Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
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