Contacta con nosotros

Temario del curso

Introducción a Edge AI en Sistemas Autónomos

  • Visión general de Edge AI y su relevancia en sistemas autónomos
  • Beneficios clave y desafíos de implementar Edge AI en sistemas autónomos
  • Tendencias e innovaciones actuales en Edge AI para 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

Edge AI en Vehículos Autónomos

  • Modelos de IA para percepción y control vehicular
  • Desarrollo e implementación de soluciones de IA para navegación en tiempo real
  • Integración de Edge AI con sistemas de control del vehículo
  • Estudios de caso de Edge AI en vehículos autónomos

Edge AI en Drones

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

Edge AI en Robótica

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

Desarrollo de Modelos de IA para Aplicaciones Autónomas

  • Visión general de modelos relevantes de aprendizaje automático y aprendizaje profundo
  • Entrenamiento y optimización de modelos para implementación en edge
  • Herramientas y marcos de trabajo para Edge AI autónomo (TensorFlow Lite, ROS, etc.)
  • Validación y evaluación de modelos en entornos autónomos

Implementación de Soluciones de Edge AI en Sistemas Autónomos

  • Pasos para implementar modelos de IA en diversos hardware perimetral (edge)
  • Procesamiento de datos en tiempo real e inferencia en dispositivos perimetrales
  • Monitoreo y gestión de modelos de IA implementados
  • Ejemplos prácticos de implementación y estudios de caso

Consideraciones Éticas y Regulatorias

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

Evaluación y Optimización del Rendimiento

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

Casos de Uso e Innovación Aplicada

  • Aplicaciones avanzadas de Edge AI en sistemas autónomos
  • Estudios de caso detallados en diversos dominios autónomos
  • Historias de éxito y lecciones aprendidas
  • Tendencias futuras y oportunidades en Edge AI para autonomía

Proyectos Prácticos y Ejercicios

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

Resumen y Próximos Pasos

Requerimientos

  • Comprensión de conceptos de IA y aprendizaje automático
  • Experiencia con lenguajes de programación (se recomienda Python)
  • Familiaridad con 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