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

Nombre de participants


Prix ​​par Participant

Nos clients témoignent (1)

Cours à venir

Catégories Similaires