Edge AI et intelligence artificielle embarquée
Cette série de vidéos présente l’Edge AI et l’intelligence artificielle embarquée, où les modèles entraînés s'exécutent directement sur des dispositifs locaux, tels que des ordinateurs en périphérie ou des systèmes embarqués, plutôt que de dépendre du cloud. Découvrez comment cette approche permet des réponses plus rapides, réduit l'utilisation de la bande passante, renforce la confidentialité des données et améliore la fiabilité même lorsque les connexions réseau sont instables.
Découvrez en quoi le développement de l'IA pour les systèmes embarqués et en périphérie diffère du déploiement dans le cloud. Bien que le workflow fondamental soit similaire, une attention particulière doit être portée à l'optimisation des modèles pour les dispositifs disposant de ressources limitées. Les vidéos couvrent des stratégies pratiques telles que l'élagage, la quantification et la projection pour permettre à vos modèles de s’adapter et à de fonctionner efficacement sur le hardware cible. À travers des exemples pratiques, découvrez comment des modèles de réseau de neurones peuvent être compressés, parfois de plus de 90 %, sans perte de précision, rendant possible l'intégration de fonctionnalités d'IA avancées dans des dispositifs aux ressources limitées.
Introduction aux méthodes de vérification formelle pour les réseaux de neurones
Découvrez la vérification formelle des réseaux de neurones, notamment les méthodes des polyèdres et des intervalles, ainsi que des algorithmes comme DeepPoly et CROWN.
Introduction pratique à l’Edge AI
Découvrez les défis concrets de l’Edge AI, notamment en matière de validation, d’optimisation, de déploiement et de fiabilité.
Compression des réseaux de neurones pour l'IA embarquée : élagage, projection et quantification
Apprenez à compresser les réseaux de neurones à l'aide de l'élagage, de la projection et de la quantification pour un fonctionnement efficace sur les appareils embarqués, sans perte de précision.
