Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Temario del curso
Introducción a Nano Banana
- Descripción general del marco de trabajo y sus capacidades
- Comprensión de la arquitectura y el pipeline de procesamiento
- Comparación de Nano Banana con otras soluciones de IA en el dispositivo
Configuración del entorno de desarrollo
- Preparación de Android Studio para cargas de trabajo de IA
- Integración del SDK de Nano Banana
- Configuración del proyecto y gestión de dependencias
Trabajo con las APIs de Nano Banana
- Exploración de los métodos principales de la API
- Carga y gestión de modelos ligeros
- Ejecución de tareas de inferencia en tiempo real
Optimización del rendimiento de IA en Android
- Estrategias para inferencia de baja latencia
- Técnicas de gestión de memoria y recursos
- Enfoques de benchmarking y herramientas de optimización
Diseño de experiencias de usuario impulsadas por IA
- Implementación de interacciones con la interfaz de usuario responsivas
- Manejo de tareas asíncronas y devoluciones de llamada
- Alineación del comportamiento de IA con las directrices de UX de Android
Seguridad y privacidad en la IA en el dispositivo
- Garantizar un manejo seguro de los datos del usuario
- Técnicas para inferencia que preserva la privacidad
- Consideraciones de cumplimiento para implementaciones empresariales
Implementación y mantenimiento de funciones de IA
- Empaquetado y publicación de aplicaciones con IA integrada
- Versionado y actualización de modelos locales
- Monitoreo y mejora del rendimiento posterior a la implementación
Casos de uso avanzados e integraciones
- Combinación de Nano Banana con herramientas de ML existentes para Android
- Implementación de funciones de IA multimodal
- Extensión de aplicaciones mediante modelos ligeros personalizados
Resumen y próximos pasos
Requerimientos
- Comprensión de los fundamentos de las aplicaciones Android
- Experiencia con Kotlin o Java
- Familiaridad básica con flujos de trabajo de depuración de aplicaciones móviles
Público objetivo
- Desarrolladores de Android que crean aplicaciones con IA mejorada
- Ingenieros de software que exploran flujos de trabajo de ML en el dispositivo
- Equipos técnicos que evalúan la implementación de IA ligera en Android
14 Horas
Reseñas (1)
Flujo, vibra y tema en la presentación
Lukasz Kowalczyk - Allegro Sp. z o.o.
Curso - Google Gemini AI for Data Analysis
Traducción Automática