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 a basso consumo energetico
- L’importanza della sostenibilità nell’ambito dell’AI
- Panoramica sul consumo energetico nei sistemi di machine learning
- Esempi pratici di implementazioni AI energeticamente efficienti
Architetture modello compatte
- Analisi delle dimensioni e della complessità dei modelli
- Strategie per progettare modelli piccoli ma altamente performanti
- Confronto tra diverse architetture modello in termini di efficienza
Tecniche di ottimizzazione e compressione
- Sfoltimento e quantizzazione dei modelli
- Trasferimento delle conoscenze per creare modelli più piccoli
- Metodi di addestramento ottimizzati per ridurre il consumo energetico
Aspetti hardware nell’ambito dell’intelligenza artificiale
- Scelta di componenti hardware a basso consumo per l’addestramento e l’inferenza
- Il ruolo dei processori specializzati come TPU e FPGA
- Equilibrio tra prestazioni e consumo energetico
Pratiche di programmazione ecologica
- Scrivere codice energeticamente efficiente
- Analisi e ottimizzazione degli algoritmi AI
- Le migliori pratiche nello sviluppo di software sostenibile
Energie rinnovabili e intelligenza artificiale
- Integrazione delle fonti energetiche rinnovabili nelle operazioni AI
- Sostenibilità dei data center
- Le prospettive future per le infrastrutture AI a impatto zero
Valutazione del ciclo di vita dei sistemi AI
- Misurazione dell’impronta di carbonio dei modelli AI
- Strategie per ridurre l’impatto ambientale lungo tutto il ciclo vitale dei sistemi AI
- Analisi di casi reali riguardanti la valutazione del ciclo di vita dell’AI
Normative e politiche per una AI sostenibile
- Conoscenza degli standard e delle normative internazionali
- Il ruolo delle politiche pubbliche nello sviluppo di un’AI a basso consumo energetico
- Considerazioni etiche e impatto sociale dell’intelligenza artificiale
Progetti pratici e valutazione finale
- Sviluppo di un prototipo basato su piccoli modelli linguistici in un dominio specifico
- Presentazione del sistema AI a basso consumo energetico realizzato
- Valutazione basata su efficienza tecnica, innovazione e impatto ambientale
Sintesi conclusiva e prossimi passi
Requisiti
- Buona conoscenza dei concetti fondamentali del deep learning
- Provenienza nell’utilizzo del linguaggio di programmazione Python
- Esperienza pratica con tecniche di ottimizzazione dei modelli
Destinatari del corso
- Ingegneri di machine learning
- Ricercatori e professionisti dell’intelligenza artificiale
- Operatori ambientalisti operanti nel settore tecnologico
21 ore
