Kerangka Materi

Pendahuluan AI Berdaya Rendah

  • Kajian umum tentang AI dalam sistem terintegrasi
  • Tantangan pelaksanaan AI pada perangkat rendah daya
  • Aplikasi AI efisiensi energi

Teknik Optimisasi Model

  • Kuantisasi dan dampaknya terhadap kinerja
  • Pengurangan dan pembagian bobot
  • Distilasi pengetahuan untuk penyederhanaan model

Penyebaran Model AI pada Perangkat Keras Rendah Daya

  • Menggunakan TensorFlow Lite dan ONNX Runtime untuk AI tepi
  • Optimasi model AI dengan NVIDIA TensorRT
  • Peningkatan kinerja perangkat keras dengan Coral TPU dan Jetson Nano

Mengurangi Konsumsi Daya pada Aplikasi AI

  • Profil daya dan metrik efisiensi
  • Arsitektur komputasi rendah daya
  • Penskalaan daya dinamis dan teknik inferensi adaptif

Kajian Kasus dan Aplikasi Dunia Nyata

  • Perangkat IoT berdaya baterai yang dipengaruhi AI
  • AI rendah daya untuk kesehatan dan perangkat wearable
  • Aplikasi pemantauan kota cerdas dan lingkungan

Praktik Terbaik dan Tren Masdepan

  • Memperbanyak AI tepi untuk kelestarian
  • Perkembangan dalam perangkat keras AI efisiensi energi
  • Pengembangan masa depan dalam penelitian AI rendah daya

Ringkasan dan Langkah Selanjutnya

Persyaratan

  • Pemahaman mengenai model deep learning
  • Pengalaman dengan embedded systems atau deployment AI
  • Pengetahuan dasar mengenai teknik optimasi model

Peserta

  • AI engineers
  • Embedded developers
  • Hardware engineers
 21 Jam

Jumlah Peserta


Biaya per Peserta

Kursus Mendatang

Kategori Terkait