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.
Duración 14 horas
Temario del curso
Introducción a la IA en edge y Nano Banana
- Características clave de las cargas de trabajo de IA en edge
- Arquitectura y capacidades de Nano Banana
- Comparación de estrategias de despliegue en edge frente a la nube
Preparación de modelos para el despliegue en edge
- Selección de modelos y evaluación de línea base
- Consideraciones sobre dependencias y compatibilidad
- Exportación de modelos para una optimización adicional
Técnicas de compresión de modelos
- Estrategias de poda y esparsidad estructural
- Compartición de pesos y reducción de parámetros
- Evaluación del impacto de la compresión
Cuantización para el rendimiento en edge
- Métodos de cuantización pos-entrenamiento
- Flujos de trabajo de entrenamiento consciente de la cuantización
- Enfoques INT8, FP16 y de precisión mixta
Aceleración con Nano Banana
- Uso de aceleradores de Nano Banana
- Integración de ONNX y backends de hardware
- Evaluación de rendimiento (benchmarking) de inferencia acelerada
Despliegue en dispositivos de edge
- Integración de modelos en aplicaciones embebidas o móviles
- Configuración y monitoreo en tiempo de ejecución
- Solución de problemas de despliegue
Perfiles de rendimiento y análisis de compensaciones (trade-offs)
- Latencia, rendimiento (throughput) y restricciones térmicas
- Equilibrio entre precisión y rendimiento
- Estrategias de optimización iterativa
Mejores prácticas para mantener sistemas de IA en edge
- Versionado y actualizaciones continuas
- Retroceso de modelos (rollback) y gestión de compatibilidad
- Consideraciones de seguridad e integridad
Resumen y próximos pasos
Requerimientos
- Comprensión de los flujos de trabajo de aprendizaje automático (machine learning)
- Experiencia en el desarrollo de modelos basados en Python
- Familiaridad con las arquitecturas de redes neuronales
Audiencia
- Ingenieros de ML
- Científicos de datos
- Practicantes de MLOps
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
