Struttura del corso

Introduzione all'Intelligenza Artificiale Energeticamente Efficiente

  • L'importanza della sostenibilità nell'IA
  • Panoramica del consumo energetico nel machine learning
  • Studi di caso di implementazioni di IA energeticamente efficiente

Architetture dei Modelli Compatti

  • Comprendere la dimensione e la complessità del modello
  • Tecniche per progettare modelli piccoli ma efficaci
  • Confronto tra diverse architetture di modelli per l'efficienza

Tecniche di Ottimizzazione e Compressione

  • Taglio del modello e quantizzazione
  • Distillazione del sapere per modelli più piccoli
  • Metodi efficienti di addestramento per ridurre l'uso energetico

Considerazioni Hardware per l'IA

  • Selezione di hardware energeticamente efficiente per il training e l'inferenza
  • Il ruolo dei processori specializzati come TPUs e FPGAs
  • Bilanciamento tra prestazioni e consumo energetico

Pratiche di Codifica Verde

  • Scrivere codice energeticamente efficiente
  • Profiling e ottimizzazione degli algoritmi AI
  • Best practice per lo sviluppo software sostenibile

Energia Rinnovabile e IA

  • Integrazione di fonti energetiche rinnovabili nelle operazioni di AI
  • Sostenibilità dei data center
  • Il futuro dell'infrastruttura verde di IA

Valutazione del Ciclo di Vita dei Sistemi AI

  • Misurare l'impronta carbonica dei modelli AI
  • Strategie per ridurre il impatto ambientale durante tutto il ciclo di vita dell'IA
  • Studi di caso sulla valutazione del ciclo di vita nella IA

Politica e Regolamentazione per l'IA Sostenibile

  • Comprendere standard e regolamenti globali
  • Il ruolo della politica nella promozione di soluzioni AI energeticamente efficienti
  • Considerazioni etiche e impatto sociale

Progetto e Valutazione

  • Sviluppo di un prototipo utilizzando piccoli modelli linguistici in un dominio scelto
  • Presentazione del sistema AI energeticamente efficiente
  • Valutazione basata sull'efficienza tecnica, innovazione e contributo ambientale

Riepilogo e Passi Successivi

Requisiti

  • Comprensione solida dei concetti di deep learning
  • Abilità nella programmazione Python
  • Esperienza con tecniche di ottimizzazione dei modelli

Destinatari

  • Ingegneri di machine learning
  • Ricercatori e praticanti di AI
  • Sostenitori ambientali all'interno dell'industria tecnologica
 21 ore

Numero di Partecipanti


Prezzo per Partecipante

Corsi in Arrivo

Categorie relative