Intelligence Artificielle « Mise en œuvre pratique sur plateforme dédiée à l’embarqué »
L’intelligence artificielle « l’IA » est annoncée comme une des technologies de la transformation numérique des entreprises, et en tout premier lieu, celle des TPE/PME et des ETI.
L’IA, est la discipline informatique qui transfère aux machines une intelligence et derrière le mot IA, on trouve des algorithmes complexes à mettre en œuvre sur une plateforme hardware. Pour les systèmes embarqués, on s’intéresse au « Edge computing » c’est le traitement des données au plus près des capteurs.
OBJECTIFS
Pratiquer la mise en œuvre des algorithmes d’IA sur des cas concrets, vous aurez ainsi une bonne culture de l’IA dans son ensemble.
PUBLIC VISE
Décideurs, Responsables de projets, Ingénieurs, Techniciens impliqués dans les entreprises en charge de concevoir des produits innovants avec de l’IA
PREREQUIS
Connaitre Python ou un langage de programmation informatique.
INTERVENANT
Ingénieur expérimenté en informatique, Intelligence Artificielle, Machine Learning.
Le programme CAP’TRONIC aide, chaque année, 400 entreprises à monter en compétences sur les technologies liées aux systèmes électroniques et logiciel embarqué.
PRIX
Non-adhérent : 1 200€ HT
Adhérent CAP’TRONIC : 900€ HT
LIEU
CEA-TECH - 51 Rue de l’Innovation - 31670 LABEGE
PROGRAMME
Tour de table
I. Introduction à l’intelligence artificielle
a. Historique
b. Vocabulaire
c. Les principaux acteurs
d. L’écosystème
e. Les contextes d’applications
II. Remise en contexte de l’IA avec des problématiques hardware
a. Cas : des modèles nécessitant l’accès direct aux données
i. Les applications et algorithmes
ii. Les contraintes hardwares : bande passante, mémoire, cpu
iii. Impacts sur les modèles : Pertinence des résultats
iv. Hardware existant
b. Cas : des modèles pré-entrainés sans accès direct aux données
i. Les applications et algorithmes
ii. Les contraintes hardwares : GPU, TPU
iii. Impacts sur les modèles : Pertinence des résultats
c. Impact sur les modèles, business logique :
i. Pertinence des résultats
ii. Mise à jour
d. Benchmark des hardwares adaptés à l’AI
III. Mise en pratique de Machine Learning
a. Le type de problème pouvant être résolut : la donnée + contraintes
b. Le panorama des méthodes et des exemples d’applications : de l’apprentissage supervisé au non supervisé
c. Comment juger un modèle de Machine Learning ?
d. Les frameworks existants spécialisés pour le ML
e. Cas école : Programmation automatique d’un thermostat d’une maison
IV. Mise en pratique de l’AI avec du Deep Learning
a. Le type de problème pouvant être résolut : la donnée + contraintes
b. Le panorama des méthodes et des exemples d’applications : brique de base jusqu’au réseau très profond spécialisé, ou aux modèles génératifs
c. Les frameworks existants spécialisés en Deep Learning
d. Dans quel cadre utiliser du Deep Learning ? Risque ?
e. Cas école : La classification d’image
V. Le projet d’IA
a. Les nouveaux métiers
b. Les nouveaux points intervenant dans la gestion du risque du projet
c. Les outils de collaboration/monitoring propre au deep learning
Tour de table
ORGANISATION
Moyens pédagogiques : Support de cours - Etude de cas et travaux pratiques– Assistance pédagogique assurée par le formateur 1 mois après la formation.
Moyens permettant d’apprécier les résultats de l’action : Evaluation de l’action de formation par la remise d’un questionnaire de satisfaction à chaud à l’issue de la formation, puis d’un questionnaire à froid quelques semaines après la formation.
Moyen permettant de suivre l’exécution de l’action : Evaluation des connaissances via un questionnaire avant et après la formation - Feuilles de présence signées par chaque stagiaire et le formateur par demi-journée de formation.
Sanction de la formation : Attestation de présence.
RENSEIGNEMENTS ET INSCRIPTION
Sophie BASSE-CATHALINAT, cathalinat@captronic.fr - 06 79 49 15 99
Pour toute question y compris les conditions d’accès pour les publics en situation de handicap.