Contacta con nosotros

Temario del curso

Introducción a la IA en el borde para sistemas autónomos

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

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

IA en el borde para vehículos autónomos

  • Modelos de IA para la percepción y el control del vehículo
  • Desarrollo e implementación de soluciones de IA para la navegación en tiempo real
  • Integración de la IA en el borde con los sistemas de control del vehículo
  • Estudios de caso sobre la IA en el borde en vehículos autónomos

IA en el borde para drones

  • Modelos de IA para la percepción y el control de vuelo del dron
  • Procesamiento de datos en tiempo real y toma de decisiones en drones
  • Implementación de IA en el borde para vuelo autónomo y evasión de obstáculos
  • Ejemplos prácticos y estudios de caso

IA en el borde para robótica

  • Modelos de IA para la percepción y manipulación robotizadas
  • Procesamiento en tiempo real y control en sistemas robóticos
  • Integración de la IA en el borde con arquitecturas de control robótico
  • Estudios de caso sobre la IA en el borde en robótica

Desarrollo de modelos de IA para aplicaciones autónomas

  • Visión general de modelos relevantes de aprendizaje automático y aprendizaje profundo (deep learning)
  • Entrenamiento y optimización de modelos para su implementación en dispositivos periféricos
  • Herramientas y marcos de trabajo para IA en el borde autónomo (TensorFlow Lite, ROS, etc.)
  • Validación y evaluación de modelos en entornos autónomos

Implementación de soluciones de IA en el borde para sistemas autónomos

  • Pasos para implementar modelos de IA en diversos hardware periféricos
  • Procesamiento de datos en tiempo real e inferencia en dispositivos periféricos
  • Monitoreo y gestión de modelos de IA implementados
  • Ejemplos prácticos de implementación y estudios de caso

Consideraciones éticas y regulatorias

  • Garantizar la seguridad y confiabilidad en sistemas autónomos de IA
  • Abordar el sesgo y la equidad en los modelos de IA autónomos
  • Cumplimiento con regulaciones y estándares en sistemas autónomos
  • Mejores prácticas para la implementación responsable de IA en sistemas autónomos

Evaluación del rendimiento y optimización

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

Casos de uso e innovación

  • Aplicaciones avanzadas de la IA en el borde para sistemas autónomos
  • Estudios de caso detallados en diversos dominios autónomos
  • Historias de éxito y lecciones aprendidas
  • Tendencias futuras y oportunidades en IA en el borde para la autonomía

Proyectos prácticos y ejercicios

  • Desarrollo de una aplicación integral de IA en el borde para un sistema autónomo
  • Proyectos y escenarios del mundo real
  • Ejercicios colaborativos en grupo
  • Presentaciones de proyectos y retroalimentación

Resumen y próximos pasos

Requerimientos

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

Público objetivo

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

Número de participantes


Precio por participante

Reseñas (1)

Próximos cursos

Categorías Relacionadas