Programa del Curso

Introducción al AI en la Nube (Edge AI) en Sistemas Autónomos

  • Visión general del AI en la Nube y su importancia en sistemas autónomos
  • Beneficios clave y desafíos de implementar el AI en la Nube en sistemas autónomos
  • Tendencias actuales e innovaciones en AI en la Nube para la autonomía
  • Aplicaciones y estudios de caso del mundo real

Procesamiento en Tiempo Real en Sistemas Autónomos

  • Fundamentos del procesamiento de datos en tiempo real
  • Modelos de IA para la toma de decisiones en tiempo real
  • Manejo de flujos de datos y fusión de sensores
  • Ejemplos prácticos y estudios de caso

AI en la Nube en Vehículos Autónomos

  • Modelos de IA para percepción y control vehicular
  • Desarrollo e implementación de soluciones de IA para navegación en tiempo real
  • Integración de AI en la Nube con sistemas de control de vehículos
  • Estudios de caso de AI en la Nube en vehículos autónomos

AI en la Nube en Drones

  • Modelos de IA para percepción y control de vuelo en drones
  • Procesamiento de datos en tiempo real y toma de decisiones en drones
  • Implementación de AI en la Nube para el vuelo autónomo y evitación de obstáculos
  • Ejemplos prácticos y estudios de caso

AI en la Nube en Robótica

  • Modelos de IA para percepción y manipulación robótica
  • Procesamiento en tiempo real y control en sistemas robóticos
  • Integración de AI en la Nube con arquitecturas de control robótico
  • Estudios de caso de AI en la Nube en robótica

Desarrollo de Modelos de IA para Aplicaciones Autónomas

  • Visión general de modelos de aprendizaje automático y aprendizaje profundo relevantes
  • Entrenamiento y optimización de modelos para despliegue en la Nube
  • Herramientas y marcos para IA en la Nube autónoma (TensorFlow Lite, ROS, etc.)
  • Validación y evaluación de modelos en entornos autónomos

Despliegue de Soluciones de AI en la Nube en Sistemas Autónomos

  • Pasos para desplegar modelos de IA en hardware de la Nube diverso
  • Procesamiento de datos en tiempo real e inferencia en dispositivos de la Nube
  • Monitoreo y gestión de modelos de IA implementados
  • Ejemplos prácticos de despliegue y estudios de caso

Consideraciones Éticas y Regulatorias

  • Garantizar la seguridad y fiabilidad en sistemas autónomos AI
  • Abordar el sesgo y la equidad en modelos de IA autónoma
  • Cumplimiento con regulaciones y estándares en sistemas autónomos
  • Mejores prácticas para un despliegue responsable de AI en sistemas autónomos

Evaluación y Optimización del Desempeño

  • Técnicas para evaluar el rendimiento del modelo en sistemas autónomos
  • Herramientas para monitoreo y depuración en tiempo real
  • Estrategias para optimizar el rendimiento de modelos de IA en aplicaciones autónomas
  • Abordar desafíos de latencia, fiabilidad y escalabilidad

Casos de Uso Innovadores e Aplicaciones

  • Aplicaciones avanzadas de AI en la Nube en sistemas autónomos
  • Estudios de caso detallados en diversos dominios autónomos
  • Éxitos y lecciones aprendidas
  • Tendencias futuras y oportunidades en AI en la Nube para la autonomía

Proyectos Prácticos y Ejercicios

  • Desarrollo de una aplicación integral de AI en la Nube para un sistema autónomo
  • Proyectos y escenarios del mundo real
  • Ejercicios grupales colaborativos
  • Presentaciones y retroalimentación de proyectos

Resumen y Pasos Siguientes

Requerimientos

  • Comprensión de los conceptos de IA y aprendizaje automático
  • Experiencia con lenguajes de programación (se recomienda Python)
  • Familiaridad con robótica, sistemas autónomos o tecnologías relacionadas

Espectadores

  • Ingenieros de robótica
  • Desarrolladores de vehículos autónomos
  • Investigadores en IA
 14 Horas

Número de participantes


Precio por Participante​

Próximos cursos

Categorías Relacionadas