Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
Plan du cours
Introduction à l'IA économe en énergie
- L'importance de la durabilité dans l'IA
- Aperçu de la consommation d'énergie dans l'apprentissage automatique
- Études de cas d'implémentations d'IA économes en énergie
Architectures de modèles compacts
- Comprendre la taille et la complexité des modèles
- Techniques pour concevoir des modèles petits mais efficaces
- Comparaison de différentes architectures de modèles en termes d'efficacité
Techniques d'optimisation et de compression
- Élagage et quantification des modèles
- Distillation des connaissances pour des modèles plus petits
- Méthodes de formation efficaces pour réduire la consommation d'énergie
Considérations matérielles pour l'IA
- Sélection d'un matériel économe en énergie pour la formation et l'inférence
- Le rôle des processeurs spécialisés tels que les TPU et les FPGA
- Équilibrer les performances et la consommation d'énergie
Pratiques de codage écologique
- Rédaction d'un code économe en énergie
- Profilage et optimisation des algorithmes d'IA
- Meilleures pratiques pour le développement de logiciels durables
Énergies renouvelables et IA
- Intégrer les sources d'énergie renouvelables dans les opérations d'IA
- Durabilité des centres de données
- L'avenir de l'infrastructure verte de l'IA
Évaluation du cycle de vie des systèmes d'IA
- Mesurer l'empreinte carbone des modèles d'IA
- Stratégies de réduction de l'impact environnemental tout au long du cycle de vie de l'IA
- Études de cas sur l'analyse du cycle de vie dans l'IA
Politique et réglementation pour une IA durable
- Comprendre les normes et réglementations mondiales
- Le rôle de la politique dans la promotion d'une IA économe en énergie
- Considérations éthiques et impact sociétal
Projet et évaluation
- Développement d'un prototype utilisant de petits modèles de langage dans un domaine choisi
- Présentation du système d'IA économe en énergie
- Évaluation basée sur l'efficacité technique, l'innovation et la contribution environnementale
Résumé et prochaines étapes
Pré requis
- Solide compréhension des concepts d'apprentissage profond
- Maîtrise de la programmation Python.
- Expérience des techniques d'optimisation de modèles
Audience
- Ingénieurs en apprentissage automatique
- Chercheurs et praticiens de l'IA
- Défenseurs de l'environnement dans l'industrie technologique
21 Heures