Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
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: