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 Nano Banana
- Descripción general del framework y sus capacidades.
- Comprensión de la arquitectura y la pipeline de procesamiento.
- Comparación de Nano Banana con otras soluciones de IA en el dispositivo.
Configuración del entorno de desarrollo
- Preparación de Android Studio para cargas de trabajo de IA.
- Integración del SDK de Nano Banana.
- Configuración del proyecto y gestión de dependencias.
Trabajo con las APIs de Nano Banana
- Exploración de los métodos principales de la API.
- Carga y gestión de modelos ligeros.
- Ejecución de tareas de inferencia en tiempo real.
Optimización del rendimiento de la IA en Android
- Estrategias para inferencia de baja latencia.
- Técnicas de gestión de memoria y recursos.
- Enfoques de benchmarking y herramientas de optimización.
Diseño de experiencias de usuario basadas en IA
- Implementación de interacciones de interfaz de usuario responsivas.
- Manejo de tareas asíncronas y callbacks.
- Alineación de los comportamientos de IA con las directrices de UX de Android.
Seguridad y privacidad en la IA en el dispositivo
- Garantizar un manejo seguro de los datos del usuario.
- Técnicas para inferencia que preserva la privacidad.
- Consideraciones de cumplimiento para implementaciones empresariales.
Despliegue y mantenimiento de funciones de IA
- Empaquetado y publicación de aplicaciones con IA integrada.
- Versionado y actualización de modelos locales.
- Monitoreo y mejora del rendimiento posterior al despliegue.
Casos de uso avanzados e integraciones
- Combinación de Nano Banana con herramientas existentes de ML para Android.
- Implementación de funciones de IA multimodal.
- Expansión de aplicaciones mediante modelos ligeros personalizados.
Resumen y próximos pasos
Requerimientos
- Comprender los fundamentos de las aplicaciones de Android.
- Experiencia con Kotlin o Java.
- Familiaridad básica con los flujos de trabajo de depuración de aplicaciones móviles.
Audiencia objetivo
- Desarrolladores de Android que crean aplicaciones potenciadas por IA.
- Ingenieros de software que exploran flujos de trabajo de ML en el dispositivo.
- Equipos técnicos que evalúan la implementación de IA ligera en Android.
14 Horas
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