Plan Szkolenia

Wprowadzenie do sztucznej inteligencji o niskim poborze mocy

  • Przegląd sztucznej inteligencji w systemach wbudowanych
  • Wyzwania związane z wdrażaniem sztucznej inteligencji na urządzeniach o niskim poborze mocy
  • Energooszczędne aplikacje AI

Techniki optymalizacji modeli

  • Kwantyzacja i jej wpływ na wydajność
  • Przycinanie i dzielenie wag
  • Destylacja wiedzy w celu uproszczenia modelu

Wdrażanie modeli AI na sprzęcie o niskim poborze mocy

  • Korzystanie z TensorFlow Lite i ONNX Runtime dla brzegowej sztucznej inteligencji
  • Optymalizacja modeli sztucznej inteligencji za pomocą NVIDIA TensorRT
  • Akceleracja sprzętowa z Coral TPU i Jetson Nano

Zmniejszenie zużycia energii w aplikacjach AI

  • Profilowanie mocy i wskaźniki wydajności
  • Architektury obliczeniowe o niskim poborze mocy
  • Dynamiczne skalowanie mocy i adaptacyjne techniki wnioskowania

Studia przypadków i zastosowania w świecie rzeczywistym

  • Zasilane bateryjnie urządzenia IoT wykorzystujące sztuczną inteligencję
  • AI o niskim poborze mocy dla opieki zdrowotnej i urządzeń ubieralnych
  • Aplikacje inteligentnego miasta i monitorowania środowiska

Najlepsze praktyki i przyszłe trendy

  • Optymalizacja brzegowej sztucznej inteligencji pod kątem zrównoważonego rozwoju
  • Postępy w dziedzinie energooszczędnego sprzętu AI
  • Przyszły rozwój badań nad sztuczną inteligencją o niskim poborze mocy

Podsumowanie i kolejne kroki

Wymagania

  • Zrozumienie modeli uczenia głębokiego
  • Doświadczenie z systemami wbudowanymi lub wdrażaniem sztucznej inteligencji
  • Podstawowa znajomość technik optymalizacji modeli

Odbiorcy

  • Inżynierowie AI
  • Deweloperzy systemów wbudowanych
  • Inżynierowie sprzętu
 21 godzin

Liczba uczestników


cena netto za uczestnika

Propozycje terminów

Powiązane Kategorie