13 ago
|
Kineton
|
Napoli
L’Edge-AI rappresenta una rivoluzione fondamentale nel machine learning, che trasporta l’intelligenza dai datacenter fino all’edge, dove vivono i dati. All’edge, potenza ed energia sono limitate e molte piattaforme non possono permettersi i consumi di potenti GPU per eseguire modelli deep. Le piattaforme FPGA offrono un vantaggio strategico in termini di consumi energetici per dispiegare modelli compressi e personalizzati all’edge. Questa tesi esplorerà i trade-off e i vantaggi della progettazione e deployment di modelli Edge-AI su piattaforme attrezzate con FPGA. **Argomento principale**: - Embedded systems
- Edge-AI
- FPGAs **Requisiti di base**: - Ingegneria Informatica, Elettronica, dell’Automazione, delle Telecomunicazioni o corsi affini.
- Conoscenza di sistemi embedded ed edge
- Familiarità con machine learning e deep learning+
- Familiarità con tecnologie FPGA (AMD Xilinx, Intel Altera, Microchip, Lattice) **Sede**:Napoli
📌 Low-power Edge-ai On Fpga for Real-world Scenarios (Napoli)
🏢 Kineton
📍 Napoli