Cursusaanbod

Introductie tot Low-Power AI

  • Overzicht van AI in embedded systems
  • Uitdagingen bij de implementatie van AI op low-power apparaten
  • Energiezuinige AI-toepassingen

Modeloptimalisatietechnieken

  • Quantisatie en de impact ervan op de prestaties
  • Prunen en gewicht delen
  • Kennisdestillatie voor modelsimplificatie

AI-modellen implementeren op Low-Power-hardware

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

Het verlagen van het stroomverbruik in AI-toepassingen

  • Stroomprofilering en efficiëntiemetrics
  • Low-power computing-architecturen
  • Dynamische spanningsschaling en adaptieve inferentietechnieken

Case studies en toepassingen in de echte wereld

  • AI-aangedreven batterijgevoede IoT-apparaten
  • Low-power AI voor gezondheidszorg en wearables
  • Smart city- en milieu-monitoringtoepassingen

best practices en toekomstige trends

  • Edge AI optimaliseren voor duurzaamheid
  • Vorderingen in energiezuinige AI-hardware
  • Toekomstige ontwikkelingen in low-power AI-onderzoek

Samenvatting en volgende stappen

Vereisten

  • Een begrip van deep learning-modellen
  • Ervaring met embedded systems of AI-implementatie
  • Basiskennis van modeloptimalisatietechnieken

Doelgroep

  • AI-ingenieurs
  • Ingebedde ontwikkelaars
  • Hardware-ingenieurs
 21 Uren

Aantal deelnemers


Prijs Per Deelnemer

Voorlopige Aankomende Cursussen

Gerelateerde categorieën