'optimisation des processus

Déploiement et gestion des solutions Edge AI

  • Déploiement de modèles d'IA sur des dispositifs industriels de pointe
  • Surveillance et maintenance des systèmes d'intelligence artificielle en périphérie
  • Dépannage et optimisation des modèles déployés
  • Exercices pratiques pour le déploiement et la gestion

Outils et cadres pour l'IA de périphérie industrielle

  • Vue d'ensemble des outils et des cadres (par exemple, TensorFlow Lite, OpenVINO)
  • Utilisation de TensorFlow Lite pour les applications d'IA industrielle
  • Exercices pratiques avec des outils d'optimisation

Applications réelles et études de cas

  • Examen de projets industriels réussis en matière d'intelligence artificielle
  • Discussion sur les cas d'utilisation spécifiques à l'industrie
  • Projet pratique de construction et d'optimisation d'une application d'IA industrielle réelle

Résumé et prochaines étapes

Pré requis

  • Compréhension des concepts de l'IA et de l'apprentissage automatique
  • Expérience des systèmes d'automatisation industrielle
  • Compétences de base en programmation (Python recommandé)

Public

  • Ingénieurs industriels
  • Professionnels de la fabrication
  • Développeurs d'IA
 14 Heures

Nombre de participants


Prix ​​par Participant

Cours à venir

Catégories Similaires