Kerangka Materi
Pengenalan AI dalam Otomasi Desain Semikonduktor
- Tinjauan aplikasi AI dalam alat EDA
- Tantangan dan kesempatan dalam otomasi desain yang didorong AI
- Studi kasus tentang integrasi AI yang sukses dalam desain semikonduktor
Machine Learning untuk Optimasi Desain
- Pengenalan teknik machine learning untuk optimasi desain
- Pemilihan fitur dan pelatihan model untuk alat EDA
- Aplikasi praktis dalam pemeriksaan aturan desain dan optimasi tata letak
Jaringan Sarang Laba-laba dalam Verifikasi Chip
- Memahami jaringan sarang laba-laba dan peran mereka dalam verifikasi chip
- Mengimplementasikan jaringan sarang laba-laba untuk deteksi dan perbaikan kesalahan
- Studi kasus tentang penggunaan jaringan sarang laba-laba dalam alat EDA
Teknik AI Lanjutan untuk Optimasi Daya dan Kinerja
- Mengungkap teknologi AI untuk analisis daya dan kinerja
- Mengintegrasikan model AI untuk mengoptimalkan efisiensi daya
- Contoh praktis penguatan kinerja yang didorong AI
Kustomisasi Alat EDA dengan AI
- Mengkustomisasi alat EDA dengan AI untuk tantangan desain tertentu
- Mengembangkan plugin dan modul AI untuk platform EDA yang ada
- Praktik langsung dengan alat EDA populer dan integrasi AI
Tren Masa Depan dalam AI untuk Desain Semikonduktor
- Teknologi AI yang muncul dalam otomasi desain semikonduktor
- Arah masa depan dalam alat EDA yang didorong AI
- Mempersiapkan diri untuk perkembangan dalam industri AI dan semikonduktor
Ringkasan dan Langkah Selanjutnya
Persyaratan
- Pengalaman dalam desain semikonduktor dan peralatan EDA
- Pengetahuan lanjut tentang teknik AI dan machine learning
- Kemampuan memahami jaringan saraf
Penonton
- Insinyur desain semikonduktor
- Spesialis AI di industri semikonduktor
- Pengembang peralatan EDA
Testimoni (2)
the ML ecosystem not only MLFlow but Optuna, hyperops, docker , docker-compose
Guillaume GAUTIER - OLEA MEDICAL
Kursus - MLflow
I enjoyed participating in the Kubeflow training, which was held remotely. This training allowed me to consolidate my knowledge for AWS services, K8s, all the devOps tools around Kubeflow which are the necessary bases to properly tackle the subject. I wanted to thank Malawski Marcin for his patience and professionalism for training and advice on best practices. Malawski approaches the subject from different angles, different deployment tools Ansible, EKS kubectl, Terraform. Now I am definitely convinced that I am going into the right field of application.