課程簡介

高效能AI簡介

  • AI可持續性的重要性
  • 機器學習中的能源消耗概述
  • 高效能AI實施的案例研究

緊湊模型架構

  • 理解模型大小與複雜性
  • 設計小型但有效模型的技術
  • 比較不同模型架構的效率

優化與壓縮技術

  • 模型剪枝與量化
  • 知識蒸餾用於小型模型
  • 減少能源使用的高效訓練方法

AI硬件考量

  • 選擇用於訓練和推理的節能硬件
  • 專用處理器如TPU和FPGA的作用
  • 平衡性能與功耗

綠色編碼實踐

  • 編寫節能代碼
  • AI算法的性能分析與優化
  • 可持續軟件開發的最佳實踐

可再生能源與AI

  • 在AI操作中整合可再生能源
  • 數據中心的可持續性
  • 綠色AI基礎設施的未來

AI系統的生命週期評估

  • 測量AI模型的碳足跡
  • 減少AI生命週期環境影響的策略
  • AI生命週期評估的案例研究

可持續AI的政策與法規

  • 理解全球標準與法規
  • 政策在推動節能AI中的作用
  • 倫理考量與社會影響

項目與評估

  • 在選定領域中使用小型語言模型開發原型
  • 展示節能AI系統
  • 基於技術效率、創新和環境貢獻的評估

總結與下一步

最低要求

  • 紮實理解深度學習概念
  • 熟練掌握Python編程
  • 具備模型優化技術經驗

受衆

  • 機器學習工程師
  • AI研究人員與實踐者
  • 科技行業中的環保倡導者
 21 時間:

人數


每位參與者的報價

Upcoming Courses

課程分類