Ponte en Contacto

Temario del curso

Introducción a la Edge AI

  • Definición y conceptos clave
  • Diferencias entre Edge AI e IA en la nube
  • Beneficios y casos de uso de la Edge AI
  • Resumen de dispositivos y plataformas de borde

Configuración del entorno de borde

  • Introducción a los dispositivos de borde (Raspberry Pi, NVIDIA Jetson, etc.)
  • Instalación de software y librerías necesarias
  • Configuración del entorno de desarrollo
  • Preparación del hardware para el despliegue de IA

Desarrollo de modelos de IA para el borde

  • Resumen de modelos de machine learning y deep learning para dispositivos de borde
  • Técnicas para entrenar modelos en entornos locales y en la nube
  • Optimización de modelos para el despliegue en el borde (cuantización, poda, etc.)
  • Herramientas y marcos de trabajo para el desarrollo de Edge AI (TensorFlow Lite, OpenVINO, etc.)

Despliegue de modelos de IA en dispositivos de borde

  • Pasos para desplegar modelos de IA en diversos hardware de borde
  • Procesamiento de datos e inferencia en tiempo real en dispositivos de borde
  • Monitoreo y gestión de modelos desplegados
  • Ejemplos prácticos y estudios de caso

Soluciones prácticas de IA y proyectos

  • Desarrollo de aplicaciones de IA para dispositivos de borde (p. ej., visión por computadora, procesamiento de lenguaje natural)
  • Proyecto hands-on: Construcción de un sistema de cámara inteligente
  • Proyecto hands-on: Implementación de reconocimiento de voz en dispositivos de borde
  • Proyectos grupales colaborativos y escenarios del mundo real

Evaluación y optimización del rendimiento

  • Técnicas para evaluar el rendimiento de modelos en dispositivos de borde
  • Herramientas para monitorear y depurar aplicaciones de Edge AI
  • Estrategias para optimizar el rendimiento de los modelos de IA
  • Abordamiento de desafíos de latencia y consumo de energía

Integración con sistemas IoT

  • Conexión de soluciones de Edge AI con dispositivos y sensores IoT
  • Protocolos de comunicación y métodos de intercambio de datos
  • Construcción de una solución integral de Edge AI y IoT
  • Ejemplos prácticos de integración

Consideraciones éticas y de seguridad

  • Asegurar la privacidad y seguridad de los datos en aplicaciones de Edge AI
  • Abordamiento del sesgo y la equidad en modelos de IA
  • Cumplimiento con regulaciones y estándares
  • Mejores prácticas para un despliegue responsable de IA

Proyectos y ejercicios hands-on

  • Desarrollo de una aplicación integral de Edge AI
  • Proyectos y escenarios del mundo real
  • Ejercicios grupales colaborativos
  • Presentaciones de proyectos y retroalimentación

Requerimientos

  • Comprensión de los conceptos de IA y aprendizaje automático (machine learning).
  • Experiencia con lenguajes de programación (se recomienda Python).
  • Familiaridad con los conceptos de computación en el borde.

Público objetivo

  • Desarrolladores
  • Científicos de datos
  • Entusiastas de la tecnología
 14 Horas

Número de participantes


Precio por participante

Reseñas (3)

Próximos cursos

Categorías Relacionadas