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