Schița de curs

Introducere în AI de Consum Redus

  • Prezentare generală a AI în sistemele embedded
  • Provocări ale implementării AI pe dispozitive de consum redus
  • Aplicații AI eficiente energetic

Tehnici de Optimizare a Modelelor

  • Cuantizarea și impactul său asupra performanței
  • Tăierea și partajarea ponderilor
  • Distilarea cunoștințelor pentru simplificarea modelelor

Implementarea Modelelor de AI pe Hardware de Consum Redus

  • Utilizarea TensorFlow Lite și ONNX Runtime pentru AI la margine
  • Optimizarea modelelor de AI cu NVIDIA TensorRT
  • Accelerare hardware cu Coral TPU și Jetson Nano

Reducerea Consumului de Energie în Aplicațiile AI

  • Profilarea puterii și metrici de eficiență
  • Arhitecturi de calcul de consum redus
  • Scalare dinamică a puterii și tehnici de inferență adaptivă

Studii de Caz și Aplicații din Lumea Reală

  • Dispozitive IoT alimentate de baterii cu AI
  • AI de consum redus pentru sănătate și dispozitive wearable
  • Aplicații pentru orașe inteligente și monitorizarea mediului

Cele Mai Bune Practici și Tendințe Viitoare

  • Optimizarea AI la margine pentru sustenabilitate
  • Avansuri în hardware AI eficient energetic
  • Dezvoltări viitoare în cercetarea AI de consum redus

Rezumat și Pași Următori

Cerințe

  • Înțelegerea modelelor de învățare profundă
  • Experiență cu sisteme embedded sau implementare de AI
  • Cunoștințe de bază despre tehnicile de optimizare a modelelor

Publicul Țintă

  • Ingineri de AI
  • Dezvoltatori de sisteme embedded
  • Ingineri de hardware
 21 Ore

Numărul de participanți


Pret per participant

Cursuri viitoare

Categorii înrudite