Embedded IA for IoT

Objectifs

A la fin de ce module, l'étudiant devra avoir compris et pourra expliquer (principaux concepts) :
- les spécificités de l'intelligence artificielle en périphérie (edge AI)
- les principales méthodes d'optimisation permettant d'embarquer des outils d'apprentissage automatique sur des appareils IoT contraints en ressource

L'étudiant devra être capable de :
- dimensionner un outil d'IA pour une application embarquée ou en périphérie en prenant en compte les contraintes de communication, de temps de réponse, de confiance dans les résultats du modèle, et de confidentialité.
- mettre en place un processus d'apprentissage sur des données IoT hétérogènes (données tabulaires, images, séries temporelles)
- utiliser les algorithmes implémentés dans des librairies existantes
- mettre en place des méthodes de compression de modèle pour l'embarqué à partir de librairies existantes
- présenter et expliquer les résultats d'algorithmes d'apprentissage
- développer en langage Python

Pré-requis

Algorithmique, Bases d'apprentissage automatique, Langage Python

Évaluation

L’évaluation des acquis d’apprentissage est réalisée en continu tout le long du semestre. En fonction des enseignements, elle peut prendre différentes formes : examen écrit, oral, compte-rendu, rapport écrit, évaluation par les pairs…