Fastware

Aperçu

Explorez les techniques d'optimisation pour l'informatique moderne, allant des méthodes orientées vers le silicium aux ajustements algorithmiques, afin d'améliorer les performances dans la reconnaissance vocale, les voitures autonomes et l'intelligence artificielle.

Programme

• Introduction à Fastware
Aperçu des objectifs du cours
Importance de l'optimisation dans l'informatique moderne
• Techniques d'optimisation orientées sur le silicium
Compréhension des architectures de processeurs
Exploration GPU vs. CPU pour les charges de travail IA
Accélérateurs matériels et ASICs
Conceptions économes en énergie
• Optimisation algorithmique
Notation Big O et analyse de complexité
Calcul parallèle et multithreading
Gestion de la mémoire et mise en cache
Structures de données pour la rapidité
• Optimisation dans la reconnaissance vocale
Optimisation de réseaux neuronaux pour la voix
Défis et solutions de traitement en temps réel
Techniques de réduction de latence
• Voitures autonomes et traitement en temps réel
Optimisation de la fusion de données de capteurs
Algorithmes de planification de trajectoire et prise de décision
Systèmes temps réel critiques en termes de sécurité
• Améliorations de performance spécifiques à l'IA
Élagage de modèles et quantification
Apprentissage par transfert pour l'efficacité
Réglage des hyperparamètres et AutoML
• Études de cas et applications pratiques
Étude de cas : Optimisation d'un système de reconnaissance vocale
Étude de cas : Amélioration d'un algorithme de voiture autonome
Atelier pratique : Application des techniques Fastware
• Sujets avancés
Informatique quantique et impacts potentiels sur l'optimisation
Tendances futures en optimisation matérielle et logicielle IA
• Projet et évaluation
Projet de synthèse : Optimiser une application IA réelle
Critères d'évaluation et processus de revue par les pairs
• Conclusion du cours et directions futures
Récapitulatif des concepts clés
Exploration des carrières dans l'optimisation de l'IA

---

Sujets

Conférences