Contacta con nosotros

Temario del curso

Introducción a Edge AI

  • Definición y conceptos clave
  • Diferencias entre Edge AI y Cloud AI
  • Beneficios y desafíos de Edge AI
  • Visión general de las aplicaciones de Edge AI

Arquitectura de Edge AI

  • Componentes de los sistemas de Edge AI
  • Requisitos de hardware y software
  • Flujo de datos en aplicaciones de Edge AI
  • Integración con sistemas existentes

Configuración del entorno de Edge AI

  • Introducción a plataformas de Edge AI (Raspberry Pi, NVIDIA Jetson, etc.)
  • Instalación del software y las bibliotecas necesarias
  • Configuración del entorno de desarrollo
  • Inicialización del entorno de Edge AI

Desarrollo de modelos de Edge AI

  • Visión general de modelos de aprendizaje automático y aprendizaje profundo para dispositivos periféricos
  • Entrenamiento de modelos específicamente para el despliegue en la periferia
  • Técnicas para optimizar modelos para dispositivos periféricos
  • Herramientas y marcos de trabajo para el desarrollo de Edge AI (TensorFlow Lite, OpenVINO, etc.)

Gestión de datos y preprocesamiento para Edge AI

  • Técnicas de recolección de datos para entornos periféricos
  • Preprocesamiento y aumento de datos para dispositivos periféricos
  • Gestión de pipelines de datos en dispositivos periféricos
  • Garantía de la privacidad y seguridad de los datos en entornos periféricos

Despliegue de aplicaciones de Edge AI

  • Pasos para desplegar modelos en diversos dispositivos periféricos
  • Técnicas para monitorear y gestionar modelos desplegados
  • Procesamiento de datos e inferencia en tiempo real en dispositivos periféricos
  • Estudios de caso y ejemplos prácticos de despliegue

Integración de Edge AI con sistemas de IoT

  • Conexión de soluciones de Edge AI con dispositivos y sensores IoT
  • Protocolos de comunicación y métodos de intercambio de datos
  • Construcción de una solución integral de Edge AI e IoT
  • Ejemplos prácticos y casos de uso

Casos de uso y aplicaciones

  • Aplicaciones de Edge AI específicas de la industria
  • Estudios de caso profundos en salud, automoción y hogares inteligentes
  • Historias de éxito y lecciones aprendidas
  • Tendencias futuras y oportunidades en Edge AI

Consideraciones éticas y mejores prácticas

  • Garantía de la privacidad y seguridad en los despliegues de Edge AI
  • Abordaje del sesgo y la equidad en los modelos de Edge AI
  • Cumplimiento con regulaciones y estándares
  • Mejores prácticas para el despliegue responsable de IA

Proyectos prácticos y ejercicios

  • Desarrollo de una aplicación compleja de Edge AI
  • Proyectos y escenarios del mundo real
  • Ejercicios colaborativos en grupo
  • Presentaciones de proyectos y retroalimentación

Resumen y próximos pasos

Requerimientos

  • Comprensión de conceptos básicos de inteligencia artificial y aprendizaje automático
  • Experiencia con lenguajes de programación (se recomienda Python)
  • Familiaridad con conceptos de computación periférica y IoT

Audiencia objetivo

  • Desarrolladores
  • Profesionales de TI
 14 Horas

Número de participantes


Precio por participante

Reseñas (1)

Próximos cursos

Categorías Relacionadas