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.
Duración 21 horas
Temario del curso
Fundamentos del TinyML en el sector sanitario
- Características de los sistemas de TinyML
- Restricciones y requisitos específicos del sector sanitario
- Visión general de las arquitecturas de IA en dispositivos portátiles
Adquisición y preprocesamiento de bioseñales
- Trabajo con sensores fisiológicos
- Técnicas de reducción de ruido y filtrado
- Extracción de características para series temporales médicas
Desarrollo de modelos de TinyML para dispositivos portátiles
- Selección de algoritmos para datos fisiológicos
- Entrenamiento de modelos para entornos restringidos
- Evaluación del rendimiento en conjuntos de datos de salud
Implementación de modelos en dispositivos portátiles
- Uso de TensorFlow Lite Micro para inferencia en el dispositivo
- Integración de modelos de IA en dispositivos médicos portátiles
- Pruebas y validación en hardware embebido
Optimización de energía y memoria
- Técnicas para reducir la carga computacional
- Optimización del flujo de datos y el uso de memoria
- Equilibrio entre precisión y eficiencia
Seguridad, fiabilidad y cumplimiento normativo
- Consideraciones regulatorias para dispositivos portátiles con IA
- Asegurar la robustez y la usabilidad clínica
- Mecanismos de seguridad (fail-safe) y gestión de errores
Casos de estudio y aplicaciones en salud
- Sistemas de monitoreo cardíaco con dispositivos portátiles
- Reconocimiento de actividad en rehabilitación
- Rastreo continuo de glucosa y biometría
Futuras direcciones del TinyML médico
- Enfoques de fusión de multisensores
- Analítica de salud personalizada
- Chips de IA de bajo consumo de próxima generación
Resumen y próximos pasos
Requerimientos
- Comprensión de los conceptos básicos del aprendizaje automático
- Experiencia con dispositivos embebidos o biomédicos
- Conocimiento del desarrollo basado en Python o C
Público objetivo
- Profesionales de la salud
- Ingenieros biomédicos
- Desarrolladores de IA
Reseñas (2)
habilidades y proyectos en Claude, una variedad de herramientas para diferentes fines
Agnieszka Czypionka
Curso - Generative AI in Healthcare: Transforming Medicine and Patient Care
Traducción Automática
Profundidad sobre el contexto de fondo y la formulación de prompts.
Olaf Kannt - Helios Klinikum Krefeld
Curso - Generative AI and Prompt Engineering in Healthcare
Traducción Automática