Programa del Curso

Introducción a TinyML

  • ¿Qué es TinyML?
  • ¿Por qué ejecutar IA en microcontroladores?
  • Desafíos y beneficios de TinyML

Configuración del Entorno de Desarrollo TinyML

  • Visión general de las cadenas de herramientas TinyML
  • Instalando TensorFlow Lite para Microcontroladores
  • Trabajando con Arduino IDE y Edge Impulse

Construyendo y Desplegando Modelos TinyML

  • Entrenamiento de modelos AI para TinyML
  • Conversión y compresión de modelos AI para microcontroladores
  • Despliegue de modelos en hardware de bajo consumo

Optimizando TinyML para la Eficiencia Energética

  • Técnicas de cuantización para la compresión del modelo
  • Consideraciones sobre latencia y consumo energético
  • Equilibrar rendimiento y eficiencia energética

Inferencia en Tiempo Real en Microcontroladores

  • Procesamiento de datos de sensores con TinyML
  • Ejecución de modelos AI en Arduino, STM32 y Raspberry Pi Pico
  • Optimización de inferencia para aplicaciones en tiempo real

Integración de TinyML con Aplicaciones IoT y Edge Computing

  • Conectando TinyML con dispositivos IoT
  • Comunicación inalámbrica y transmisión de datos
  • Despliegue de soluciones AI para IoT

Aplicaciones del Mundo Real y Tendencias Futuras

  • Casos de uso en salud, agricultura e industria
  • El futuro de la IA de ultra bajo consumo
  • Próximos pasos en la investigación y despliegue de TinyML

Resumen y Pasos Futuros

Requerimientos

  • Comprensión de sistemas embebidos y microcontroladores
  • Experiencia con fundamentos de IA o aprendizaje automático
  • Conocimientos básicos de programación en C, C++ u Python

Publlico objetivo

  • Ingenieros embebidos
  • Desarrolladores de IoT
  • Investigadores de IA
 21 Horas

Número de participantes


Precio por Participante​

Próximos cursos

Categorías Relacionadas