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 la Implementación en el Dispositivo
- Cuantización y poda de modelos
- Distilación de conocimiento para modelos más pequeños y eficientes
- Selección y adaptación de modelos para el rendimiento en el dispositivo
Herramientas y Marcos de Trabajo de IA Específicos de la Plataforma
- Introducción a TensorFlow Lite y PyTorch Mobile
- Utilización de bibliotecas específicas de la plataforma para la IA en el dispositivo
- Estrategias de implementación multiplataforma
Inferencia en Tiempo Real y Computación en el Borde (Edge Computing)
- Técnicas para una infer rápida y eficiente en dispositivos
- Aprovechamiento de la computación en el borde para la 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 la eficiencia energética
- Equilibrio entre rendimiento y consumo de energía
- Estrategias para prolongar la duración de la batería en dispositivos con IA
Seguridad y Privacidad en la IA en el Dispositivo
- Garantía de la seguridad de los datos y la privacidad del usuario
- Procesamiento de datos en el dispositivo para preservar la privacidad
- Actualizaciones y mantenimiento seguros de modelos
Experiencia del Usuario y Diseño de Interacción
- Diseño de interacciones intuitivas con la IA para los usuarios del dispositivo
- Integración de modelos de lenguaje con interfaces de usuario
- Pruebas de usuario y retroalimentación para la IA en el dispositivo
Escalabilidad y Mantenimiento
- Gestión y actualización de modelos en dispositivos implementados
- Estrategias para soluciones de IA en el dispositivo escalables
- Monitoreo y análisis de sistemas de IA desplegados
Proyecto y Evaluación
- Desarrollo de un prototipo en un dominio elegido y preparación para la implementación 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 y aprendizaje profundo
- Dominio de la programación en Python
- Conocimientos básicos de las limitaciones de hardware para la implementación de IA
Audiencia
- Ingenieros de aprendizaje automático y desarrolladores de IA
- Ingenieros de sistemas embebidos interesados en aplicaciones de IA
- Gestores de producto y líderes técnicos que supervisan proyectos de IA
21 Horas