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 TinyML et à l'IdO
- Qu'est-ce que TinyML ?
- Avantages de TinyML dans les applications IdO
- Comparaison de TinyML avec l'IA traditionnelle basée sur le cloud
- Aperçu des outils TinyML : TensorFlow Lite, Edge Impulse
Configuration de l'environnement TinyML
- Installation et configuration de Arduino IDE
- Configurer Edge Impulse pour le développement de modèles TinyML
- Comprendre les microcontrôleurs pour l'IoT (ESP32, Arduino, Raspberry Pi Pico)
- Connecter et tester les composants matériels
Développer des modèles Machine Learning pour l'IoT
- Collecte et prétraitement des données de capteurs IoT
- Construction et entraînement de modèles ML légers
- Conversion des modèles au format TensorFlow Lite
- Optimisation des modèles en fonction des contraintes de mémoire et de puissance
Déploiement de modèles d'IA sur des appareils IoT
- Flashage et exécution de modèles ML sur des microcontrôleurs
- Valider les performances des modèles dans des scénarios IoT réels
- Débogage et optimisation des déploiements TinyML.
Mise en œuvre de la maintenance prédictive avec TinyML
- Utilisation de la ML pour la surveillance de la santé des équipements
- Techniques de détection d'anomalies basées sur des capteurs
- Déployer des modèles de maintenance prédictive sur des appareils IoT
Capteurs intelligents et Edge AI dans l'IdO
- Améliorer les applications de l'IdO avec des capteurs alimentés par le TinyML
- Détection et classification d'événements en temps réel
- Cas d'utilisation : surveillance de l'environnement, agriculture intelligente, IoT industriel
Sécurité et optimisation dans TinyML pour l'IdO
- Confidentialité et sécurité des données dans les applications d'intelligence artificielle
- Techniques de réduction de la consommation d'énergie
- Tendances et avancées futures dans TinyML pour l'IdO
Résumé et prochaines étapes
Pré requis
- Expérience dans le domaine de l'IdO ou du développement de systèmes embarqués
- Familiarité avec la programmation Python ou C/C++.
- Compréhension de base des concepts d'apprentissage automatique
- Connaissance du matériel et des périphériques des microcontrôleurs
Audience
- Développeurs IoT
- Ingénieurs embarqués
- Praticiens de l'IA
21 Heures
Nos clients témoignent (1)
Les compétences orales et le côté humain du formateur (Augustin).
Jeremy Chicon - TE Connectivity
Formation - NB-IoT for Developers
Traduction automatique