Programa del Curso

Introducción a la IA de Bajo Consumo Energético

  • Visión general de la IA en sistemas embebidos
  • Desafíos del despliegue de IA en dispositivos de bajo consumo energético
  • Aplicaciones de IA eficientes en energía

Técnicas de Optimización de Modelos

  • Cuantificación y su impacto en el rendimiento
  • Afinamiento (pruning) y compartición de pesos
  • Destilación del conocimiento para la simplificación del modelo

Implementación de Modelos de IA en Hardware de Bajo Consumo Energético

  • Utilización de TensorFlow Lite y ONNX Runtime para AI en el borde (edge)
  • Optimización de modelos de IA con NVIDIA TensorRT
  • Aceleración del hardware con Coral TPU y Jetson Nano

Reducción del Consumo de Energía en Aplicaciones de IA

  • Perfilado de energía y métricas de eficiencia
  • Arquitecturas de cómputo de bajo consumo energético
  • Escalamiento dinámico del poder y técnicas de inferencia adaptativa

Estudios de Caso y Aplicaciones en el Mundo Real

  • Dispositivos IoT alimentados por batería impulsados por IA
  • IA de bajo consumo para la salud y dispositivos wearables
  • Aplicaciones de monitoreo urbano inteligente y ambiental

Mejores Prácticas y Tendencias Futuras

  • Optimización de AI en el borde para la sostenibilidad
  • Avances en hardware de IA eficiente energéticamente
  • Desarrollos futuros en investigaciones de IA de bajo consumo

Resumen y Próximos Pasos

Requerimientos

  • Comprensión de los modelos de aprendizaje profundo
  • Experiencia con sistemas embebidos o la implementación de IA
  • Conocimientos básicos de técnicas de optimización de modelos

Publlico objetivo

  • Ingenieros de IA
  • Desarrolladores embebidos
  • Ingenieros de hardware
 21 Horas

Número de participantes


Precio por Participante​

Próximos cursos

Categorías Relacionadas