Contacta con nosotros

Temario del curso

Introducción a la IA en el Dispositivo

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

Optimización de Modelos para Despliegue 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 Trabajo de IA Específicos de la Plataforma

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

Inferencia en Tiempo Real y Computación en el Borde

  • Técnicas para una inferición rápida y eficiente en dispositivos
  • Aprovechamiento de la computación en el borde para IA en el dispositivo
  • Estudios de casos de aplicaciones de IA en tiempo real

Gestión de Energía y Consideraciones sobre la Batería

  • Optimización de aplicaciones de IA para eficiencia energética
  • Equilibrar el rendimiento y el consumo de energía
  • Estrategias para extender la vida útil de la batería en dispositivos con 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 seguras y mantenimiento de modelos

Experiencia del Usuario y Diseño de Interacción

  • Diseñar interacciones de IA intuitivas para los usuarios del dispositivo
  • Integrar modelos de lenguaje con interfaces de usuario
  • Pruebas con usuarios y retroalimentación para la IA en el dispositivo

Escalabilidad y Mantenimiento

  • Gestión y actualización de modelos en dispositivos desplegados
  • Estrategias para soluciones de IA en el dispositivo escalables
  • Monitoreo y analíticas para sistemas de IA desplegados

Proyecto y Evaluación

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

Resumen y Próximos Pasos

Requerimientos

  • Sólidos conocimientos en conceptos de aprendizaje automático (machine learning) y aprendizaje profundo (deep learning)
  • Dominio del lenguaje de programación Python
  • Conocimientos básicos sobre las limitaciones de hardware para el despliegue de IA

Público objetivo

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

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas