MIT 6.5940 TinyML 与高效深度学习计算

课程名称： TinyML and Efficient Deep Learning Computing
官方入口： MIT Course Catalog
课程层级： 研究生专题
先修要求： 6.1910 与 6.3900，具备深度学习和系统实现基础
重要程度： ※※※※☆

课程定位

6.5940 是 MIT 很有代表性的现代 AI 系统课，主题是如何让深度学习在资源受限或高效率要求的场景中真正跑起来。课程官方描述提到模型压缩、剪枝、量化、架构搜索、分布式训练、梯度压缩，以及视频、点云和生成式 AI 的专用加速。

核心内容

• 模型压缩、剪枝、量化
• 神经架构搜索与高效模型设计
• 分布式训练、数据并行 / 模型并行
• 梯度压缩与训练加速
• 针对视频、点云、扩散模型和 LLM 的优化方法

课程价值

这是很典型的“从会训练模型到会优化 AI 系统”的课程。对做部署、推理优化、边缘 AI、训练基础设施的人非常有价值。

适合谁

• 对高效 AI、系统优化、编译 / 硬件协同感兴趣
• 已经会基本 DL，希望补工程性能视角
• 想往 AI infra、推理加速、Edge AI 方向走