Agentes de borde y ligeros: Cargas de trabajo de agentes locales con Python

Introducción a la IA de borde y basada en agentes

• Visión general de la IA basada en agentes y la computación de borde
• Consideraciones sobre latencia, privacidad y ancho de banda
• Comparación arquitectónica: agentes en la nube vs. agentes de borde

Diseño de arquitecturas de agentes ligeros

• Descomposición del bucle de agentes para sistemas restringidos
• Diseño asíncrono para una computación eficiente
• Equilibrio entre autonomía y conectividad

Configuración del entorno de desarrollo

• Instalación de marcos de trabajo de Python para IA de borde
• Configuración de TensorFlow Lite y PyTorch Mobile
• Despliegue de entornos de prueba en Raspberry Pi o dispositivos similares

Implementación de inferencia local

• Conversión y cuantización de modelos para el despliegue en el borde
• Ejecución de inferencia con TensorFlow Lite y ONNX Runtime
• Integración de los resultados de inferencia en los bucles de decisión del agente

Integración de agentes con hardware e IoT

• Conexión de sensores, actuadores y módulos IoT
• Pipelines de recopilación y procesamiento de datos locales
• Operación sin conexión y comportamiento activado por eventos

Optimización y supervisión

• Ajuste del rendimiento para bajo consumo de energía y alta velocidad
• Técnicas de caché de borde y compresión de modelos
• Supervisión y depuración de agentes de borde

Proyecto práctico: Despliegue de un agente ligero en hardware de borde

• Diseño de un pequeño agente autónomo para una tarea de IoT o robótica
• Implementación de la inferencia del modelo y la lógica local
• Pruebas y optimización para latencia y fiabilidad

Resumen y siguientes pasos