Kontakt aufnehmen

Schulungsübersicht

Einführung in die Energieeffizienz in der KI

  • Überblick über den Einsatz von KI in eingebetteten Systemen
  • Herausforderungen bei der Implementierung von KI auf stromsparenden Geräten
  • Energieeffiziente Anwendungsbeispiele für KI

Techniken zur Modelloptimierung

  • Quantisierung und ihre Auswirkungen auf die Leistung
  • Pruning sowie Gewichtete Teilschaltkreise
  • Knowledge Distillation zur Vereinfachung von Modellen

Implementierung von KI-Modellen auf energieeffizienter Hardware

  • Nutzung von TensorFlow Lite und ONNX Runtime für Edge-KI
  • Optimierung von KI-Modellen mithilfe von NVIDIA TensorRT
  • Hardware-Beschleunigung durch Coral TPU und Jetson Nano

Reduzierung des Energieverbrauchs in KI-Anwendungen

  • Energieprofilanalyse sowie Messgrößen zur Effizienzbestimmung
  • Architekturen für energiesparende Rechenverfahren
  • Dynamische Energieregulierung sowie adaptiver Inferenzvorgang

Fallstudien und reale Anwendungsbeispiele

  • KI-gesteuerte, batteriebetriebene IoT-Geräte
  • Energieeffiziente KI-Anwendungen im Gesundheitswesen und für Wearables
  • Anwendungen in intelligenten Städten sowie zur Umweltüberwachung

Best Practices und zukünftige Entwicklungen

  • Optimierung von Edge-KI im Sinne der Nachhaltigkeit
  • Fortschritte in energiesparender KI-Hardware
  • Aktuelle Trends und zukünftige Forschungsrichtungen im Bereich energieeffizienter KI

Zusammenfassung und weitere Schritte

Voraussetzungen

  • Grundverständnis von Deep-Learning-Modellen
  • Erfahrung mit eingebetteten Systemen oder der Implementierung von KI
  • Basiskenntnisse in Techniken zur Modelloptimierung

Zielgruppe

  • KI-Ingenieure
  • Entwickler eingebetteter Systeme
  • Hardware-Entwickler
 21 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Erfahrungsberichte (1)

Kommende Kurse

Verwandte Kategorien