Grazie per aver inviato la tua richiesta! Uno dei nostri team membri ti contatterà a breve.        
        
        
            Grazie per aver inviato il tuo prenotazione! Uno dei nostri team membri ti contatterà a breve.        
    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
        
        
