Séance de cours

L’apprentissage automatique distribué à l’ère de l’IoT

Description

Cette séance de cours explore les défis de l'énergie de communication dans l'informatique médicale centralisée et présente l'apprentissage automatique distribué comme une alternative économe en énergie, où les données sont résumées et envoyées à un centre de données central pour le calcul de modèles. L'instructeur discute de l'importance de l'efficacité énergétique dans les appareils IoT et explique comment résumer les données sur les nœuds peut améliorer l'efficacité globale. En outre, la séance de cours couvre les opportunités et les défis de l'ère de l'IoT, en se concentrant sur les mégadonnées, la santé personnelle, les technologies de santé portables et mobiles et les solutions telles que les techniques d'apprentissage automatique axées sur les ressources et distribuées.

Dans MOOC
IoT Systems and Industrial Applications with Design Thinking
The first MOOC to provide a comprehensive introduction to Internet of Things (IoT) including the fundamental business aspects needed to define IoT related products.
Enseignants (2)
cillum tempor
Quis sint proident officia nisi aliquip. Consequat voluptate eiusmod ut cillum aute veniam elit occaecat cillum laboris est irure sint occaecat. Dolore est et eu et culpa ea deserunt nostrud pariatur dolor. Do sit ad fugiat ex sit enim nostrud consectetur sunt enim sint pariatur elit. Laboris ea enim commodo fugiat velit. Fugiat aliqua id tempor Lorem qui. Nostrud eu eu id adipisicing anim aute officia consequat ad ullamco non Lorem commodo aliqua.
aliquip nostrud commodo non
Proident aliqua nostrud non aute adipisicing deserunt ipsum proident cillum. Laborum esse labore laboris eiusmod excepteur pariatur sint ea sunt aliqua ex eu. Non enim adipisicing ex elit ea dolore minim magna proident eiusmod. Eiusmod quis velit id et proident do officia aliqua. Est quis duis officia sit Lorem magna tempor sit voluptate ullamco. Consectetur id amet incididunt consequat nulla nostrud id aliqua cillum reprehenderit proident.
Connectez-vous pour voir cette section
À propos de ce résultat
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.
Séances de cours associées (56)
Réseaux neuronaux : formation et activation
Explore les réseaux neuronaux, les fonctions d'activation, la rétropropagation et l'implémentation de PyTorch.
Modèles Vision-Langue-Action : Formation et applications
Se penche sur la formation et les applications des modèles Vision-Language-Action, en mettant l'accent sur le rôle des grands modèles linguistiques dans le contrôle robotique et le transfert des connaissances web. Les résultats des expériences et les orientations futures de la recherche sont mis en évidence.
Paysage et généralisation dans l'apprentissage profond
Explore les défis et les points de vue de l'apprentissage profond, en mettant l'accent sur le paysage des pertes, la généralisation et l'apprentissage caractéristique.
Analyse des documents : Modélisation des sujets
Explore l'analyse documentaire, la modélisation thématique et les modèles génériques pour la production de données dans l'apprentissage automatique.
Apprentissage sans supervision : regroupement et réduction de dimensionnalité
Introduit l'apprentissage non supervisé en cluster avec les moyennes K et la réduction de dimensionnalité à l'aide de PCA, ainsi que des exemples pratiques.
Afficher plus