聯繫我們

課程簡介

能源高效 AI 簡介

  • AI 中可持續性的意義
  • 機器學習中能源消耗的概覽
  • 能源高效 AI 實施的案例研究

緊湊型模型架構

  • 理解模型規模和複雜性
  • 設計小而有效模型的技術
  • 比較不同模型的效率

優化與壓縮技術

  • 模型剪枝和量化
  • 用於更小模型的知識蒸餾
  • 降低能源使用的有效訓練方法

AI 的硬件考量

  • 為訓練和推理選擇能源高效的硬件
  • TPUs 和 FPGAs 等專用處理器角色
  • 平衡性能和功耗

綠色編碼實踐

  • 編寫能源高效的代碼
  • AI 算法的分析與優化
  • 可持續軟件開發的最佳實踐

可再生能源與 AI

  • 將可再生能源整合到 AI 操作中
  • 數據中心可持續性
  • 綠色 AI 基礎設施的未來

AI 系統的生命週期評估

  • 測量 AI 模型的碳足跡
  • 減少 AI 整個生命週期環境影響的策略
  • AI 中生命週期評估的案例研究

可持續 AI 的政策與法規

  • 了解全球標準和法規
  • 政策在促進能源高效 AI 中的作用
  • 道德考量和社會影響

項目與評估

  • 在選定領域使用小型語言模型開發原型
  • 展示能源高效的 AI 系統
  • 基於技術效率、創新和環境貢獻的評估

總結與後續步驟

最低要求

  • 紮實的深度學習概念理解
  • Python 編程熟練
  • 具有模型優化技術的經驗

受眾

  • 機器學習工程師
  • AI 研究人員和從業者
  • 科技行業內的環保倡导者
 21 小時

課程分類