강의목표
DNN (Deep Neural Network) 가속을 위한 NPU (Neural Processing Unit)의 핵심 아키텍처 원리를 이해하고, 하드웨어 효율성을 극대화하기 위한 설계 최적화 기법을 습득한다.
강의개요
CPU/GPU와 차별화된 NPU의 구조적 특징, 데이터 흐름 (Dataflow) 최적화, 메모리 계층 구조, 그리고 양자화 및 희소성 (Sparsity)을 활용한 최신 설계 트렌드를 다룬다.
참고사항
♦ (!중요!) 비재직자 신청 기간은 7/27 ~ 7/30 입니다.
♦ (!중요!) 대면 강의는 점심 식사가 제공됩니다. 부득이하게 참석이 불가능할시 반드시 신청기한 내에 수강취소 부탁드립니다.
♦ (!중요!) 강의안내(zoom url 포함)는 강의 1일전 메일로 안내되고 있으니, 메일함(스팸메일함)을 확인하여 주시기 바랍니다.
♦ (!중요!) 재직자 우선 신청 강의입니다. 비재직자 신청은 강의 일주일 전부터 가능합니다.
♦ 출석 100%, 퀴즈 3/5문제 통과시 수료증이 발급됩니다.
♦ 수강신청 기간 내에 홈페이지에서 수강 취소해야 정상 취소처리 됩니다.
♦ 1개 교육에 대해 전일 결석시, 향후 8개월간 수강 신청이 자동으로 제한되며, 기존 수강신청도 전면 취소됩니다
강좌상세
| 일자 |
2026-08-03 |
시간 |
10:00 ~ 12:00 |
강사 |
심재형 조교수 이화여자대학교 |
| 내용 |
[오전 시간 : 10:00 ~ 12:00]
○ AI 가속기의 역사: CPU, GPU에서 NPU까지
○ Deep Learning 연산 특성 분석 (CONV, GEMM 등)
○ Roofline Model을 통한 성능 병목 지점 파악 |
| 일자 |
2026-08-03 |
시간 |
13:00 ~ 17:00 |
강사 |
심재형 조교수 이화여자대학교 |
| 내용 |
[오후 시간 : 13:00 ~ 17:00]
○ Systolic Array 구조 분석 (Google TPU 사례 중심)
○ 데이터 재사용 극대화 전략 (Weight/Output/Row Stationary)
○ 버퍼 및 온칩 메모리 설계 최적화 기법 |
| 일자 |
2026-08-04 |
시간 |
10:00 ~ 12:00 |
강사 |
심재형 조교수 이화여자대학교 |
| 내용 |
[오전 시간 : 10:00 ~ 12:00]
○ 양자화 (Quantization)와 저정밀도 연산 하드웨어 설계
○ Sparsity (희소성)를 활용한 연산 및 메모리 절감 기법
○ 하드웨어 친화적인 Neural Architecture Search (NAS) 개념 |
| 일자 |
2026-08-04 |
시간 |
13:00 ~ 17:00 |
강사 |
심재형 조교수 이화여자대학교 |
| 내용 |
[오후 시간 : 13:00 ~ 17:00]
○ 연산 그래프의 하드웨어 매핑 기초
○ Loop Tiling 및 데이터 재사용 최적화 알고리즘 개요
○ NPU 설계의 미래: LLM(Large Language Model) 가속 이슈 |
강의장소
고려대학교 창의관 지하 1층 B128호
담당자 연락처
|
