Le cours de déroule en trois parties :
– Compléments d’apprentissage supervisé avec spécificités de l’edge AI et de l’IoT – 1 cours
– Pré-traitement des données et réduction de dimensions – 1 cours
– Méthodes d’apprentissage pour les séries temporelles et pour les images (réseaux de neurones convolutionnels) – 2 cours
– Méthodes d’optimisation pour permettre d’embarquer des modèles d’apprentissage – 1 cours
3 séances de TP permettent de mettre en œuvre des méthodes d’apprentissage sur basées sur des données IoT (séries temporelles et images) en prenant en compte des contraintes de ressources limitées liées aux devices IoT ciblés (calcul et mémoire) pour des tâches de classification ou de régression. Les TP se déroulent en Python avec les librairies scikit-learn, TensorFlow et TensorFlow Lite.