Programa del Curso

Introducción a la IA en el dispositivo

  • Aspectos básicos del aprendizaje automático en el dispositivo
  • Ventajas y desafíos de los modelos de lenguaje pequeños
  • Descripción general de las restricciones de hardware en dispositivos móviles e IoT

Optimización de modelos para la implementación en el dispositivo

  • Cuantización y poda de modelos
  • Destilación de conocimiento para modelos más pequeños y eficientes
  • Selección y adaptación de modelos para el rendimiento en el dispositivo

Herramientas y marcos de IA específicos de la plataforma

  • Introducción a TensorFlow Lite y PyTorch Mobile
  • Uso de bibliotecas específicas de la plataforma para la IA en el dispositivo
  • Estrategias de implementación multiplataforma

Inferencia en tiempo real y Edge Computing

  • Técnicas para una inferencia rápida y eficiente en dispositivos
  • Aprovechamiento de la computación perimetral para la IA en el dispositivo
  • Casos prácticos de aplicaciones de IA en tiempo real

Consideraciones sobre la alimentación Management y la duración de la batería

  • Optimización de las aplicaciones de IA para la eficiencia energética
  • Equilibrio entre el rendimiento y el consumo de energía
  • Estrategias para prolongar la duración de la batería en dispositivos impulsados por IA

Seguridad y privacidad en la IA en el dispositivo

  • Garantizar la seguridad de los datos y la privacidad del usuario
  • Procesamiento de datos en el dispositivo para preservar la privacidad
  • Actualizaciones y mantenimiento seguros de modelos

Diseño de Experiencia de Usuario e Interacción

  • Diseño de interacciones intuitivas de IA para usuarios de dispositivos
  • Integración de modelos de lenguaje con interfaces de usuario
  • Pruebas y comentarios de los usuarios para la IA en el dispositivo

ScalaBilidad y mantenimiento

  • Administración y actualización de modelos en dispositivos implementados
  • Estrategias para soluciones escalables de IA en el dispositivo
  • Supervisión y análisis de los sistemas de IA implementados

Proyecto y Evaluación

  • Desarrollo de un prototipo en un dominio elegido y preparación para la implementación en un dispositivo seleccionado
  • Presentación de la solución de IA en el dispositivo
  • Evaluación basada en la eficiencia, la innovación y la practicidad

Resumen y próximos pasos

Requerimientos

  • Bases sólidas en conceptos de aprendizaje automático y aprendizaje profundo
  • Competencia en Python programación
  • Conocimientos básicos de las restricciones de hardware para la implementación de IA

Audiencia

  • Ingenieros de aprendizaje automático y desarrolladores de IA
  • Ingenieros de sistemas embebidos interesados en aplicaciones de IA
  • Gerentes de producto y líderes técnicos que supervisan proyectos de IA
 21 horas

Número de participantes


Precio por participante

Próximos cursos