Programa del Curso

Introducción a la IA en Dispositivos

  • Fundamentos de aprendizaje automático en dispositivos
  • Ventajas y desafíos de los modelos de lenguaje pequeños
  • Visión general de las restricciones de hardware en dispositivos móviles e IoT

Optimización del Modelo para la Implementación en Dispositivos

  • Cuantificación y poda del modelo
  • Destilación de conocimiento para modelos más pequeños y eficientes
  • Selección y adaptación de modelos para el rendimiento en dispositivos

Herramientas y Frameworks Específicos por Plataforma para la IA

  • Introducción a TensorFlow Lite y PyTorch Mobile
  • Uso de bibliotecas específicas por plataforma para la IA en dispositivos
  • Estrategias para despliegue multiplataforma

Inferencia en Tiempo Real y Computación Edge

  • Técnicas para inferencias rápidas y eficientes en dispositivos
  • Aprovechamiento de la computación edge para la IA en dispositivos
  • Estudios de casos de aplicaciones de IA en tiempo real

Gestión de Energía y Consideraciones sobre Vida Útil de Baterías

  • Optimización de las aplicaciones de IA para eficiencia energética
  • Equilibrio entre el rendimiento y el consumo de energía
  • Estrategias para extender la vida útil de baterías en dispositivos con AI

Seguridad y Privacidad en la IA de Dispositivos

  • Asegurando la seguridad de datos y privacidad del usuario
  • Procesamiento de datos en dispositivos para preservar la privacidad
  • Actualizaciones seguras y mantenimiento de modelos

Experiencia del Usuario e Interacción de Diseño

  • Diseñando interacciones intuitivas con AI para usuarios de dispositivos
  • Integración de modelos de lenguaje con interfaces de usuario
  • Pruebas y retroalimentación del usuario para la IA en dispositivos

Escalabilidad y Mantenimiento

  • Manejo y actualización de modelos en dispositivos desplegados
  • Estrategias para soluciones de AI escalables en dispositivos
  • Monitoreo y análisis de sistemas de AI desplegados

Proyecto y Evaluación

  • Desarrollando un prototipo en un dominio elegido y preparándolo para el despliegue en un dispositivo seleccionado
  • Presentación de la solución de IA en dispositivos
  • Evaluación basada en eficiencia, innovación y practicidad

Resumen y Próximos Pasos

Requerimientos

  • Fuerte base en conceptos de aprendizaje automático y aprendizaje profundo
  • Habilidad en programación Python
  • Conocimiento básico de las restricciones de hardware para la implementación de IA

Publico Objetivo

  • Ingenieros de aprendizaje automático y desarrolladores de IA
  • Ingenieros de sistemas embebidos interesados en aplicaciones de IA
  • Gerentes de productos y líderes técnicos que supervisan proyectos de IA
 21 Horas

Número de participantes


Precio por Participante​

Próximos cursos

Categorías Relacionadas