문의를 보내주셔서 감사합니다! 팀원이 곧 연락드리겠습니다.
예약을 보내주셔서 감사합니다! 저희 팀 멤버 중 한 분이 곧 연락드리겠습니다.
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
회원 평가 (1)
고급 주제를 다루고 실제 사례를 통해 실습할 수 있습니다.
Ruben Khachaturyan - iris-GmbH infrared & intelligent sensors
코스 - Advanced Edge AI Techniques
기계 번역됨