Návrh Školení

Úvod do Low-Power AI

  • Přehled AI ve vestavěných systémech
  • Výzvy nasazení AI na zařízeních s nízkou spotřebou
  • Energeticky účinné aplikace AI

Techniky optimalizace modelu

  • Kvantování a její vliv na výkon
  • Prořezávání a sdílení hmotnosti
  • Destilace znalostí pro zjednodušení modelu

Nasazení modelů umělé inteligence na hardwaru s nízkou spotřebou

  • Použití TensorFlow Lite a ONNX Runtime pro edge AI
  • Optimalizace modelů AI pomocí NVIDIA TensorRT
  • Hardwarová akcelerace s Coral TPU a Jetson Nano

Snížení spotřeby energie v aplikacích AI

  • Výkonové profilování a metriky účinnosti
  • Nízkoenergetické výpočetní architektury
  • Dynamické škálování výkonu a techniky adaptivní inference

Případové studie a aplikace v reálném světě

  • Zařízení IoT na baterie napájená umělou inteligencí
  • Nízkoenergetická umělá inteligence pro zdravotnictví a nositelná zařízení
  • Smart city a aplikace pro monitorování životního prostředí

Nejlepší postupy a budoucí trendy

  • Optimalizace okrajové umělé inteligence pro udržitelnost
  • Pokroky v energeticky účinném hardwaru AI
  • Budoucí vývoj ve výzkumu AI s nízkou spotřebou

Shrnutí a další kroky

Požadavky

  • Pochopení modelů hlubokého učení
  • Zkušenosti s vestavěnými systémy nebo nasazením AI
  • Základní znalost technik optimalizace modelů

Publikum

  • Inženýři AI
  • Vestavění vývojáři
  • Hardwaroví inženýři
 21 hodiny

Počet účastníků


Price per participant

Upcoming Courses

Související kategorie