Contacta con nosotros

Temario del curso

Introducción a Edge AI

  • Definición y conceptos clave.
  • Diferencias entre Edge AI y Cloud AI.
  • Beneficios y desafíos de Edge AI.
  • Panorama general de las aplicaciones de Edge AI.

Arquitectura de Edge AI

  • Componentes de los sistemas de Edge AI.
  • Requisitos de hardware y software.
  • Flujo de datos en aplicaciones de Edge AI.
  • Integración con sistemas existentes.

Configuración del entorno de Edge AI

  • Introducción a las plataformas de Edge AI (Raspberry Pi, NVIDIA Jetson, etc.).
  • Instalación del software y las bibliotecas necesarias.
  • Configuración del entorno de desarrollo.
  • Inicialización de la configuración de Edge AI.

Desarrollo de modelos de Edge AI

  • Panorama general de los modelos de aprendizaje automático y aprendizaje profundo para dispositivos periféricos.
  • Entrenamiento de modelos específicamente para su despliegue en entornos edge.
  • Técnicas para optimizar modelos para dispositivos periféricos.
  • Herramientas y marcos de trabajo para el desarrollo de Edge AI (TensorFlow Lite, OpenVINO, etc.).

Gestión y preprocesamiento de datos para Edge AI

  • Técnicas de recopilación de datos para entornos edge.
  • Preprocesamiento y aumento de datos para dispositivos periféricos.
  • Gestión de pipelines de datos en dispositivos edge.
  • Garantizar la privacidad y seguridad de los datos en entornos edge.

Despliegue de aplicaciones de Edge AI

  • Pasos para desplegar modelos en diversos dispositivos periféricos.
  • Técnicas para monitorear y gestionar los modelos desplegados.
  • Procesamiento de datos en tiempo real e inferencia en dispositivos edge.
  • Estudios de casos y ejemplos prácticos de despliegue.

Integración de Edge AI con sistemas IoT

  • Conexión de soluciones de Edge AI con dispositivos y sensores IoT.
  • Protocolos de comunicación y métodos de intercambio de datos.
  • Construcción de una solución completa de Edge AI e IoT.
  • Ejemplos prácticos y casos de uso.

Casos de uso y aplicaciones

  • Aplicaciones específicas por industria en Edge AI.
  • Estudios de casos detallados en el sector salud, automotriz e hogares inteligentes.
  • Historias de éxito y lecciones aprendidas.
  • Tendencias futuras y oportunidades en Edge AI.

Consideraciones éticas y mejores prácticas

  • Garantizar la privacidad y seguridad en los despliegues de Edge AI.
  • Abordar el sesgo y la equidad en los modelos de Edge AI.
  • Cumplimiento con normativas y estándares.
  • Mejores prácticas para un despliegue responsable de IA.

Proyectos prácticos y ejercicios

  • Desarrollo de una aplicación compleja de Edge AI.
  • Proyectos y escenarios del mundo real.
  • Ejercicios colaborativos en grupo.
  • Presentación de proyectos y retroalimentación.

Resumen y próximos pasos

Requerimientos

  • Comprensión de conceptos básicos de inteligencia artificial y aprendizaje automático.
  • Experiencia con lenguajes de programación (se recomienda Python).
  • Familiaridad con los conceptos de computación periférica (edge computing) e IoT.

Audiencia objetivo

  • Desarrolladores.
  • Profesionales de TI.
 14 Horas

Número de participantes


Precio por participante

Reseñas (1)

Próximos cursos

Categorías Relacionadas