Свържете се с нас

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

Брой участници


Цена за участник

Предстоящи Курсове

Свързани Kатегории