- Carbon Aware Computing สำหรับนักพัฒนา GenAI
- ยินดีต้อนรับสู่หลักสูตร "Carbon Aware Computing สำหรับนักพัฒนา GenAI"! หลักสูตรนี้จะช่วยให้คุณมีทักษะในการฝึกอบรมโมเดลและงานอนุมานโดยใช้พลังงานที่สะอาดและคาร์บอนต่ำในระบบคลาวด์
สรุปหลักสูตร
ในหลักสูตรนี้ คุณจะได้เรียนรู้วิธีการตัดสินใจโดยคำนึงถึงสิ่งแวดล้อมในขณะที่ทำงานด้านแมชชีนเลิร์นนิง และเพิ่มประสิทธิภาพการใช้ไฟฟ้าสะอาด นี่คือสิ่งที่คุณคาดหวังที่จะเรียนรู้และสัมผัส:
- ข้อมูลไฟฟ้าแบบเรียลไทม์ : ค้นหาข้อมูลโครงข่ายไฟฟ้าแบบเรียลไทม์เพื่อทำความเข้าใจการสลายพลังงาน (เช่น ลม พลังน้ำ ถ่านหิน) และความเข้มข้นของคาร์บอน (การปล่อยก๊าซคาร์บอนไดออกไซด์เทียบเท่าต่อ kWh) ของภูมิภาคต่างๆ
- ⚡ การฝึกอบรมโมเดลคาร์บอนต่ำ : ฝึกโมเดลที่มีพลังงานคาร์บอนต่ำโดยการเลือกภูมิภาคที่มีความเข้มข้นคาร์บอนเฉลี่ยต่ำสำหรับงานการฝึกอบรมและการอัปโหลดข้อมูลของคุณ เพิ่มประสิทธิภาพเพิ่มเติมโดยใช้ข้อมูลกริดแบบเรียลไทม์จาก ElectricityMaps
- การวัดรอยเท้าคาร์บอน : เรียกข้อมูลการวัดรอยเท้าคาร์บอนสำหรับงานบนคลาวด์ที่กำลังดำเนินอยู่โดยใช้เครื่องมือ Google Cloud Carbon Footprint ซึ่งจะประมาณการปล่อยก๊าซเรือนกระจกจากการใช้งาน Google Cloud ของคุณ
- - การพัฒนาที่คำนึงถึงคาร์บอน : ตลอดหลักสูตร คุณจะใช้ ElectricityMaps ซึ่งเป็น API ฟรีสำหรับการสืบค้นข้อมูลโครงข่ายไฟฟ้าทั่วโลก และ Google Cloud เพื่อรันงานการฝึกอบรมแบบจำลองในศูนย์ข้อมูลที่ขับเคลื่อนโดยพลังงานคาร์บอนต่ำ
ประเด็นสำคัญ
- - ข้อมูลพลังงานทั่วโลก : ดึงข้อมูลแบบเรียลไทม์เกี่ยวกับส่วนผสมพลังงานทั่วโลกและความเข้มข้นของคาร์บอนจาก ElectricityMaps API ซึ่งระบุโครงข่ายไฟฟ้าที่ผลิตกระแสไฟฟ้าจากแหล่งคาร์บอนต่ำ
- งานการฝึกอบรมที่ปรับให้เหมาะสม : รันงานการฝึกอบรมแมชชีนเลิร์นนิงโดยใช้ไฟฟ้าคาร์บอนต่ำโดยเปลี่ยนเส้นทางงานไปยังตำแหน่งเซิร์ฟเวอร์คลาวด์ตามการวัดความเข้มข้นของคาร์บอน
- - การวิเคราะห์รอยเท้าคาร์บอน : วิเคราะห์รอยเท้าคาร์บอนของข้อมูลการใช้งาน Google Cloud ตัวอย่าง รวมถึงการฝึกอบรมแมชชีนเลิร์นนิง การอนุมาน พื้นที่จัดเก็บ และกิจกรรม API อื่นๆ
เกี่ยวกับ อาจารย์
- Nikita Namjoshi เป็นผู้สนับสนุนนักพัฒนาที่ Google Cloud และ Google Fellow เกี่ยวกับ Permafrost Discovery Gateway โดยนำความเชี่ยวชาญที่ครอบคลุมในด้านการประมวลผลที่คำนึงถึงสิ่งแวดล้อมมาแนะนำคุณตลอดหลักสูตรนี้
- หากต้องการลงทะเบียนในหลักสูตรหรือดูข้อมูลเพิ่มเติม โปรดไปที่ deeplearning.ai
