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 Edge AI y TinyML
- Visión general de la IA en el borde
- Ventajas y desafíos de ejecutar IA en dispositivos
- Casos de uso en robótica y automatización
Fundamentos de TinyML
- Aprendizaje automático para sistemas con recursos limitados
- Cuantización, poda y compresión de modelos
- Frameworks y plataformas de hardware compatibles
Desarrollo y Conversión de Modelos
- Entrenamiento de modelos ligeros utilizando TensorFlow o PyTorch
- Conversión de modelos a TensorFlow Lite y PyTorch Mobile
- Prueba y validación de la precisión del modelo
Implementación de Inferencia en Dispositivo
- Despliegue de modelos de IA en tarjetas embebidas (Arduino, Raspberry Pi, Jetson Nano)
- Integración de inferencia con percepción y control robóticos
- Ejecución de predicciones en tiempo real y monitoreo del rendimiento
Optimización para Rendimiento en el Borde
- Reducción de latencia y consumo de energía
- Aceleración de hardware usando NPUs y GPUs
- Evaluación y perfilado de inferencia embebida
Marcos de Edge AI y Herramientas
- Trabajo con TensorFlow Lite y Edge Impulse
- Exploración de opciones de implementación de PyTorch Mobile
- Depuración y ajuste de flujos de trabajo de ML embebido
Integración Práctica y Estudios de Caso
- Diseño de sistemas de percepción Edge AI para robots
- Integración de TinyML con arquitecturas robóticas basadas en ROS
- Estudios de caso: navegación autónoma, detección de objetos, mantenimiento predictivo
Resumen y Próximos Pasos
Requerimientos
- Comprensión de sistemas embebidos
- Experiencia con programación en Python o C++
- Familiaridad con conceptos básicos de aprendizaje automático
Público Objetivo
- Desarrolladores de sistemas embebidos
- Ingenieros de robótica
- Integradores de sistemas que trabajan en dispositivos inteligentes
21 Horas
Reseñas (2)
Suministro de los materiales (máquina virtual) para comenzar directamente con los ejercicios y explicación del núcleo de ROS2. Por qué las cosas funcionan de cierta manera.
Arjan Bakema
Curso - Autonomous Navigation & SLAM with ROS 2
Traducción Automática
su conocimiento y utilización de la IA para la robótica en el futuro.
Ryle - PHILIPPINE MILITARY ACADEMY
Curso - Artificial Intelligence (AI) for Robotics
Traducción Automática