Low-Power Edge-AI on FPGA for Real-World Scenarios

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