Course Outline

저전력 AI 소개

  • 임베디드 시스템의 AI 개요
  • 저전력 장치에서 AI 배포의 과제
  • 에너지 효율적인 AI 애플리케이션

모델 최적화 기술

  • 양자화와 성능에 미치는 영향
  • 가지치기와 무게 분배
  • 모델 단순화를 위한 지식 정제

저전력 하드웨어에 AI 모델 배포

  • TensorFlow Lite 및 ONNX 런타임을 사용하여 에지 AI를 구현
  • NVIDIA TensorRT를 사용한 AI 모델 최적화
  • Coral TPU 및 Jetson Nano를 사용한 하드웨어 가속

AI 애플리케이션에서 전력 소비 감소

  • 전력 프로파일링 및 효율성 측정 항목
  • 저전력 컴퓨팅 아키텍처
  • 동적 전력 스케일링 및 적응 추론 기술

사례 연구 및 실제 세계 응용 프로그램

  • AI 기반 배터리 구동 IoT 장치
  • 헬스케어 및 웨어러블 기기를 위한 저전력 AI
  • 스마트 시티 및 환경 모니터링 애플리케이션

모범 사례 및 미래 동향

  • 지속 가능성을 위한 엣지 AI 최적화
  • 에너지 효율적인 AI 하드웨어의 발전
  • 저전력 AI 연구의 미래 발전

요약 및 다음 단계

Requirements

  • 딥러닝 모델에 대한 이해
  • 임베디드 시스템 또는 AI 배포 경험
  • 모델 최적화 기술의 기본 지식

청중

  • AI 엔지니어
  • 임베디드 개발자
  • 하드웨어 엔지니어
 21 Hours

Number of participants


Price per participant

Upcoming Courses

Related Categories