Plan Szkolenia

Wprowadzenie do sztucznej inteligencji o niskim zużyciu energii

  • Przegląd sztucznej inteligencji w systemach wbudowanych
  • Wyzwania wdrażania sztucznej inteligencji na urządzeniach o niskim zużyciu energii
  • Energooszczędne aplikacje sztucznej inteligencji

Techniki optymalizacji modeli

  • Kwentyzacja i jej wpływ na wydajność
  • Przechodzenie do optymalizacji i współdzielenie wag
  • Destylacja wiedzy w celu uproszczenia modelu

Wdrażanie modeli sztucznej inteligencji na sprzęcie o niskim zużyciu energii

  • Używanie TensorFlow Lite i ONNX Runtime dla sztucznej inteligencji na krawędzi
  • Optymalizowanie modeli sztucznej inteligencji z NVIDIA TensorRT
  • Przyspieszenie sprzętowe z Coral TPU i Jetson Nano

Redukcja zużycia energii w aplikacjach sztucznej inteligencji

  • Profilowanie mocy i wskaźniki wydajności
  • Architektury obliczeniowe o niskim zużyciu energii
  • Dynamiczne skalowanie mocy i adaptacyjne techniki inferencji

Studia przypadków i zastosowania w rzeczywistym świecie

  • Urządzenia IoT zasilane bateryjnie z inteligentnym systemem AI
  • Sztuczna inteligencja o niskim zużyciu energii dla opieki zdrowotnej i urządzeń noszonych
  • Aplikacje inteligentnych miast i monitorowania środowiska

Najlepsze praktyki i przyszłe trendy

  • Optymalizowanie sztucznej inteligencji na krawędzi dla zrównoważonego rozwoju
  • Postępy w energooszczędnym sprzęcie sztucznej inteligencji
  • Przyszłe rozwinięcia w badaniach nad sztuczną inteligencją o niskim zużyciu energii

Podsumowanie i następne kroki

Wymagania

  • Zrozumienie modeli uczenia głębokiego
  • Doświadczenie w systemach wbudowanych lub wdrażaniu AI
  • Podstawowa wiedza na temat technik optymalizacji modeli

Grupa docelowa

  • Inżynierowie AI
  • Programiści systemów wbudowanych
  • Inżynierowie hardware
 21 godzin

Liczba uczestników


cena netto za uczestnika

Propozycje terminów

Powiązane Kategorie