课程大纲

高效能AI简介

  • AI可持续性的重要性
  • 机器学习中的能源消耗概述
  • 高效能AI实施的案例研究

紧凑模型架构

  • 理解模型大小与复杂性
  • 设计小型但有效模型的技术
  • 比较不同模型架构的效率

优化与压缩技术

  • 模型剪枝与量化
  • 知识蒸馏用于小型模型
  • 减少能源使用的高效训练方法

AI硬件考量

  • 选择用于训练和推理的节能硬件
  • 专用处理器如TPU和FPGA的作用
  • 平衡性能与功耗

绿色编码实践

  • 编写节能代码
  • AI算法的性能分析与优化
  • 可持续软件开发的最佳实践

可再生能源与AI

  • 在AI操作中整合可再生能源
  • 数据中心的可持续性
  • 绿色AI基础设施的未来

AI系统的生命周期评估

  • 测量AI模型的碳足迹
  • 减少AI生命周期环境影响的策略
  • AI生命周期评估的案例研究

可持续AI的政策与法规

  • 理解全球标准与法规
  • 政策在推动节能AI中的作用
  • 伦理考量与社会影响

项目与评估

  • 在选定领域中使用小型语言模型开发原型
  • 展示节能AI系统
  • 基于技术效率、创新和环境贡献的评估

总结与下一步

要求

  • 扎实理解深度学习概念
  • 熟练掌握Python编程
  • 具备模型优化技术经验

受众

  • 机器学习工程师
  • AI研究人员与实践者
  • 科技行业中的环保倡导者
 21 小时

即将举行的公开课程

课程分类