Programa do Curso

Introdução à IA eficiente em termos energéticos

  • A importância da sustentabilidade na IA
  • Panorâmica do consumo de energia na aprendizagem automática
  • Estudos de casos de implementações de IA energeticamente eficientes

Arquitecturas de modelos compactos

  • Compreender a dimensão e a complexidade do modelo
  • Técnicas para conceber modelos pequenos mas eficazes
  • Comparação de diferentes arquitecturas de modelos em termos de eficiência

Técnicas de otimização e compressão

  • Quantificação e redução de modelos
  • Destilação de conhecimentos para modelos mais pequenos
  • Métodos de formação eficientes para reduzir a utilização de energia

Considerações sobre hardware para IA

  • Seleção de hardware eficiente em termos energéticos para formação e inferência
  • O papel dos processadores especializados, como TPUs e FPGAs
  • Equilíbrio entre desempenho e consumo de energia

Práticas de codificação ecológicas

  • Escrever código eficiente em termos energéticos
  • Criação de perfis e otimização de algoritmos de IA
  • Melhores práticas para o desenvolvimento sustentável de software

Energia renovável e IA

  • Integração de fontes de energia renováveis nas operações de IA
  • Sustentabilidade dos centros de dados
  • O futuro da infraestrutura de IA ecológica

Avaliação do ciclo de vida dos sistemas de IA

  • Medir a pegada de carbono dos modelos de IA
  • Estratégias para reduzir o impacto ambiental ao longo do ciclo de vida da IA
  • Estudos de casos sobre a avaliação do ciclo de vida da IA

Política e regulamentação para uma IA sustentável

  • Compreender as normas e regulamentos globais
  • O papel da política na promoção de uma IA energeticamente eficiente
  • Considerações éticas e impacto social

Projeto e avaliação

  • Desenvolvimento de um protótipo utilizando pequenos modelos linguísticos num domínio escolhido
  • Apresentação do sistema de IA energeticamente eficiente
  • Avaliação com base na eficiência técnica, na inovação e na contribuição ambiental

Resumo e próximas etapas

Requisitos

  • Sólida compreensão dos conceitos de aprendizagem profunda
  • Proficiência em programação Python
  • Experiência com técnicas de otimização de modelos

Público-alvo

  • Engenheiros de aprendizado de máquina
  • Pesquisadores e profissionais de IA
  • Defensores do ambiente na indústria tecnológica
 21 Horas

Próximas Formações Provisórias

Categorias Relacionadas