Programa del Curso

Introducción a la inteligencia artificial de bajo consumo

  • Descripción general de la inteligencia artificial en sistemas embebidos
  • Desafíos de la implementación de inteligencia artificial en dispositivos de bajo consumo
  • Aplicaciones de inteligencia artificial energéticamente eficientes

Técnicas de optimización de modelos

  • Quantization y su impacto en el rendimiento
  • Poda y compartición de pesos
  • Destilación de conocimiento para simplificación de modelos

Implementación de modelos de IA en hardware de bajo consumo

  • Usando TensorFlow Lite y ONNX Runtime para Edge AI
  • Optimizando modelos de IA con NVIDIA TensorRT
  • Aceleración de hardware con Coral TPU y Jetson Nano

Reducir el consumo de energía en aplicaciones de IA

  • Perfilado de energía y métricas de eficiencia
  • Arquitecturas de computación de bajo consumo
  • Técnicas de escalado de energía dinámica e inferencia adaptativa

Estudios de caso y aplicaciones del mundo real

  • Dispositivos IoT a batería impulsados por IA
  • Inteligencia artificial de bajo consumo para atención médica y dispositivos portátiles
  • Aplicaciones de monitoreo ambiental y de ciudades inteligentes

Mejores prácticas y tendencias futuras

  • Optimizando la inteligencia artificial en el borde para la sostenibilidad
  • Avances en hardware de inteligencia artificial energéticamente eficiente
  • Desarrollos futuros en investigación de inteligencia artificial de bajo consumo

Resumen y próximos pasos

Requerimientos

  • Una comprensión de los modelos de aprendizaje profundo
  • Experiencia con sistemas embebidos o implementación de IA
  • Conocimientos básicos de técnicas de optimización de modelos

Audiencia

  • Ingenieros de IA
  • Desarrolladores embebidos
  • Ingenieros de hardware
 21 Horas

Número de participantes


Precio por Participante​

Próximos cursos

Categorías Relacionadas