# TinyML and Efficient Deep Learning Computing 

## 课程简介

- 所属大学：MIT
- 先修要求：Machine Learning, Deep Learning
- 编程语言：Python
- 课程难度：主要在于读论文吧
- 预计学时：

<!-- 用一两段话介绍这门课程，内容包括但不限于：
    （1）课程覆盖的知识点范围
    （2）与同类课程相比它的优势与特点
    （3）学习这门课程的体验与感受
    （4）自学这门课的注意点（踩过的坑、难度预警等等）
    （5）... ...
-->

介绍关于深度学习神经网络模型量化，剪枝，蒸馏，性能优化等等相关内容，每一节课本质上都是介绍几十篇经典论文，老师讲课更多是一种introduction。感觉是很前沿的方向，所以很多内容都是半年甚至几个月之前的成果，很与时俱进，2024fall的也已经开始了。全部视频录像和pdf课件都是公开的。

其中有一些嵌入式DL，甚至学期最后有一些量子计算的内容，也是很全面包罗万象了，如果只是对于模型量化等感兴趣，感觉也可以只看相关内容，然后顺藤摸瓜去看论文。

我没有去做作业，但是看2023fall课堂介绍的内容，作业对硬件要求不是很高，完全通过colab即可完成，特殊情况下只需要冲一个colab小会员即可，不像现在一些DL的课，对硬件要求比较高。

## 课程资源

- 课程网站：<https://efficientml.ai>
- 课程视频：见官网，youtube
- 课程教材：见官网
- 课程作业：见官网