문의를 보내주셔서 감사합니다! 팀원이 곧 연락드리겠습니다.
예약을 보내주셔서 감사합니다! 저희 팀 멤버 중 한 분이 곧 연락드리겠습니다.
코스 개요
에너지 효율적 AI 개요
- AI 분야에서 지속 가능성의 중요성
- 머신러닝 시스템의 에너지 소비 현황에 대한 개괄적 설명
- 에너지 효율적인 AI 적용 사례 연구
컴팩트한 모델 아키텍처
- 모델 크기와 복잡성에 대한 이해
- 작고 효과적인 모델을 설계하기 위한 기법들
- 효율성 측면에서 다양한 모델 아키텍처의 비교
최적화 및 압축 기법
- 모델 가지치기와 양자화 방법
- 작은 크기의 모델을 만들기 위한 지식 증류 기법
- 에너지 사용량을 줄이기 위한 효율적인 학습 방법들
AI용 하드웨어 고려사항
- 훈련 및 추론 시 사용할 수 있는 에너지 효율적인 하드웨어 선정법
- TPU나 FPGA와 같은 특수 프로세서의 역할
- 성능과 전력 소비 간 균형 유지 방안
친환경 코딩 실천법
- 에너지 효율적인 코드 작성 방법
- AI 알고리즘의 프로파일링 및 최적화 전략
- 지속 가능한 소프트웨어 개발을 위한 모범 사례들
재생가능 에너지와 AI의 결합
- AI 운영에 재생가능 에너지를 통합하는 방안
- 데이터 센터의 지속 가능성 확보 전략
- 친환경 AI 인프라의 미래 발전 방향
AI 시스템의 생애주기 평가
- AI 모델이 발생시키는 탄소 배출량 측정 방법
- AI 시스템 전반에 걸쳐 환경적 영향을 최소화하는 전략들
- 실제 사례를 통한 생애주기 평가 연구
지속 가능한 AI를 위한 정책 및 규제
- 글로벌 표준과 관련 규정에 대한 이해
- 에너지 효율적 AI 발전을 위한 정책의 역할
- 윤리적 측면 및 사회적 영향 고려사항
프로젝트 및 평가 과정
- 선택한 분야에서 소형 언어 모델을 활용하여 시제품 개발하기
- 에너지 효율적 AI 시스템에 대한 프레젠테이션 준비하기
- 기술적 효율성, 혁신성 및 환경 기여도를 바탕으로 한 평가 진행하기
요약 및 향후 발전 방향 제시
요건
- 딥러닝 개념에 대한 충분한 이해가 필요합니다.
- Python 프로그래밍 능숙도가 요구됩니다.
- 모델 최적화 기법에 대한 경험이 있으면 좋습니다.
대상 청중
- 머신러닝 엔지니어
- AI 연구자 및 실무 전문가
- 기술 분야에서 환경 보호에 관심이 있는 인사
21 시간