Embedded IA for IoT

Description

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.

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…

En bref

Crédits ECTS :

Nombre d’heures :

EN 1 Clic

Annuaire

ENT

Rejoindre
les équipes

Marchés publics

Soutenir l'excellence

Fondation
INSA
Taxe
apprentissage

INSA Toulouse
135 avenue de Rangueil
31077 Toulouse cedex 4
Tél : 05 61 55 95 13
Fax : 05 61 55 95 00

Logo Communauté d'universités et établissements de Toulouse
Logo Bienvenue En France

Dans un souci d'alléger le texte et sans aucune discrimination de genre, l'emploi du genre masculin est utilisé à titre épicène.

INSA Toulouse
Résumé de la politique de confidentialité

Ce site utilise des cookies afin que nous puissions vous fournir la meilleure expérience utilisateur possible. Les informations sur les cookies sont stockées dans votre navigateur et remplissent des fonctions telles que vous reconnaître lorsque vous revenez sur notre site Web et aider notre équipe à comprendre les sections du site que vous trouvez les plus intéressantes et utiles.
En cliquant sur "Accepter", vous acceptez l'utilisation de cookies en provenance de ce site ainsi que notre politique de protection des données personnelles.