Edge AI
● L'Edge AI délocalise l’entraînement et l’inférence des modèles d'intelligence artificielle directement à la périphérie des réseaux, au plus près des sources de données, comme les véhicules autonomes ou les smartphones.
● Cette approche permet de s'affranchir de la dépendance au cloud pour réduire la latence, renforcer la confidentialité des données et optimiser l'efficacité énergétique du système.
● Grâce à des techniques d'optimisation comme le pruning et la quantification, cette technologie assure des performances en temps réel indispensables à la sécurité et à la réactivité des systèmes embarqués.
Regarder la vidéo
● Cette approche permet de s'affranchir de la dépendance au cloud pour réduire la latence, renforcer la confidentialité des données et optimiser l'efficacité énergétique du système.
● Grâce à des techniques d'optimisation comme le pruning et la quantification, cette technologie assure des performances en temps réel indispensables à la sécurité et à la réactivité des systèmes embarqués.
Cybersécurité : ThreatNet puise dans la base de données d’Orange pour protéger le réseau
Lire l'article
De nouveaux défis algorithmiques pour la virtualisation des réseaux
Lire l'article
Sylva, cadre logiciel commun pour l’interopérabilité des réseaux via le cloud
Lire l'article
IoT : une puce plus économe en énergie pourrait faciliter l’IA en Edge Computing
Lire l'article