MIT的公开课 微型机器学习与高效 AI 计算 26年秋季版更新了。还会学习如何在笔记本电脑上部署和运行大语言模型地址：hanlab.mit.edu/courses/2026-fall-65940

本课程主要聚焦于高效机器学习（Efficient Machine Learning）与机器学习系统（ML Systems）。这是一个至关重要的研究领域，因为深度神经网络需要消耗极其庞大的计算资源，这不仅阻碍了它们在日常设备上的部署，也给云计算基础设施带来了沉重负担。本课程将介绍各种高效人工智能计算技术（Efficient AI Computing），使强大的深度学习应用能够在计算资源受限的设备上运行。课程涵盖的主题包括：- 模型压缩（Model Compression）- 模型剪枝（Pruning）- 模型量化（Quantization）- 神经网络架构搜索（Neural Architecture Search, NAS）- 分布式训练（Distributed Training）- 模型服务（Model Serving）- 模型并行（Model Parallelism）- 梯度压缩（Gradient Compression）- 设备端微调（On-device Fine-tuning）此外，课程还将介绍针对大语言模型和扩散模型（Diffusion Models）的专用加速技术。学生将通过实践项目，亲自动手实现模型压缩技术，并学习如何在笔记本电脑上部署和运行大语言模型，从而获得相关的实际工程经验。