Course Outline

에너지 효율적인 AI 소개

  • AI에서 지속 가능성의 중요성
  • 기계 학습의 에너지 소비 개요
  • 에너지 효율적인 AI 구현 사례 연구

컴팩트 모델 아키텍처

  • 모델 크기 및 복잡성 이해
  • 작지만 효과적인 모델을 설계하는 기술
  • 효율성을 위해 다양한 모델 아키텍처 비교

최적화 및 압축 기술

  • 모델 가지치기 및 양자화
  • 더 작은 모델을 위한 지식 증류
  • 에너지 사용량을 줄이는 효율적인 훈련 방법

AI에 대한 하드웨어 고려 사항

  • 훈련 및 추론을 위한 에너지 효율적인 하드웨어 선택
  • TPU, FPGA 등 특수 프로세서의 역할
  • 성능과 전력 소비의 균형

친환경 코딩 관행

  • 에너지 효율적인 코드 작성
  • AI 알고리즘 프로파일링 및 최적화
  • 지속 가능한 소프트웨어 개발을 위한 모범 사례

재생에너지와 AI

  • AI 운영에 재생에너지원 통합
  • 데이터 센터 지속 가능성
  • 그린 AI 인프라의 미래

AI 시스템의 수명주기 평가

  • AI 모델의 탄소 배출량 측정
  • AI 수명주기 전반에 걸쳐 환경 영향을 줄이기 위한 전략
  • AI의 수명주기 평가에 대한 사례 연구

지속 가능한 AI를 위한 정책 및 규제

  • 글로벌 표준 및 규정 이해
  • 에너지 효율적인 AI를 촉진하는 정책의 역할
  • 윤리적 고려사항과 사회적 영향

프로젝트 및 평가

  • 선택한 도메인에서 작은 언어 모델을 사용하여 프로토타입 개발
  • 에너지 효율적인 AI 시스템 발표
  • 기술 효율성, 혁신성, 환경 기여도를 바탕으로 평가

요약 및 다음 단계

Requirements

  • 딥러닝 개념에 대한 확실한 이해
  • Python 프로그래밍 능력
  • 모델 최적화 기술 경험

청중

  • 머신러닝 엔지니어
  • AI 연구자 및 실무자
  • 기술 산업계의 환경 옹호자들
 21 Hours

Number of participants


Price per participant

Upcoming Courses