연락처 정보

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

참가자 수


참가자별 가격

예정된 코스

관련 카테고리