دوره آموزشی هوش پایدار برای توسعه‌دهندگان و کاهش عملی کربن

در این دوره با همراهی Sasha Luccioni (AI and Climate Lead در Hugging Face)، به بررسی اثرات پنهان زیست‌محیطی سیستم‌های هوش مصنوعی پرداخته می‌شود.

شما یاد می‌گیرید که چگونه زیرساخت‌های AI مانند دیتاسنترها بر مصرف انرژی، آب و حتی جوامع محلی تأثیر می‌گذارند و چرا اندازه‌گیری این اثرات با افزایش مقیاس فناوری اهمیت حیاتی دارد.

این دوره همچنین به شما کمک می‌کند تصمیم بگیرید چه زمانی استفاده از AI منطقی است و چه زمانی باید از راه‌حل‌های ساده‌تر و کم‌مصرف‌تر استفاده شود تا پایداری حفظ شود.

در بخش‌های عملی، با ابزارهایی مثل CodeCarbon و تکنیک‌هایی مانند Distillation (تقطیر مدل) و Quantization (کوانتایز کردن مدل) آشنا می‌شوید که برای کاهش مصرف منابع و بهینه‌سازی مدل‌ها استفاده می‌شوند.

در نهایت، یاد می‌گیرید چگونه پایداری (Sustainability) را در چرخه توسعه نرم‌افزار خود وارد کنید و سیستم‌های AI را به شکل مسئولانه و قابل اندازه‌گیری بسازید.

🎯 اهداف یادگیری
اندازه‌گیری میزان انتشار کربن مدل‌های AI با استفاده از CodeCarbon
ایجاد معیارهای پایه (Baseline Metrics) برای مصرف انرژی پروژه‌های AI
بهینه‌سازی مدل‌ها از طریق Right-sizing، Distillation و Quantization
انتخاب مدل‌ها و APIهای AI بر اساس معیارهای پایداری و انتشار کربن
ادغام اصول پایداری در چرخه توسعه نرم‌افزار
ایجاد گزارش‌های شفاف درباره مصرف انرژی و اثرات زیست‌محیطی
کاهش مصرف منابع در سیستم‌های AI بدون افت شدید عملکرد
تصمیم‌گیری بین استفاده از AI یا راه‌حل‌های ساده‌تر بر اساس هزینه انرژی
استفاده از استانداردهای نوظهور برای ارزیابی مدل‌های پایدار
طراحی استراتژی‌های کاهش کربن (Decarbonization Strategies) در پروژه‌ها