Struttura del corso

Introduzione all'IA a Basso Consumo di Energia

  • Panoramica dell'IA nei sistemi embedded
  • sfide della deploy dell'IA sui dispositivi ad alto risparmio energetico
  • Applicazioni di IA a consumo energetico ridotto

Tecniche di Ottimizzazione del Modello

  • Quantizzazione e il suo impatto sulle prestazioni
  • Ritaglio dei pesi (pruning) e condivisione dei pesi
  • Distillazione del conhecimento per la semplificazione del modello

Deploy di Modelli AI su Hardware ad Alto Risparmio Energetico

  • Utilizzo di TensorFlow Lite e ONNX Runtime per l'IA all'edge
  • Ottimizzazione dei modelli AI con NVIDIA TensorRT
  • Accelerazione hardware con Coral TPU e Jetson Nano

Riduzione del Consumo Energetico nelle Applicazioni di IA

  • Profilatura energetica e metriche di efficienza
  • Architetture di calcolo ad alto risparmio energetico
  • Scalabilità dinamica della potenza e tecniche di inferenza adattiva

Studi di Caso ed Applicazioni nel Mondo Reale

  • Dispositivi IoT alimentati da batteria con IA
  • IA a basso consumo per sanità e dispositivi indossabili
  • Applicazioni di monitoraggio ambientale e città smart

Migliori Pratiche ed Tendenze Futuristiche

  • Ottimizzazione dell'IA all'edge per la sostenibilità
  • Avanzamenti nell'hardware di IA ad alto risparmio energetico
  • Sviluppi futuri nella ricerca su AI a basso consumo di energia

Riepilogo e Passi Successivi

Requisiti

  • Comprehenzione dei modelli di deep learning
  • Esperienza con sistemi embedded o deployment di AI
  • Conoscenze di base delle tecniche di ottimizzazione dei modelli

Target

  • Ingegneri AI
  • Sviluppatori embedded
  • Ingegneri hardware
 21 ore

Numero di Partecipanti


Prezzo per Partecipante

Corsi in Arrivo

Categorie relative