Contacta con nosotros

Temario del curso

Introducción a la IA en Dispositivo

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

Optimización de Modelos para el Despliegue Local

  • Cuantización y poda de modelos (pruning)
  • Destilación de conocimiento para crear modelos más pequeños y eficientes
  • Selección y adaptación de modelos para el rendimiento local

Herramientas y Frameworks Específicos por Plataforma

  • Introducción a TensorFlow Lite y PyTorch Mobile
  • Utilización de bibliotecas específicas de la plataforma para IA local
  • Estrategias de despliegue multiplataforma

Inferencia en Tiempo Real y Computación en el Borde (Edge Computing)

  • Técnicas para una inferición rápida y eficiente en dispositivos
  • Aprovechamiento de la computación en el borde para IA local
  • Estudios de caso 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 Local

  • Garantizar la seguridad de los datos y la privacidad del usuario
  • Procesamiento de datos local para preservar la privacidad
  • Actualizaciones seguras y mantenimiento de modelos

Experiencia del Usuario y Diseño de Interacción

  • Diseño de interacciones intuitivas con IA para los usuarios del dispositivo
  • Integración de modelos de lenguaje con interfaces de usuario
  • Pruebas de usuario y retroalimentación para la IA local

Escalabilidad y Mantenimiento

  • Gestión y actualización de modelos en dispositivos desplegados
  • Estrategias para soluciones de IA local escalables
  • Monitoreo y análisis para 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 local
  • Evaluación basada en eficiencia, innovación y practicidad

Resumen y Próximos Pasos

Requerimientos

  • Sólidos conocimientos en conceptos de aprendizaje automático (machine learning) y aprendizaje profundo (deep learning)
  • Dominio del lenguaje de programación Python
  • Conocimientos básicos sobre las limitaciones de hardware para el despliegue de IA

Público Objetivo

  • Ingenieros de aprendizaje automático 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

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas