Contacta con nosotros

Temario del curso

Introducción a la IA en el Borde para Sistemas Autónomos

  • Visión general de la IA en el borde y su importancia en sistemas autónomos
  • Beneficios clave y desafíos de implementar IA en el borde en sistemas autónomos
  • Tendencias actuales e innovaciones en IA en el borde para la autonomía
  • Aplicaciones del mundo real y estudios de caso

Procesamiento en Tiempo Real en Sistemas Autónomos

  • Fundamentos del procesamiento de datos en tiempo real
  • Modelos de IA para la toma de decisiones en tiempo real
  • Manejo de flujos de datos y fusión de sensores
  • Ejemplos prácticos y estudios de caso

IA en el Borde en Vehículos Autónomos

  • Modelos de IA para la percepción y control del vehículo
  • Desarrollo e implementación de soluciones de IA para la navegación en tiempo real
  • Integración de la IA en el borde con los sistemas de control del vehículo
  • Estudios de caso de IA en el borde en vehículos autónomos

IA en el Borde en Drones

  • Modelos de IA para la percepción y control de vuelo de drones
  • Procesamiento de datos en tiempo real y toma de decisiones en drones
  • Implementación de IA en el borde para vuelo autónomo y evasión de obstáculos
  • Ejemplos prácticos y estudios de caso

IA en el Borde en Robótica

  • Modelos de IA para la percepción y manipulación robótica
  • Procesamiento y control en tiempo real en sistemas robóticos
  • Integración de la IA en el borde con arquitecturas de control robótico
  • Estudios de caso de IA en el borde en robótica

Desarrollo de Modelos de IA para Aplicaciones Autónomas

  • Visión general de modelos relevantes de aprendizaje automático (machine learning) y aprendizaje profundo (deep learning)
  • Entrenamiento y optimización de modelos para su despliegue en dispositivos periféricos
  • Herramientas y marcos de trabajo para IA en el borde autónoma (TensorFlow Lite, ROS, etc.)
  • Validación y evaluación de modelos en entornos autónomos

Implementación de Soluciones de IA en el Borde en Sistemas Autónomos

  • Pasos para desplegar modelos de IA en diversos hardware periféricos
  • Procesamiento de datos y deducción (inference) en tiempo real en dispositivos periféricos
  • Monitoreo y gestión de modelos de IA desplegados
  • Ejemplos prácticos de implementación y estudios de caso

Consideraciones Éticas y Regulatorias

  • Garantizar la seguridad y confiabilidad en sistemas de IA autónomos
  • Abordar el sesgo y la equidad en los modelos de IA autónomos
  • Cumplimiento con regulaciones y estándares en sistemas autónomos
  • Mejores prácticas para la implementación responsable de IA en sistemas autónomos

Evaluación del Rendimiento y Optimización

  • Técnicas para evaluar el rendimiento de modelos en sistemas autónomos
  • Herramientas para el monitoreo en tiempo real y depuración
  • Estrategias para optimizar el rendimiento de los modelos de IA en aplicaciones autónomas
  • Abordar desafíos de latencia, confiabilidad y escalabilidad

Casos de Uso e Innovación Aplicados

  • Aplicaciones avanzadas de la IA en el borde en sistemas autónomos
  • Análisis detallado de casos en diversos ámbitos autónomos
  • Historias de éxito y lecciones aprendidas
  • Tendencias futuras y oportunidades en IA en el borde para la autonomía

Proyectos Prácticos y Ejercicios

  • Desarrollo de una aplicación integral de IA en el borde para un sistema autónomo
  • Proyectos y escenarios del mundo real
  • Ejercicios colaborativos en grupo
  • Presentaciones de proyectos y retroalimentación

Resumen y Próximos Pasos

Requerimientos

  • Comprensión de los conceptos de IA y aprendizaje automático (machine learning)
  • Experiencia con lenguajes de programación (se recomienda Python)
  • Conocimiento de robótica, sistemas autónomos o tecnologías relacionadas

Audiencia Objetivo

  • Ingenieros de robótica
  • Desarrolladores de vehículos autónomos
  • Investigadores de IA
 14 Horas

Número de participantes


Precio por participante

Reseñas (1)

Próximos cursos

Categorías Relacionadas