Contactez-nous
  • Intelligence artificielle

Artificial Intelligence and Machine Learning for Connected Systems

Mis à jour le

Responsable(s) : M. Pedro BRACONNOT-VELLOSO

  • Cours
Code Cnam : USEEN6
Téléchargez le PDF

Envie d'en savoir plus sur cette formation ?

Afin d’obtenir les tarifs, le calendrier de la formation, en distanciel, en présentiel, le lieu de la formation et un contact, remplissez les critères suivants :

Afficher le centre adapté à mes besoins

Afin d’obtenir les tarifs, le calendrier de la formation et le lieu de la formation, remplissez les critères suivants :

  • Durée : 50 heures (+/- 10%)
  • Package, Alternance
  • 6 crédits

Présentation

Public, conditions d'accès et prérequis

Prérequis

M1 courses or equivalent courses done at another institution.

Objectifs

The objective of the course is to study basics of machine learning and artificial intelligence algorithms used for network applications and IoT systems optimisation and acquire hands-on experience via experimental labs. The course will show how conventional ML/AI algorithms can be challenged in their performance and accuracy when running under constraints emerging in network and IoT systems environment, as for instance : execution time target, limited live and storage memory space, energy consumption and power limitations.

L'avis des auditeurs

Les dernières réponses à l'enquête d'appréciation pour cet enseignement : Fiche synthétique au format PDF

Compétences et débouchés

Parcours

Informations pratiques

Contact

Programme

Contenu

The course covers the following topics with half of the lessons as practical labs :

  •  
    • refresh on statistics and network optimisation
    • unsupervised machine learning
      • main algorithms, comparison, experimentation
      • time-constrained applications (traffic anomaly detection, etc)
      • memory-constrained applications (spatio-temporal mobility characterization, etc)
    • supervised machine learning and applications
      • main algorithms, comparison, experimentation
      • time-and-energy-constrained application (IP traffic classification, etc)
      • time-and-memory-constrained applications (cyber attack classification, etc)


 

Modalités d'évaluation

Evaluation of TP lab reports and of a final exam.

Ces formations pourraient vous intéresser