Cursusaanbod

Inleiding tot Low-Power AI

  • Overzicht van AI in embedded systemen
  • Uitdagingen bij de implementatie van AI op laag-energie apparaten
  • Energiezuinige AI-toepassingen

Modeloptimalisatie Technieken

  • Kwantisering en zijn invloed op de prestaties
  • Snoeien en gewichtsdeling
  • Kennisdestillatie voor modelvervijning

Implementeren van AI-Modellen op Laag-Energie Hardware

  • Gebruik van TensorFlow Lite en ONNX Runtime voor edge AI
  • Optimaliseren van AI-modellen met NVIDIA TensorRT
  • Hardware-versnelling met Coral TPU en Jetson Nano

Verminderen van Stroomverbruik in AI-toepassingen

  • Stroomprofiel en efficiëntie metingen
  • Laag-energie rekenarchitecturen
  • Dynamisch stroomschalen en adaptieve inferentietechnieken

Casestudies en Praktische Toepassingen

  • AI-gedreven batterijbediende IoT-apparaten
  • Laag-energie AI voor gezondheidszorg en draagbare apparaten
  • Slimme steden en milieumonitoring toepassingen

Beste Pratices en Toekomstige Trends

  • Optimaliseren van edge AI voor duurzaamheid
  • Voortgang in energie-efficiënte AI-hardware
  • Toekomstige ontwikkelingen in onderzoek naar laag-energie AI

Samenvatting en Volgende Stappen

Vereisten

  • Een begrip van deep learning modellen
  • Ervaring met embedded systemen of AI-deployments
  • Basiskennis van modeloptimalisatietechnieken

Publiek

  • AI-engineers
  • Embedded developers
  • Hardware engineers
 21 Uren

Aantal deelnemers


Prijs Per Deelnemer

Voorlopige Aankomende Cursussen

Gerelateerde categorieën