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 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
Reseñas (2)
Fomentar la repetición en la construcción de indicaciones (prompts) entre quienes nunca han utilizado la IA, y animar a los usuarios experimentados a considerar métodos alternativos para su uso.
Matthew Gay - Tarsus Pharmaceuticals
Curso - Artificial Intelligence (AI) Overview
Traducción Automática
Trabajando desde principios fundamentales de manera enfocada y pasando a aplicar estudios de caso en el mismo día
Maggie Webb - Department of Jobs, Regions, and Precincts
Curso - Artificial Neural Networks, Machine Learning, Deep Thinking
Traducción Automática