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 Sistemas Autónomos
- Visión general de la Edge AI y su importancia en sistemas autónomos.
- Principales beneficios 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 los sistemas de control del vehículo.
- Estudios de caso sobre Edge AI en vehículos autónomos.
Edge AI en Drones
- Modelos de IA para la percepción y el control de vuelo del drone.
- Procesamiento de datos en tiempo real y toma de decisiones en drones.
- Implementación de Edge AI para vuelo autónomo y evitación 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 sobre Edge AI en robótica.
Desarrollo de Modelos de IA para Aplicaciones Autónomas
- Visión general de los modelos relevantes de aprendizaje automático y aprendizaje profundo.
- Entrenamiento y optimización de modelos para su despliegue en el borde.
- Herramientas y marcos de trabajo para Edge AI autónoma (TensorFlow Lite, ROS, etc.).
- Validación y evaluación de modelos en entornos autónomos.
Despliegue de Soluciones Edge AI en Sistemas Autónomos
- Pasos para desplegar modelos de IA en diversos hardware de borde.
- Procesamiento e inferencia de datos en tiempo real en dispositivos de borde.
- Monitoreo y gestión de modelos de IA desplegados.
- Ejemplos prácticos de despliegue y estudios de caso.
Consideraciones Éticas y Regulatorias
- Garantizar la seguridad y fiabilidad en sistemas de IA autónomos.
- Abordar el sesgo y la equidad en los modelos de IA autónomos.
- Cumplimiento con regulaciones y estándares en sistemas autónomos.
- Mejores prácticas para el despliegue responsable de IA en sistemas autónomos.
Evaluación del Rendimiento y Optimización
- Técnicas para evaluar el rendimiento de los modelos en sistemas autónomos.
- Herramientas para el monitoreo en tiempo real y la depuración.
- Estrategias para optimizar el rendimiento de los modelos de IA en aplicaciones autónomas.
- Abordar desafíos de latencia, fiabilidad y escalabilidad.
Casos de Uso Innovadores y Aplicaciones
- Aplicaciones avanzadas de Edge AI en sistemas autónomos.
- Análisis detallados 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 grupales colaborativos.
- Presentación de proyectos y retroalimentación.
Resumen y Próximos Pasos
Requerimientos
- Comprensión de conceptos básicos de IA y aprendizaje automático.
- Experiencia con lenguajes de programación (se recomienda Python).
- Familiaridad con robótica, sistemas autónomos o tecnologías relacionadas.
Público Objetivo
- Ingenieros de robótica.
- Desarrolladores de vehículos autónomos.
- Investigadores en IA.
14 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
