Plan du cours

Introduction à Edge AI et NVIDIA Jetson

  • Vue d'ensemble des applications d'intelligence artificielle
  • Introduction au matériel NVIDIA Jetson
  • Composants du SDK JetPack et environnement de développement

Configuration de l'environnement de développement

  • Installation de JetPack SDK et configuration de la carte Jetson
  • Comprendre TensorRT et l'optimisation des modèles
  • Configuration de l'environnement d'exécution

Optimisation des modèles d'IA pour le déploiement en périphérie

  • Quantification des modèles et techniques d'élagage
  • Utilisation de TensorRT pour l'accélération des modèles
  • Conversion des modèles au format ONNX

Déploiement de modèles d'IA sur des appareils Jetson

  • Exécution de l'inférence avec TensorRT
  • Intégration des modèles d'IA aux applications en temps réel
  • Optimisation des performances et réduction de la latence

Computer Vision et Deep Learning sur Jetson

  • Déployer des modèles de classification d'images et de détection d'objets
  • Utiliser l'IA pour l'analyse vidéo en temps réel
  • Mise en œuvre d'applications robotiques alimentées par l'IA

Edge AI Sécurité et optimisation des performances

  • Sécurisation des modèles d'IA sur les appareils périphériques
  • Efficacité énergétique et gestion thermique
  • Mise à l'échelle des applications d'IA sur les plateformes Jetson

Mise en œuvre de projets et Use Cases réels

  • Construire une solution IoT alimentée par l'IA
  • Déployer l'IA dans les systèmes autonomes
  • Études de cas sur l'IA dans les appareils périphériques

Résumé et prochaines étapes

Pré requis

  • Expérience de la formation et de l'inférence de modèles d'IA
  • Connaissance de base des systèmes embarqués
  • Familiarité avec la programmation Python.

Audience

  • Développeurs d'IA
  • Ingénieurs embarqués
  • Ingénieurs Robotics
 21 Heures

Nombre de participants


Prix ​​par Participant

Cours à venir

Catégories Similaires