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.
Съдържание и теми, включени в курса
Въведение в енергийно ефективния изкуствен интелект
- Значението на устойчивостта в областта на AI
- Преглед на потреблението на енергия при машинното обучение
- Казуси за внедряване на енергийно ефективен AI
Компактни архитектури на модели
- Разбиране на размера и сложността на моделите
- Техники за проектиране на малки, но ефективни модели
- Сравняване на различни моделни архитектури по отношение на ефективността
Техники за оптимизация и компресиране
- Прунинг и квантуване на модели
- Дестилация на знания за по-малки модели
- Ефективни методи за обучение, намаляващи енергийната консумация
Хардуерни съображения за изкуствен интелект
- Избор на енергийно ефективен хардуер за обучение и изпълнение на модели
- Ролята на специализираните процесори като TPU и FPGA
- Балансиране между производителност и консумация на енергия
Практики за екологично програмиране
- Писане на енергийно ефективен код
- Профилиране и оптимизиране на AI алгоритми
- Най-добри практики за устойчиво разработване на софтуер
Възобновяема енергия и изкуствен интелект
- Интегриране на възобновяеми енергийни източници в операциите на AI
- Устойчивост на центровете за данни
- Бъдещето на екологичната AI инфраструктура
Оценка на жизнения цикъл на AI системи
- Измерване на въглеродния отпечатък на AI модели
- Стратегии за намаляване на въздействието върху околната среда през целия жизнен цикъл на AI
- Казуси за оценка на жизнения цикъл в областта на AI
Политики и регулации за устойчив изкуствен интелект
- Разбиране на глобалните стандарти и регулации
- Ролята на политиките за насърчаване на енергийно ефективен AI
- Етични съображения и въздействие върху обществото
Проект и оценяване
- Разработване на прототип с помощта на малки езикови модели в избрана област
- Представяне на енергийно ефективната AI система
- Оценка, базирана на техническа ефективност, иновативност и принос към околната среда
Обобщение и следващи стъпки
Изисквания
- Солидно разбиране на концепциите за дълбоко обучение
- Умения за програмиране на Python
- Опит с техники за оптимизация на модели
Аудитория
- Инженери по машинно обучение
- Изследователи и практици в областта на изкуствения интелект
- Застъпници за опазване на околната среда в технологичния сектор
21 Часа