Course Outline

Inleiding tot energie-efficiënte AI

  • Het belang van duurzaamheid in AI
  • Overzicht van energieverbruik in machine learning
  • Casestudy's van energie-efficiënte AI-implementaties

Compacte modelarchitecturen

  • Inzicht in de grootte en complexiteit van het model
  • Technieken voor het ontwerpen van kleine maar effectieve modellen
  • Vergelijking van verschillende modelarchitecturen voor efficiëntie

Optimalisatie- en compressietechnieken

  • Modelsnoeien en kwantiseren
  • Kennisdistillatie voor kleinere modellen
  • Efficiënte trainingsmethoden om het energieverbruik te verminderen

Hardwareoverwegingen voor AI

  • Energiezuinige hardware selecteren voor training en inferentie
  • De rol van gespecialiseerde verwerkers zoals TPU's en FPGA's
  • Balans tussen prestaties en stroomverbruik

Groene coderingspraktijken

  • Energiezuinige code schrijven
  • Profileren en optimaliseren van AI-algoritmen
  • Best practices voor duurzame softwareontwikkeling

Hernieuwbare energie en AI

  • Integratie van hernieuwbare energiebronnen in AI-activiteiten
  • Duurzaamheid van datacenters
  • De toekomst van groene AI-infrastructuur

Levenscyclusanalyse van AI-systemen

  • Het meten van de koolstofvoetafdruk van AI-modellen
  • Strategieën voor het verminderen van de milieu-impact gedurende de hele levenscyclus van AI
  • Casestudy's over levenscyclusanalyse in AI

Beleid en regelgeving voor duurzame AI

  • Inzicht in wereldwijde normen en voorschriften
  • De rol van beleid bij het bevorderen van energie-efficiënte AI
  • Ethische overwegingen en maatschappelijke impact

Project en beoordeling

  • Het ontwikkelen van een prototype met behulp van kleine taalmodellen in een gekozen domein
  • Presentatie van het energie-efficiënte AI-systeem
  • Evaluatie op basis van technische efficiëntie, innovatie en milieubijdrage

Samenvatting en volgende stappen

Requirements

  • Gedegen begrip van deep learning-concepten
  • Vaardigheid in Python programmeren
  • Ervaring met modeloptimalisatietechnieken

Audiëntie

  • Ingenieurs voor machinaal leren
  • AI-onderzoekers en -beoefenaars
  • Voorstanders van het milieu binnen de technische industrie
 21 Hours

Number of participants



Price per participant

Related Courses

Small Language Models (SLMs): Applications and Innovations

14 Hours

Small Language Models (SLMs) for Domain-Specific Applications

28 Hours

Small Language Models (SLMs) for Human-AI Interactions

14 Hours

Small Language Models (SLMs) for On-Device AI

21 Hours

Adobe Firefly: Generative AI for Creatives

14 Hours

Generative AI: Creating Novel Content with AI Models

14 Hours

Generative AI for Beginners

14 Hours

Generative AI Advanced

21 Hours

Generative AI for Managers

21 Hours

Generative AI: Impact on Cyber Security

28 Hours

Generative AI for Developers

21 Hours

Generative AI for Data Synthesis

21 Hours

Generative AI in Education: Enhancing Personalized Learning

21 Hours

Generative AI in Robotics: Creating Autonomous Solutions

28 Hours

Generative AI in Healthcare: Transforming Medicine and Patient Care

21 Hours

Related Categories