Contacta con nosotros

Temario del curso

Introducción a la Edge AI en Sistemas Autónomos

  • Visión general de la Edge AI y su importancia en sistemas autónomos
  • Beneficios clave y desafíos de implementar Edge AI en sistemas autónomos
  • Tendencias actuales e innovaciones en Edge AI para la autonomía
  • Aplicaciones del mundo real y estudios de caso

Procesamiento en Tiempo Real en Sistemas Autónomos

  • Fundamentos del procesamiento de datos en tiempo real
  • Modelos de IA para la toma de decisiones en tiempo real
  • Manejo de flujos de datos y fusión de sensores
  • Ejemplos prácticos y estudios de caso

Edge AI en Vehículos Autónomos

  • Modelos de IA para la percepción y el control del vehículo
  • Desarrollo e implementación de soluciones de IA para la navegación en tiempo real
  • Integración de Edge AI con sistemas de control del vehículo
  • Estudios de caso de Edge AI en vehículos autónomos

Edge AI en Drones

  • Modelos de IA para la percepción y el control de vuelo del dron
  • Procesamiento de datos y toma de decisiones en tiempo real en drones
  • Implementación de Edge AI para el vuelo autónomo y la evasión de obstáculos
  • Ejemplos prácticos y estudios de caso

Edge AI en Robótica

  • Modelos de IA para la percepción y manipulación robóticas
  • Procesamiento y control en tiempo real en sistemas robóticos
  • Integración de Edge AI con arquitecturas de control robótico
  • Estudios de caso de Edge AI en robótica

Desarrollo de Modelos de IA para Aplicaciones Autónomas

  • Visión general de modelos relevantes de aprendizaje automático y profundo
  • Entrenamiento y optimización de modelos para su despliegue en el borde
  • Herramientas y marcos de trabajo para Edge AI autónomo (TensorFlow Lite, ROS, etc.)
  • Validación y evaluación de modelos en entornos autónomos

Despliegue de Soluciones de Edge AI en Sistemas Autónomos

  • Pasos para implementar modelos de IA en diversos hardware del borde
  • Procesamiento y inferencia de datos en tiempo real en dispositivos del borde
  • Monitoreo y gestión de modelos de IA implementados
  • Ejemplos prácticos de despliegue y estudios de caso

Consideraciones Éticas y Regulatorias

  • Garantizar la seguridad y confiabilidad en sistemas de IA autónomos
  • Abordar el sesgo y la equidad en modelos de IA autónomos
  • Cumplir con regulaciones y estándares en sistemas autónomos
  • Mejores prácticas para la implementación responsable de IA en sistemas autónomos

Evaluación y Optimización del Rendimiento

  • Técnicas para evaluar el rendimiento de modelos en sistemas autónomos
  • Herramientas para el monitoreo y depuración en tiempo real
  • Estrategias para optimizar el rendimiento de modelos de IA en aplicaciones autónomas
  • Abordar desafíos de latencia, confiabilidad y escalabilidad

Casos de Uso e Innovaciones

  • Aplicaciones avanzadas de Edge AI en sistemas autónomos
  • Análisis en profundidad de casos en diversos dominios autónomos
  • Historias de éxito y lecciones aprendidas
  • Tendencias futuras y oportunidades en Edge AI para la autonomía

Proyectos Prácticos y Ejercicios

  • Desarrollo de una aplicación integral de Edge AI para un sistema autónomo
  • Proyectos y escenarios del mundo real
  • Ejercicios colaborativos en grupo
  • Presentaciones de proyectos y retroalimentación

Resumen y Próximos Pasos

Requerimientos

  • Comprensión de los conceptos de IA y aprendizaje automático
  • Experiencia con lenguajes de programación (se recomienda Python)
  • Conocimiento de robótica, sistemas autónomos o tecnologías relacionadas

Audiencia

  • Ingenieros de robótica
  • Desarrolladores de vehículos autónomos
  • Investigadores en IA
 14 Horas

Número de participantes


Precio por participante

Testimonios (1)

Próximos cursos

Categorías Relacionadas