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 IA en el Dispositivo
- Fundamentos del aprendizaje automático en el dispositivo
- Ventajas y desafíos de los modelos de lenguaje pequeños
- Descripción general de las limitaciones de hardware en dispositivos móviles e IoT
Optimización de Modelos para el Despliegue en el Dispositivo
- Cuantización y poda de modelos
- Destilación de conocimiento para modelos más pequeños y eficientes
- Selección y adaptación de modelos para el rendimiento en el dispositivo
Herramientas y Marcos de Trabajo Específicos de la Plataforma para IA
- Introducción a TensorFlow Lite y PyTorch Mobile
- Uso de bibliotecas específicas de la plataforma para IA en el dispositivo
- Estrategias de despliegue multiplataforma
Inferencia en Tiempo Real y Computación perimetral (Edge Computing)
- Técnicas para inferencia rápida y eficiente en dispositivos
- Aprovechamiento de la computación perimetral para IA en el dispositivo
- Estudios de casos de aplicaciones de IA en tiempo real
Gestión de Energía y Consideraciones sobre la Duración de la Batería
- Optimización de aplicaciones de IA para eficiencia energética
- Equilibrio entre rendimiento y consumo de energía
- Estrategias para prolongar la vida útil de la batería en dispositivos con IA
Seguridad y Privacidad en la IA en el Dispositivo
- Garantía de seguridad de datos y privacidad del usuario
- Procesamiento de datos en el dispositivo para preservación de la privacidad
- Actualizaciones seguras de modelos y mantenimiento
Experiencia de Usuario y Diseño de Interacción
- Diseño de interacciones intuitivas de IA para usuarios del dispositivo
- Integración de modelos de lenguaje con interfaces de usuario
- Pruebas de usuario y retroalimentación para IA en el dispositivo
Escalabilidad y Mantenimiento
- Gestión y actualización de modelos en dispositivos desplegados
- Estrategias para soluciones de IA en el dispositivo 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 en el dispositivo
- Evaluación basada en eficiencia, innovación y practicidad
Resumen y Próximos Pasos
Requerimientos
- Sólida base en conceptos de aprendizaje automático (machine learning) y aprendizaje profundo (deep learning)
- Dominio de la programación en 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 productos y líderes técnicos que supervisan proyectos de IA
21 Horas