Kursplan

Introduktion till energieffektiv AI

  • Betydelsen av hållbarhet i AI
  • Översikt över energiförbrukning i maskininlärning
  • Fallstudier av energieffektiva AI-implementeringar

Kompakta modellarkitekturer

  • Förståelse av modellstorlek och komplexitet
  • Tekniker för att designa små och effektiva modeller
  • Jämförelse av olika modellarkitekturer för effektivitet

Optimering och komprimeringstekniker

  • Modellbesäring och kvantisering
  • Kunskapsdestillering för mindre modeller
  • Effektiva träningsmetoder för att minska energiförbrukningen

Hårdvarukonsiderationer för AI

  • Val av energieffektiv hårdvara för träning och inferens
  • Rollen för specialiserade processorer som TPUs och FPGAs
  • Balansering av prestanda och energiförbrukning

Grön kodning

  • Skrivning av energieffektiv kod
  • Profilering och optimering av AI-algoritmer
  • Bästa praxis för hållbar mjukvaruutveckling

Förnybar energi och AI

  • Integration av förnybara energikällor i AI-operationer
  • Hållbarhet i datacenter
  • Framtiden för grön AI-infrastruktur

Livscykelbedömning av AI-system

  • Mätning av AI-modellers koldioxidavtryck
  • Strategier för att minska miljöpåverkan under hela AI-livscykeln
  • Fallstudier på livscykelbedömning i AI

Policy och regelverk för hållbar AI

  • Förståelse av globala standarder och regelverk
  • Rollen för politik i främjandet av energieffektiv AI
  • Etiska överväganden och samhällspåverkan

Projekt och bedömning

  • Utveckling av en prototyp med små språkmodeller inom ett valt område
  • Presentation av energieffektiva AI-system
  • Bedömning baserad på teknisk effektivitet, innovation och miljöpåverkan

Sammanfattning och nästa steg

Krav

  • Solid förståelse för djupinlärningskoncept
  • Skicklighet i Python-programmering
  • Erfarenhet av modelloptimeringstekniker

Målgrupp

  • Maskininlärningsingenjörer
  • AI-forskare och praktiker
  • Miljöaktivister inom techindustrin
 21 timmar

Antal deltagare


Price per participant

Upcoming Courses

Relaterade Kategorier