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 Edge y Nano Banana
- Características clave de las cargas de trabajo de IA en Edge
- Arquitectura y capacidades de Nano Banana
- Comparación entre estrategias de despliegue en Edge y en la nube
Preparación de modelos para el despliegue en Edge
- Selección de modelos y evaluación de la línea base
- Consideraciones sobre dependencias y compatibilidad
- Exportación de modelos para su optimización posterior
Técnicas de compresión de modelos
- Estrategias de poda y dispersión estructural
- Compartir pesos y reducción de parámetros
- Evaluación del impacto de la compresión
Cuantización para el rendimiento en Edge
- Métodos de cuantización posterior al entrenamiento
- Flujos de trabajo de entrenamiento consciente de la cuantización
- Enfoques de precisión mixta: INT8, FP16
Aceleración con Nano Banana
- Uso de aceleradores de Nano Banana
- Integración de ONNX y backends de hardware
- Benchmarking de la inferencia acelerada
Despliegue en dispositivos Edge
- Integración de modelos en aplicaciones embebidas o móviles
- Configuración y monitoreo del tiempo de ejecución
- Solución de problemas en el despliegue
Perfilado de rendimiento y análisis de compensaciones
- Restricciones de latencia, rendimiento (throughput) y térmicas
- Compensaciones entre precisión y rendimiento
- Estrategias de optimización iterativa
Mejores prácticas para el mantenimiento de sistemas de IA en Edge
- Gestión de versiones y actualizaciones continuas
- Reversión de modelos y gestión de compatibilidad
- Consideraciones de seguridad e integridad
Resumen y próximos pasos
Requerimientos
- Comprensión de los flujos de trabajo del aprendizaje automático (machine learning)
- Experiencia en el desarrollo de modelos basados en Python
- Conocimiento de arquitecturas de redes neuronales
Audiencia objetivo
- Ingenieros de ML
- Científicos de datos
- Practicantes de MLOps
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
