Contattataci

Struttura del corso

Introduzione all’IA a basso consumo

  • Panoramica sull’utilizzo dell’IA nei sistemi embedded
  • Le principali difficoltà nell’implementazione dell’IA su dispositivi a basso consumo
  • Applicazioni tipiche di un’IA energeticamente efficiente

Tecniche di ottimizzazione dei modelli

  • La quantizzazione e il suo impatto sulle prestazioni dei modelli AI
  • Metodi come la pruning e lo weight sharing per ridurre la complessità dei modelli
  • L’utilizzo della knowledge distillation per semplificare i modelli senza perdere informazioni fondamentali

Distribuzione di modelli AI su hardware a basso consumo

  • Impiego di strumenti come TensorFlow Lite e ONNX Runtime per lo sviluppo di soluzioni edge AI
  • Ottimizzazione dei modelli tramite NVIDIA TensorRT
  • Sfruttamento dell’accelerazione hardware grazie a componenti come Coral TPU e Jetson Nano

Riduzione del consumo energetico nelle applicazioni AI

  • Analisi delle metriche di efficienza energetica e profilazione dei dispositivi utilizzati
  • Caratteristiche architettoniche tipiche dei sistemi informatici a basso consumo
  • Tecniche avanzate di gestione dinamica del consumo energetico e adattamento delle prestazioni in tempo reale

Studi di caso ed esempi pratici nel mondo reale

  • Dispositivi IoT alimentati a batteria dotati di funzionalità AI avanzate
  • Applicazioni mediche e indumenti tecnologici che sfruttano modelli IA efficienti dal punto di vista energetico
  • Utilizzo dell’IA per il monitoraggio ambientale nelle città intelligenti

Best practice e tendenze future nel campo dell’IA a basso consumo

  • Strategie di sviluppo sostenibile basate su ottimizzazioni hardware specifiche per l’IA
  • Novità tecnologiche nei componenti hardware pensati appositamente per la riduzione del consumo energetico
  • Sviluppi futuri nel campo della ricerca riguardante modelli di intelligenza artificiale a bassissimo consumo

Conclusione e prospettive future

Requisiti

  • Conoscenza dei modelli di deep learning
  • Esperienza nello sviluppo di sistemi embedded o nell’implementazione di soluzioni IA
  • Conoscenze di base sulle tecniche di ottimizzazione dei modelli

Destinatari

  • Ingegneri specializzati in intelligenza artificiale
  • Sviluppatori embedded
  • Ingegneri hardware
 21 ore

Numero di Partecipanti


Prezzo per partecipante

Recensioni (1)

Corsi in Arrivo

Categorie relative