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 la IA en Dispositivo
- Fundamentos del aprendizaje automático en el dispositivo.
- Ventajas y desafíos de los modelos de lenguaje pequeños.
- Descripción general de las limitaciones del hardware en dispositivos móviles e IoT.
Optimización de Modelos para el Despliegue en Dispositivo
- Cuantización y poda de modelos.
- Destilación de conocimiento para crear modelos más pequeños y eficientes.
- Selección y adaptación de modelos para el rendimiento en el dispositivo.
Herramientas y Frameworks de IA Específicos por Plataforma
- Introducción a TensorFlow Lite y PyTorch Mobile.
- Utilización de bibliotecas específicas de la plataforma para IA en el dispositivo.
- Estrategias de despliegue multiplataforma.
Inferencia en Tiempo Real y Computación en el Borde (Edge Computing)
- Técnicas para una inferación rápida y eficiente en dispositivos.
- Aprovechamiento de la computación en el borde para la IA en dispositivo.
- Estudios de casos de aplicaciones de IA en tiempo real.
Gestión de Energía y Consideraciones sobre la Batería
- Optimización de aplicaciones de IA para la eficiencia energética.
- Equilibrio entre rendimiento y consumo de energía.
- Estrategias para extender la vida útil de la batería en dispositivos con IA.
Seguridad y Privacidad en la IA en Dispositivo
- Garantía de la seguridad de los datos y la privacidad del usuario.
- Procesamiento de datos en el dispositivo para preservar la privacidad.
- Actualización y mantenimiento seguros de los modelos.
Experiencia de Usuario y Diseño de Interacción
- Diseño de interacciones intuitivas con la IA para los usuarios del dispositivo.
- Integración de modelos de lenguaje con interfaces de usuario.
- Pruebas con usuarios y retroalimentación para la IA en dispositivo.
Escalabilidad y Mantenimiento
- Gestión y actualización de modelos en los dispositivos desplegados.
- Estrategias para soluciones de IA en dispositivo escalables.
- Monitoreo y análisis de sistemas de IA desplegados.
Proyecto y Evaluación
- Desarrollo de un prototipo en un dominio elegido y preparación para el despliegue en un dispositivo seleccionado.
- Presentación de la solución de IA en dispositivo.
- Evaluación basada en eficiencia, innovación y practicidad.
Resumen y Próximos Pasos
Requerimientos
- Sólida base en conceptos de aprendizaje automático (machine learning) y aprendizaje profundo (deep learning).
- Dominio de la programación en Python.
- Conocimientos básicos sobre las limitaciones del hardware para el despliegue de IA.
Audiencia objetivo
- Ingenieros de machine learning y desarrolladores de IA.
- Ingenieros de sistemas embebidos interesados en aplicaciones de IA.
- Gerentes de producto y líderes técnicos que supervisan proyectos de IA.
21 Horas