연락처 정보

코스 개요

저전력 AI 개요

  • 임베디드 시스템 환경에서의 AI 기술 현황
  • 저전력 디바이스에 AI를 구축할 때 마주하는 과제들
  • 에너지 효율적인 AI 애플리케이션 사례

모델 최적화 기법

  • 양자화가 성능에 미치는 영향에 대한 분석
  • 가지치기 및 가중치 공유 활용 방안
  • 모델 단순화를 위한 지식 증류 기법

저전력 하드웨어에 AI 모델 배포하기

  • 엣지 AI 구현을 위해 TensorFlow Lite 및 ONNX Runtime 활용 방법
  • NVIDIA TensorRT를 통한 AI 모델 최적화 기법
  • Coral TPU 및 Jetson Nano와 같은 하드웨어 가속 기술의 활용

AI 애플리케이션에서 전력 소비 절감 방안

  • 전력 프로파일링 및 효율성 측정 지표
  • 저전력 연산 환경의 구조적 특성
  • 동적 전력 제어 및 적응형 추론 기법

사례 연구 및 실제 활용 예시

  • 배터리로 작동하는 AI 기반 IoT 기기 사례
  • 의료 분야 및 웨어러블 디바이스에 적용된 저전력 AI 기술
  • 스마트 시티 및 환경 모니터링을 위한 활용 방안

베스트 프랙티스와 미래 발전 동향

  • 지속가능성을 목표로 하는 엣지 AI 최적화 방법
  • 에너지 효율이 뛰어난 차세대 AI 하드웨어 기술 발전 전망
  • 저전력 AI 연구 분야의 향후 트렌드

요약 및 향후 진행 방향 안내

요건

  • 딥러닝 모델에 대한 기본적인 이해가 필요합니다.
  • 임베디드 시스템 또는 AI 배포 관련 경험이 있으면 좋습니다.
  • 모델 최적화 기술에 대한 기초 지식도 필수적입니다.

대상 수강생

  • AI 엔지니어
  • 임베디드 개발자
  • 하드웨어 엔지니어
 21 시간

참가자 수


참가자별 가격

회원 평가 (1)

예정된 코스

관련 카테고리