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.
Temario del curso
Introducción a la Edge AI en entornos industriales
- Por qué la computación de borde es importante en la manufactura
- Comparación con la IA basada en la nube
- Casos de uso en visión por computadora, mantenimiento predictivo y control
Plataformas de hardware y restricciones a nivel de dispositivo
- Visión general del hardware de borde común (Raspberry Pi, NVIDIA Jetson, Intel NUC)
- Consideraciones de procesamiento, memoria y energía
- Selección de la plataforma adecuada según el tipo de aplicación
Desarrollo y optimización de modelos para el borde
- Técnicas de compresión, poda y cuantización de modelos
- Uso de TensorFlow Lite y ONNX para el despliegue embebido
- Equilibrio entre precisión y velocidad en entornos restringidos
Visión por computadora y fusión de sensores en el borde
- Inspección y monitoreo visual basado en el borde
- Integración de datos de múltiples sensores (vibración, temperatura, cámaras)
- Detección de anomalías en tiempo real con Edge Impulse
Comunicación e intercambio de datos
- Uso de MQTT para mensajería industrial
- Integración con sistemas SCADA, OPC-UA y PLC
- Seguridad y resiliencia en las comunicaciones de borde
Despliegue y pruebas de campo
- Empaquetado y despliegue de modelos en dispositivos de borde
- Monitoreo del rendimiento y gestión de actualizaciones
- Caso de estudio: bucle de decisión en tiempo real con actuación local
Escalamiento y mantenimiento de sistemas de Edge AI
- Estrategias de gestión de dispositivos de borde
- Actualizaciones remotas y ciclos de reentrenamiento de modelos
- Consideraciones de ciclo de vida para el despliegue de grado industrial
Resumen y próximos pasos
Requerimientos
- Conocimiento de sistemas embebidos o arquitecturas de IoT
- Experiencia en programación con Python o C/C++
- Familiaridad con el desarrollo de modelos de aprendizaje automático
Público objetivo
- Desarrolladores de sistemas embebidos
- Equipos de IoT industrial
21 Horas
Reseñas (1)
Podemos cubrir temas avanzados y trabajar con ejemplos de la vida real
Ruben Khachaturyan - iris-GmbH infrared & intelligent sensors
Curso - Advanced Edge AI Techniques
Traducción Automática
