저전력 임베디드 시스템에서 딥러닝 기반 AI 알고리즘을 구현해보고 이를 최적화하는 방법에 대하여 학습합니다. 현존하는 다양한 딥러닝 연산 기법에 대하여 학습하고 실제 보드 상에서 구동해보면서 이론상의 딥러닝 알고리즘이 어떻게 하드웨어 상에서 구현되는지 경험해 봅니다. 임베디드 시스템 상에서 효율적인 AI 알고리즘 연산을 위한 간단한 NPU를 설계해보고, 성능 향상을 위한 최적화 기법을 적용해보면서 하드웨어-소프트웨어 전반을 어우르는 시스템 디자인에 대한 경험을 쌓는 것을 목표로 합니다. 강의를 통한 이론 습득과 실습을 통한 체득을 함께 추구합니다.

컴퓨터구조, 알고리즘, 인공지능 등의 과목을 선수하는 것을 추천합니다.

- 시험: 40 % - 실습 : 30 % - 과목 프로젝트 30 %

자체적으로 준비한 수업 슬라이드 및 논문 리뷰를 통해 진행합니다.

Introduction and Overview
Deep learning and embedded system
Deep learning framework and implementation
Matrix multiplication and acceleration
Convolution neural network and acceleration
Practical implementation: back propagation and computation
Application: vision tasks
Optimization: quantization and pruning
Practical implementation: speed up with quantization and pruning
Practical implementation: computation with constraints
Advanced topic: binary neural network
Advanced topic: structure pruning