Tack för att du skickade din fråga! En av våra teammedlemmar kontaktar dig snart.
Tack för att du skickade din bokning! En av våra teammedlemmar kontaktar dig snart.
Kursplan
Introduktion till lågenergi AI
- Översikt över AI i inbyggda system
- Utmaningar med AI-implementering på lågenergi-enheter
- Energieflektiva AI-applikationer
Modelloptimeringstekniker
- Kvantisering och dess påverkan på prestanda
- Beskärning och viktdelning
- Kunskapsdestillering för modellförenkling
Implementation av AI-modeller på lågenergi-hårdvara
- Användning av TensorFlow Lite och ONNX Runtime för edge AI
- Optimering av AI-modeller med NVIDIA TensorRT
- Hårdvarubeskärning med Coral TPU och Jetson Nano
Minskning av energiförbrukning i AI-applikationer
- Energiprofilering och effektivitetskriterier
- Lågenergi-datorkonstruktionen
- Dynamisk energiskalning och adaptiva inferenstekniker
Fallstudier och verkliga applikationer
- AI-drivna batteridrivna IoT-enheter
- Lågenergi AI för hälso- och sjukvård och bärbara enheter
- Smart stad och miljöövervakningsapplikationer
Bästa praxis och framtida trender
- Optimering av edge AI för hållbarhet
- Framsteg inom energieflektiv AI-hårdvara
- Framtida utveckling inom lågenergi AI-forskning
Sammanfattning och nästa steg
Krav
- Förståelse för djupinlärningsmodeller
- Erfarenhet av inbyggda system eller AI-deployment
- Grundläggande kunskap om modelloptimeringstekniker
Målgrupp
- AI-ingenjörer
- Utvecklare av inbyggda system
- Hårdvaruingenjörer
21 Timmar
Vittnesmål (1)
Att vi kan täcka avancerade ämnen och arbeta med verkliga exempel
Ruben Khachaturyan - iris-GmbH infrared & intelligent sensors
Kurs - Advanced Edge AI Techniques
Maskintolkat