Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Duración 14 horas
Temario del curso
Introducción a la IA en dispositivos (on-device) con Nano Banana
- Principios fundamentales de la inferencia en dispositivo.
- Arquitectura y capacidades del modelo Nano Banana.
- Consideraciones de despliegue en plataformas móviles.
Configuración de Nano Banana y entorno de desarrollo
- Instalación de las herramientas del SDK de Nano Banana.
- Configuración de los entornos de compilación para Android e iOS.
- Gestión de dependencias y compatibilidad de versiones.
Ejecución de modelos Nano Banana en dispositivos móviles
- Carga y ejecución de modelos precompilados.
- Restricciones de memoria y procesamiento en hardware móvil.
- Estrategias de inferencia en tiempo real.
Creación de funciones de IA con Nano Banana
- Integración de funciones de generación de texto.
- Implementación de flujos de trabajo para generación y edición de imágenes.
- Combinación de entradas multimodales en las aplicaciones.
Optimización de rendimiento y benchmarking
- Perfilado de latencia y tasa de transferencia (throughput).
- Técnicas de cuantización, poda (pruning) y compresión de modelos.
- Optimización del uso térmico, de batería y de recursos.
Seguridad y privacidad en la IA en dispositivos (on-device)
- Gestión local de datos y consideraciones de cumplimiento normativo.
- Protección del modelo y ejecución segura.
- Riesgos y estrategias de mitigación.
Patrones de despliegue avanzados
- Flujos de trabajo híbridos entre dispositivo y nube.
- Gestión de aplicaciones de IA con enfoque offline-first.
- Escala para grandes bases de usuarios.
Pruebas, depuración y mejora continua
- CI/CD para aplicaciones móviles habilitadas con IA.
- Pruebas unitarias, de integración y de rendimiento.
- Actualizaciones iterativas de modelos y compatibilidad hacia atrás.
Resumen y próximos pasos
Requerimientos
- Conocimiento del desarrollo de aplicaciones móviles.
- Experiencia con Python, Kotlin o Swift.
- Familiaridad con los conceptos de aprendizaje automático (machine learning).
Público objetivo
- Desarrolladores móviles.
- Ingenieros de IA.
- Profesionales técnicos que exploran el despliegue de IA en dispositivos (on-device).
Reseñas (1)
Flujo, vibra y tema en la presentación
Lukasz Kowalczyk - Allegro Sp. z o.o.
Curso - Google Gemini AI for Data Analysis
Traducción Automática
