Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Dauer 21 Stunden
Schulungsübersicht
Einführung in Low-Power AI
- Überblick über KI in eingebetteten Systemen
- Herausforderungen der KI-Bereitstellung auf Low-Power-Geräten
- Energieeffiziente KI-Anwendungen
Techniken zur Modelloptimierung
- Quantisierung und deren Auswirkungen auf die Leistung
- Pruning und Gewichtsteilung
- Knowledge Distillation zur Modellvereinfachung
Bereitstellung von KI-Modellen auf Low-Power-Hardware
- Verwendung von TensorFlow Lite und ONNX Runtime für Edge-AI
- Optimierung von KI-Modellen mit NVIDIA TensorRT
- Hardware-Beschleunigung mit Coral TPU und Jetson Nano
Reduzierung des Stromverbrauchs in KI-Anwendungen
- Leistungsprofilanalyse und Effizienzkennzahlen
- Low-Power-Computing-Architekturen
- Dynamisches Power-Skalieren und adaptive Inference-Techniken
Fallstudien und reale Anwendungen
- KI-gestützte batteriebetriebene IoT-Geräte
- Low-Power AI für Gesundheitswesen und Wearables
- Smart-City- und Umweltüberwachungsanwendungen
Best Practices und zukünftige Trends
- Optimierung von Edge-AI für Nachhaltigkeit
- Fortschritte in energieeffizienter KI-Hardware
- Zukünftige Entwicklungen in der Low-Power-AI-Forschung
Zusammenfassung und nächste Schritte
Voraussetzungen
- Verständnis von Deep-Learning-Modellen
- Erfahrung mit eingebetteten Systemen oder KI-Bereitstellung
- Grundkenntnisse in Modelloptimierungstechniken
Zielgruppe
- KI-Ingenieure
- Embedded-Entwickler
- Hardware-Ingenieure
Erfahrungsberichte (1)
Dass wir uns mit fortgeschrittenen Themen befassen und an realen Beispielen arbeiten können
Ruben Khachaturyan - iris-GmbH infrared & intelligent sensors
Kurs - Advanced Edge AI Techniques
Maschinelle Übersetzung