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.
Temario del curso
Introducción a la IA en el borde en entornos industriales
- Por qué la computación en el borde es relevante en la manufactura.
- Comparación con la IA basada en la nube.
- Casos de uso en visión, mantenimiento predictivo y control.
Plataformas de hardware y restricciones a nivel de dispositivo
- Resumen del hardware común de borde (Raspberry Pi, NVIDIA Jetson, Intel NUC).
- Consideraciones de procesamiento, memoria y energía.
- Selección de la plataforma adecuada según el tipo de aplicación.
Desarrollo y optimización de modelos para el borde
- Técnicas de compresión, poda y cuantización de modelos.
- Uso de TensorFlow Lite y ONNX para el despliegue embebido.
- Equilibrio entre precisión y velocidad en entornos restringidos.
Visión por computadora y fusión de sensores en el borde
- Inspección y monitoreo visual basados en el borde.
- Integración de datos de múltiples sensores (vibración, temperatura, cámaras).
- Detección de anomalías en tiempo real con Edge Impulse.
Comunicación e intercambio de datos
- Uso de MQTT para mensajería industrial.
- Integración con sistemas SCADA, OPC-UA y PLC.
- Seguridad y resiliencia en las comunicaciones de borde.
Despliegue y pruebas de campo
- Empaquetado y despliegue de modelos en dispositivos de borde.
- Monitoreo del rendimiento y gestión de actualizaciones.
- Estudio de caso: ciclo de decisión en tiempo real con actuación local.
Escalabilidad y mantenimiento de sistemas de IA en el borde
- Estrategias de gestión de dispositivos de borde.
- Actualizaciones remotas y ciclos de reacondicionamiento de modelos.
- Consideraciones del ciclo de vida para despliegues de grado industrial.
Resumen y próximos pasos
Requerimientos
- Comprensión de sistemas embebidos o arquitecturas de IoT.
- Experiencia en programación con Python o C/C++.
- Familiaridad con el desarrollo de modelos de aprendizaje automático (Machine Learning).
Audiencia objetivo
- Desarrolladores de sistemas embebidos.
- Equipos de IoT industrial.
21 Horas
Reseñas (1)
Podemos cubrir temas avanzados y trabajar con ejemplos de la vida real
Ruben Khachaturyan - iris-GmbH infrared & intelligent sensors
Curso - Advanced Edge AI Techniques
Traducción Automática
