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.
Programa del Curso
Introducción a TinyML y Edge AI
- ¿Qué es TinyML?¿
- Ventajas y desafíos de la IA en microcontroladores
- Visión general de las herramientas TinyML: TensorFlow Lite y Edge Impulse
- Casos de uso de TinyML en IoT y aplicaciones del mundo real
Configuración del entorno de desarrollo TinyML
- Instalación y configuración de la IDE Arduino
- Introducción a TensorFlow Lite para microcontroladores
- Utilizando Edge Impulse Studio para el desarrollo de TinyML
- Conectar y probar microcontroladores para aplicaciones de IA
Construcción y entrenamiento de modelos Machine Learning>
- Entender el flujo de trabajo TinyML
- Recopilación y preprocesamiento de datos de sensores
- Entrenamiento de modelos de aprendizaje automático para IA embebida
- Optimización de modelos para procesamiento de bajo consumo y en tiempo real
Deployando modelos de IA en Microcontrollers
- Convertir modelos de IA al formato TensorFlow Lite
- Flashear y ejecutar modelos en microcontroladores
- Validar y depurar implementaciones TinyML
Optimizando TinyML para rendimiento y eficiencia
- Técnicas de cuantización y compresión de modelos
- Estrategias de gestión de energía para IA en la nube
- Restricciones de memoria y computación en IA embebida
Aplicaciones prácticas de TinyML
- Reconocimiento de gestos utilizando datos de acelerómetro
- Clasificación de audio y detección de palabras clave
- Detección de anomalías para mantenimiento predictivo
Seguridad y tendencias futuras en TinyML
- Asegurar la privacidad y seguridad de los datos en aplicaciones TinyML
- Desafíos del aprendizaje federado en microcontroladores
- Investigación emergente y avances en TinyML
Resumen y próximos pasos
Requerimientos
- Experiencia en programación de sistemas integrados
- Familiaridad con Python o programación en C/C++
- Conocimientos básicos de conceptos de aprendizaje automático
- Comprensión del hardware de microcontroladores y periféricos
Audiencia
- Ingenieros de sistemas embebidos
- Desarrolladores de IA
21 Horas