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
- ¿Qué es TinyML?
- La importancia del aprendizaje automático en microcontroladores.
- Comparación entre AI tradicional y TinyML.
- Resumen de los requisitos de hardware y software.
Configuración del entorno TinyML
- Instalación del IDE Arduino y configuración del entorno de desarrollo.
- Introducción a TensorFlow Lite y Edge Impulse.
- Flasheo y configuración de microcontroladores para aplicaciones TinyML.
Construcción y despliegue de modelos TinyML
- Entender el flujo de trabajo de TinyML.
- Entrenamiento de un modelo de aprendizaje automático simple para microcontroladores.
- Convertir modelos de IA al formato TensorFlow Lite.
- Implementar modelos en dispositivos de hardware.
Optimización de TinyML para dispositivos Edge
- Reducir la huella de memoria y computación.
- Técnicas de cuantización y compresión de modelos.
- Evaluar el rendimiento de modelos TinyML.
Aplicaciones de TinyML y Use Case
- Reconocimiento de gestos utilizando datos de acelerómetro.
- Clasificación de audio y detección de palabras clave.
- Detección de anomalías para mantenimiento predictivo.
Desafíos y tendencias futuras de TinyML
- Limitaciones de hardware y estrategias de optimización.
- Preocupaciones de seguridad y privacidad en TinyML.
- Avances y investigaciones futuros en TinyML.
Resumen y próximos pasos
Requerimientos
- Conocimientos básicos de programación (Python o C/C++)
- Familiaridad con los conceptos de aprendizaje automático (recomendado pero no requerido)
- Comprensión de sistemas embebidos (opcional pero útil)
Público objetivo
- Ingenieros
- Científicos de datos
- Entusiastas de la IA
14 Horas
