🔋 IA Frugale sur Embarqué (<256 Ko)

TinyML & Edge AI : L'IA sur Microcontrôleurs

Intelligence artificielle ultra-légère sur microcontrôleurs : quantification Int8, TFLite Micro, CMSIS-NN et reconnaissance vocale temps réel.

#TinyML Maroc#Edge AI#Microcontrôleurs ESP32 STM32#TFLite Micro#IoT Connecté

Ce que vous allez apprendre

4 modules · 16 leçons · 4 h de contenu

1Principes du Edge Computing & Contraintes embarquées4 leçons · 1 h

1.1Du cloud à la bordure extrême (Edge) : Latence ultra-faible, vie privée et autonomie énergétique
1.2Anatomie d'un microcontrôleur : Architecture Von Neumann vs Harvard, mémoires SRAM (< 256 Ko) et Flash
1.3Profiling énergétique : Consommation en micro-ampères et modes veille profonde (Deep Sleep)
1.4Chaîne logicielle TinyML : De l'entraînement Python au déploiement C++ bare-metal

2Quantification et compression de modèles (TFLite Micro)4 leçons · 1 h

2.1Post-Training Quantization (PTQ) : Mise à l'échelle arithmétique Float32 vers Int8 avec zéro-point
2.2Quantization Aware Training (QAT) : Simulation de la perte de précision pendant l'entraînement
2.3Élagage de poids (Pruning) et factorisation matricielle de bas rang
2.4Conversion vers TensorFlow Lite for Microcontrollers (TFLM) et génération du tableau d'octets C++

3Prise en main des microcontrôleurs (ESP32 / STM32 / Raspberry Pi Pico)4 leçons · 1 h

3.1Cœurs embarqués : ARM Cortex-M4/M7 avec FPU et Xtensa dual-core ESP32
3.2Accélération vectorielle matérielle : Bibliothèque ARM CMSIS-NN et opérations convolutives optimisées
3.3Gestion de l'arène mémoire (Tensor Arena) : Allocation statique et élimination de la fragmentation
3.4Compilation, débogage JTAG et flashage via PlatformIO et CMake

4Traitement des capteurs en temps réel & Projet Pratique4 leçons · 1 h

4.1Prétraitement de signal embarqué : Fenêtrage temporel, FFT rapide et bancs de filtres de Mel (MFCC)
4.2Reconnaissance de gestes inertiels par capteur IMU 6-axes (accéléromètre et gyroscope)
4.3Reconnaissance de mots-clés vocaux (Keyword Spotting) en flux audio continu sur microphone I2S
4.4Projet Pratique : Déploiement complet d'un modèle de reconnaissance de mots-clés sur ESP32

À votre rythme

Des leçons courtes ; votre progression est enregistrée et vous reprenez là où vous vous êtes arrêté.

En pratiquant

Des exemples de code Python, C à modifier et exécuter dans le navigateur, sans rien installer.

Une validation

Une évaluation finale s'ouvre quand vous avez parcouru l'essentiel de la formation.