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.
Schulungsübersicht
Einführung in Low-Power-AI
- Überblick über KI in eingebetteten Systemen
- Herausforderungen der KI-Bereitstellung auf Low-Power-Geräten
- Energieeffiziente KI-Anwendungen
Modelloptimierungstechniken
- Quantisierung und ihre Auswirkungen auf die Leistungsfähigkeit
- Pruning und Gewichteteilung
- Knowledge Distillation zur Modellvereinfachung
Bereitstellung von KI-Modellen auf Low-Power-Hardware
- Einsatz von TensorFlow Lite und ONNX Runtime für Edge-AI
- Optimierung von KI-Modellen mit NVIDIA TensorRT
- Hardwarebeschleunigung mit Coral TPU und Jetson Nano
Reduzierung des Stromverbrauchs in KI-Anwendungen
- Stromprofilerstellung und Effizienzkennzahlen
- Low-Power-Rechenarchitekturen
- Dynamische Leistungsskalierung und adaptive Inferenztechniken
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
- Grundlegendes Verständnis von Deep-Learning-Modellen
- Erfahrung mit eingebetteten Systemen oder KI-Bereitstellung
- Grundkenntnisse in Modelloptimierungstechniken
Zielgruppe
- KI-Ingenieure
- Embedded-Entwickler
- Hardware-Ingenieure
21 Stunden
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