Optimisez votre IA en Edge : Explorez les options matérielles avec dAIEdge-VLab
Détails de l'atelier
Informations pratiques
Cet atelier accueille décideurs et développeurs avec deux parcours. Pour l'exploration haut niveau : ordinateur portable uniquement. Pour le parcours technique : Python 3.10 installé et un environnement de développement (comme Visual Studio Code).
Deux parcours disponibles : exploration haut niveau (aucun prérequis) ou pratique technique (compréhension de base des pipelines IA/ML et familiarité avec Python requises). Présentation en anglais, support pratique disponible en anglais et en français.
À propos de cet atelier
L'objectif de cet atelier est de sensibiliser les PME et les développeurs en Machine Learning aux défis du déploiement de modèles d'IA en edge. Une activité pratique démontrera comment utiliser le dAIEdge-VLab (https://vlab.daiedge.eu/) pour identifier le dispositif edge le plus adapté répondant aux exigences de latence et de consommation de ressources du modèle.
Le dAIEdge-VLab est un outil conçu pour évaluer et comparer les performances des modèles d'IA sur diverses cibles edge. Il fournit une interface conviviale pour configurer et exécuter des benchmarks, visualiser les résultats et comparer différents modèles et dispositifs edge cibles.
Dans cet atelier, les participants apprendront à exploiter dAIEdge-VLab pour évaluer et comparer des modèles d'IA sur plusieurs options matérielles edge. Les participants découvriront comment optimiser les modèles ML et évaluer la performance, la latence et la consommation énergétique pour déterminer la meilleure solution pour le cas d'usage proposé. À la fin de la session, ils seront capables d'identifier en toute confiance la plateforme edge la plus appropriée et économique pour le modèle d'IA proposé.
Programme de l'atelier
- Introduction
- Avantages et contraintes du déploiement en edge
- Présentation du dAIEdge-VLab
- Session pratique
- Questions-réponses et discussion de clôture
Intervenants & Organisateurs
Dr. Nuria Pazos Escudero
Responsable du groupe de recherche Systèmes Embarqués
HE-Arc Ingénierie
Dr. Nuria Pazos Escudero travaille sur l'optimisation et le déploiement de l'IA sur des dispositifs edge depuis 2017 avec les projets européens Bonseyes et BonsAPPs. Elle s'attaque maintenant avec son équipe à l'entraînement ML edge décentralisé et au benchmarking dans le cadre du projet européen dAIEdge (dAIEDGE - Un réseau d'excellence pour une IA distribuée, fiable, efficace et évolutive en edge).
Maïck Huguenin-Vuillemin
Chercheur senior, Groupe de recherche Systèmes Embarqués
HE-Arc Ingénierie
Maïck Huguenin-Vuillemin travaille depuis 2023 sur l'optimisation et le déploiement de l'IA sur des dispositifs edge. Il a activement participé au projet BonsAPPs et développe actuellement le Virtual Lab dans le cadre du réseau d'excellence dAIEdge.
Margaux Divernois
Chercheuse senior, Groupe de recherche Technologies d'Interaction
HE-Arc Ingénierie
Margaux Divernois travaille depuis 2016 sur le déploiement d'applications IA pour des partenaires industriels, comme la création de jumeaux numériques, l'analyse de la qualité logicielle et l'optimisation de processus industriels.