お問い合わせを送信いただきありがとうございます!当社のスタッフがすぐにご連絡いたします。
予約を送信いただきありがとうございます!当社のスタッフがすぐにご連絡いたします。
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の利用状況について概説する。
- 省電力デバイス上でのAI導入に伴う課題を解説する。
- エネルギー効率が重視されるAIの適用例を紹介する。
モデル最適化技術
- 量子化がパフォーマンスに与える影響について説明する。
- プリuningや重み共有の手法を解説する。
- モデル単純化のための知識蒸留法について述べる。
低消費電力ハードウェア上でのAIモデル導入
- エッジAI向けにTensorFlow LiteおよびONNX Runtimeの利用方法を説明する。
- NVIDIA TensorRTを用いたAIモデルの最適化手法について解説する。
- Coral TPUやJetson Nanoを利用したハードウェアアクセラレーションの実践方法を示す。
AIアプリケーションにおける電力消費削減手法
- 電力プロファイリングや効率性の評価指標について説明する。
- 省電力型コンピューティングアーキテクチャについて解説する。
- 動的な電力制御や適応型推論技術の活用方法を示す。
ケーススタディと実世界での応用例
- バッテリー駆動型IoTデバイスにおけるAIの利用例を紹介する。
- 医療・ウェアラブル分野における低消費電力AIの適用例を示す。
- スマートシティや環境モニタリングにおける応用事例を説明する。
ベストプラクティスと今後の動向
- 持続可能性向上のためのエッジAI最適化手法について述べる。
- 省電力型AIハードウェアにおける技術進歩を紹介する。
- 低消費電力AI分野の将来動向について解説する。
まとめおよび今後のステップ
要求
- ディープラーニングモデルに関する基礎知識があること
- 組み込みシステムやAI導入の実務経験があること
- モデル最適化技術について基本的な理解があること
対象者
- AIエンジニア
- 組み込み系開発者
- ハードウェアエンジニア
21 時間
お客様の声 (1)
高度なトピックをカバーし、実際の例を使って実践的に学べること
Ruben Khachaturyan - iris-GmbH infrared & intelligent sensors
コース - Advanced Edge AI Techniques
機械翻訳