Благодарим ви, че изпратихте вашето запитване! Един от членовете на нашия екип ще се свърже с вас скоро.
Благодарим ви, че направихте своята резервация! Един от членовете на нашия екип ще се свърже с вас скоро.
План на курса
Введение в енергийно-ефективна AI
- Значение на устойчивостта в AI
- Преглед на енергийното потребление в машинно обучение
- Примерни случаи на енергийно-ефективни реализации на AI
Компактни архитектури на модели
- Разбиране на размер и сложност на модели
- Техники за проектиране на малки, но ефективни модели
- Сравняване на различни архитектури на модели за ефективност
Техники за оптимизация и компресия
- Обрязване и квантуване на модели
- Дистилaция на знания за по-малки модели
- Ефективни методи за обучение, за да се намали енергийното потребление
Апаратни разглеждания за AI
- Избор на енергийно-ефективна апаратура за обучение и извличане на заключения
- Ролята на специализирани процесори като TPUs и FPGAs
- Балансиране на производителност и енергийно потребление
Практики за зелени кодиране
- Писане на енергийно-ефективен код
- Профилиране и оптимизация на AI алгоритми
- Най-добри практики за устойчиво разработване на софтуер
Възобновяеми енергийни източници и AI
- Интеграция на възобновяеми енергийни източници в AI операции
- Устойчивост на центърите за обработка на данни
- Бъдещето на зелените AI инфраструктури
Оценка на животния цикъл на AI системи
- Измерване на въглеродния отпечатък на AI модели
- Стратегии за намаляване на въздействието върху околната среда през целия животен цикъл на AI
- Примерни случаи на оценка на животния цикъл в AI
Политика и регулации за устойчива AI
- Разбиране на глобалните стандарти и регулации
- Ролята на политиката в промовирането на енергийно-ефективна AI
- Етични разглеждания и обществено въздействие
Проект и оценка
- Развитие на прототип с използване на малки езикови модели в избрана област
- Представяне на енергийно-ефективната AI система
- Оценка въз основа на техническа ефективност, иновация и принос за околната среда
Резюме и следващи стъпки
Изисквания
- Чвърст познание на концепциите за дълбоко обучение
- Овладяване на програмирането с Python
- Опит с техники за оптимизация на модели
Целева аудитория
- Инженери по машинно обучение
- Изследователи и практици в областта на ИИ
- Застъпници на околната среда в технологичната индустрия
21 часа