Course Outline

Εισαγωγή στη Low-Power AI

  • Γενική εικόνα της AI σε εμπλουτισμένα συστήματα
  • Προβλήματα της εφαρμογής AI σε χαμηλό-ένεργεια συσκευές
  • Εφικτές με άμεση ενέργεια εφαρμογές AI

Τεχνικές ηλεκτροδύναμης των μοντέλων

  • Ποσοτικοποίηση και το επίπεδό της στο πρόγραμμά
  • Εφοδιασμός και μονάδες ανακλήσεως
  • Διάχυση γνώσεων για επίλυση του μοντέλου

Εφαρμογή AI Μοντέλων σε χαμηλό-ένεργεια Hardware

  • Χρήση TensorFlow Lite και ONNX Runtime για edge AI
  • Οριοθέτηση AI μοντέλων με NVIDIA TensorRT
  • Αcceleration hardware με Coral TPU και Jetson Nano

Μείωση του χαμόγειος ανάληψης στις εφαρμογές AI

  • Καταγραφή της παραγωγής και μέτρηση της απόδοσης
  • Χαμηλό-ένεργεια εκτελεστικά συστήματα
  • Δυναμική μείωση του χαμόγειος και διαδραστικές μεθόδοι συμπεράσματος

Σεζόν περίπτεσης και πραγματική εφαρμογή

  • AI-εξοπλισμένων μπαταρία-διορθώσιμες συσκευές IoT
  • Χαμηλό-ένεργεια AI για υγειονομικά και φορητά όργανα
  • Αξιοπιστία πόλεων και εφαρμογές μετρήσεων του περιβάλλοντος

Καλές πρακτικές και μέλλοντος στοχοθέτηση

  • Οριοθέτηση edge AI για υπάρξη
  • Πρόοδοι στα εφικτά με άμεση ενέργεια hardware AI
  • Υποψηφιότητες ανάπτυξης των low-power AI μελετών

Περίληψη και επόμενα βήματα

Requirements

  • Σύνειξη των μο델λών βαθιάς μάθησης
  • Εμπειρία σε ενσωματωμένα συστήματα ή εγκατάσταση AI
  • Βασικός σχεδιασμός τεχνικών οριοθέτησης μοντέλων

Διάσυνος

  • Τεχνικοί AI
  • Εγκέντρωση αναπτυξτών
  • Διαμόρφωση μηχανής εγκεντρωτών
 21 Hours

Number of participants


Price per participant

Upcoming Courses

Related Categories