Aller au contenu

Intelligence artificielle à la périphérie du réseau mobile avec efficacité de communication

Date :
Cet événement est passé.
Type :
Soutenance de thèse
Lieu :
Via Teams

Description :
Doctorante: Afaf Taïk

Directrice de recherche: Soumaya Cherkaoui

Président du jury: À être confirmé

Résumé: « Les algorithmes et techniques de l’intelligence artificielle (IA), notamment l’apprentissage machine, sont devenus significativement populaires grâce aux progrès quant à la puissance de calcul des dispositifs connectés et l'abondance des données collectées par les capteurs. Par conséquent, plusieurs applications intelligentes sont déployées à la périphérie du réseau. Néanmoins, pour atteindre le potentiel complet de l’IA à la périphérie, plusieurs défis reliés à l’efficacité de la communication ainsi que la confidentialité des données devront être relevés. Ce travail de doctorat explore l’apprentissage machine à la périphérie du réseau sous l’angle d’efficacité d’utilisation des ressources. Dans ce cadre, l’accent est mis sur l’apprentissage fédéré, qui est une nouvelle approche pour l’entraînement des modèles d’apprentissage machine sur les données des utilisateurs sans que leurs données soient envoyées à une entité centralisée, permettant ainsi de réduire le coût de communication et de conserver la confidentialité des données. Néanmoins, de nouvelles considérations s’imposent telles que l'hétérogénéité des données ainsi que les limitations des ressources à la périphérie du réseau. Ce travail propose plusieurs approches pour une utilisation efficace des ressources de calcul et de communication tout en tenant compte des défis liés aux données. »