IA de périphérie : transformer les contraintes physiques en opportunités d'innovation

Aperçu

Découvrez comment Expanso transforme les contraintes physiques en innovation avec le calcul en périphérie et les modèles d'apprentissage machine conteneurisés, en explorant l'IA périphérique décentralisée, le projet Bacalhau et des solutions d'infrastructure IA durables.

Programme

• Introduction à Edge AI
Aperçu de Edge AI et son importance
Principaux avantages et défis de Edge AI
Comparaison entre Edge AI et Cloud AI
• Contraintes physiques et innovation en informatique de périphérie
Identification des contraintes physiques dans l'informatique traditionnelle
Comment les contraintes peuvent mener à l'innovation
Études de cas de solutions innovantes dans des environnements contraints
• Modèles de machine learning conteneurisés
Introduction aux conteneurs en ML
Avantages de la conteneurisation pour les modèles ML
Outils et technologies pour la conteneurisation des modèles ML
• Edge AI décentralisé
Comprendre les systèmes d'IA décentralisés
Avantages de la décentralisation dans Edge AI
Exemples d'applications Edge AI décentralisées
• Introduction au projet Bacalhau
Aperçu du projet Bacalhau et ses objectifs
Comment Bacalhau facilite l'informatique décentralisée
Exploration des cas d'utilisation et mises en œuvre
• Solutions d'infrastructure d'IA durables
Importance de la durabilité dans le développement de l'IA
Approches pour créer des systèmes d'IA durables
Études de cas d'infrastructures d'IA durables
• Applications pratiques et études de cas
Examen des applications réelles de Edge AI
Analyse des études de cas réussies
Leçons apprises et meilleures pratiques
• Tendances futures dans Edge AI
Tendances émergentes et technologies dans Edge AI
Prédictions et directions futures
Préparation pour l'avenir de Edge AI
• Conclusion du cours et Q&R
Résumé des apprentissages clés
Opportunités pour des études et recherches ultérieures
Forum ouvert pour questions et discussion.

Sujets

Programmation