Course Outline

에너지 효율적인 AI 소개

  • AI에서의 지속 가능성의 중요성
  • 머신 러닝에서 에너지 소비 개요
  • 에너지 효율적인 AI 구현 사례 연구

컴팩트 모델 아키텍처

  • 모델 크기와 복잡도 이해
  • 작은 yet 효과적인 모델 설계 기술
  • 효율성을 위한 다양한 모델 아키텍처 비교

최적화 및 압축 기술

  • 모델 프루닝 및 양자화
  • 작은 모델을 위한 지식 증류
  • 에너지 사용을 줄이기 위한 효율적인 학습 방법

AI를 위한 하드웨어 고려 사항

  • 학습 및 추론을 위한 에너지 효율적인 하드웨어 선택
  • TPU 및 FPGA와 같은 전문 프로세서의 역할
  • 성능과 전력 소비의 균형 맞추기

녹색 코딩 실습

  • 에너지 효율적인 코드 작성
  • AI 알고리즘 프로파일링 및 최적화
  • 지속 가능한 소프트웨어 개발을 위한 최선 실습

재생 가능 에너지 및 AI

  • AI 운영에서 재생 가능 에너지 원천 통합
  • 데이터 센터 지속 가능성
  • 녹색 AI 인프라의 미래

AI 시스템의 라이프사이클 평가

  • AI 모델의 탄소 발자국 측정
  • AI 라이프사이클 전체에서 환경 영향 줄이기 전략
  • AI에서의 라이프사이클 평가 사례 연구

지속 가능한 AI를 위한 정책 및 규제

  • 글로벌 표준 및 규제 이해
  • 에너지 효율적인 AI 촉진을 위한 정책 역할
  • 윤리적 고려 사항 및 사회적 영향

프로젝트 및 평가

  • 선택된 도메인에서 작은 언어 모델을 사용하여 프로토타입 개발
  • 에너지 효율적인 AI 시스템 발표
  • 기술적 효율성, 혁신 및 환경 기여 기반 평가

요약 및 다음 단계

Requirements

  • 딥러닝 개념에 대한 탄탄한 이해
  • 파이썬 프로그래밍에 대한 숙련도
  • 모델 최적화 기술 경험

대상

  • 머신러닝 엔지니어
  • AI 연구자 및 실무자
  • 기술 산업 내 환경 보호 운동가
 21 Hours

Number of participants


Price per participant

Upcoming Courses

Related Categories