コース概要

低消費電力AIの概要

  • 組み込みシステムにおけるAIの概観
  • 低消費電力デバイスでのAI展開の課題
  • エネルギー効率の高いAIアプリケーション

モデル最適化技術

  • クォンタイゼーションとそのパフォーマンスへの影響
  • プルーニングとウェイト共有
  • 知識の蒸留によるモデル簡素化

低消費電力ハードウェアへのAIモデル展開

  • TensorFlow LiteとONNX Runtimeを使用したエッジAI
  • NVIDIA TensorRTを使用したAIモデルの最適化
  • Coral TPUとJetson Nanoによるハードウェア加速

AIアプリケーションでの消費電力削減

  • パワープロファイリングと効率指標
  • 低消費電力計算アーキテクチャ
  • 動的パワースケーリングと適応推論技術

ケーススタディと実世界のアプリケーション

  • AI搭載バッテリー駆動型IoTデバイス
  • ヘルスケアとウェアラブル向け低消費電力AI
  • スマートシティと環境モニタリングアプリケーション

最善の実践方法と将来のトレンド

  • サステナビリティを重視したエッジAIの最適化
  • エネルギー効率の高いAIハードウェアの進歩
  • 低消費電力AI研究における将来の発展

要約と次回のステップ

要求

  • 深層学習モデルの理解
  • 組み込みシステムやAI展開の経験
  • モデル最適化技術に関する基本的な知識

対象者

  • AIエンジニア
  • 組み込み開発者
  • ハードウェアエンジニア
 21 時間

参加者の人数


参加者1人当たりの料金

今後のコース

関連カテゴリー