IA : Mise en œuvre du Deep Learning sur plateforme Jetson Nvidia
Pour connaitre les prochaines sessions de formation sur l’Intelligence Artificielle, cliquez ici
Le Machine Learning est un ensemble de techniques donnant la capacité aux machines d’apprendre, contrairement à la programmation qui consiste en l’exécution de règles prédéterminées. Le Deep learning ou apprentissage profond est l’une des technologies principales du Machine Learning.
La formation vous propose de vous initier sur l’IA embarquée avec des exercices pratiques.
OBJECTIFS
Comprendre les caractéristiques du Deep learning embarqué
Découvrir et manipuler quelques outils et librairies GPU DNN (cuDNN, TensorRT, OpenCV...)
Manipuler des algorithmes sur une plateforme JETSON NVIDIA
PUBLIC VISE
Ingénieurs, techniciens concepteurs et les développeurs impliqués dans les entreprises en charge de concevoir des produits avec de l’IA embarqué
PREREQUIS
Il est nécessaire d’avoir fait une première formation généraliste sur les algorithmes pour l’IA (machine learning, deep learning) même si cette formation fera un rappel.
Connaitre Python et C, ou un langage de programmation informatique.
INTERVENANT
Enseignant-chercheur spécialisé en systèmes embarqués hardware et software, enseignant l’IA.
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 : 1 400€ HT
Adhérent CAP’TRONIC : 1 000€ HT
LIEU
CCI NORD ISERE : Parc Technologique - 5 rue Condorcet - 38 090 VILLEFONTAINE
PROGRAMME
Tour de Table
Jour 1
• Rappels sur l’IA, le Machine Learning et le Deep Learning,
• Besoins en calcul,
• Solutions matérielles d’accélération,
• Exemple de processeurs embarqués dédiés au deep learning
• Cas des GPU et GPU embarqués (Nvidia) (architecture, performances)
• Librairies GPU DNN (cuDNN, TensorRT, OpenCV...)
• Interoperabilité avec CUDA
• Chaîne d’apprentissage en vue de l’inférence embarquée
• Formats de fichiers de description de réseaux de neurones (onnx, h5...)
Après-midi : TP
• Optimisation d’un réseau de neurones de détection de panneaux routiers
• Mise en forme des données pour l’apprentissage
• Génération des fichiers de description (poids/architecture réseau)
Jour 2 : Mise en œuvre d’algorithmes en TP
• Implémentation de l’inférence en Cuda/OpenCV avec pré-traitements
• Installation environnement de développement pour GPU embarqué
• Optimisation de l’inférence sur cible embarquée (Jetson)
Tour de Table
ORGANISATION
Moyens pédagogiques : Support de cours - Etude de cas - démonstrations - 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
Dorothée WALLART, wallart@captronic.fr - 06 30 92 27 32
Pour toute question y compris les conditions d’accès pour les publics en situation de handicap.
Les inscriptions sont closes. Pour connaitre les prochaines sessions de formation sur l’Intelligence Artificielle, cliquez ici
Informations mises à jour le 29/03/2023
info portfolio
