Temario del curso
Introducción a la IA de bajo consumo
- Aspectos generales sobre el uso de IA en sistemas embebidos.
- Principales desafíos asociados a la implementación de IA en hardware con recursos limitados.
- Ejemplos prácticos de aplicaciones de IA orientadas al ahorro energético.
Técnicas de optimización de modelos
- La cuantización y su influencia en el rendimiento general del modelo.
- Estrategias como el podado y la reutilización de pesos dentro de las redes neuronales.
- Técnicas avanzadas de simplificación mediante transferencia de conocimientos entre modelos.
Implementación práctica en hardware de baja potencia
- Uso combinado de TensorFlow Lite y ONNX Runtime para facilitar la IA periférica.
- Cómo aplicar mejoras a los modelos mediante NVIDIA TensorRT.
- Aprovechamiento del potencial de las unidades Coral TPU y Jetson Nano como medios de aceleración hardware.
Estrategias para minimizar el consumo energético en entornos con IA
- Análisis detallado de perfiles de consumo y métricas clave relacionadas con la eficiencia.
- Arquitecturas informáticas orientadas a disminuir el gasto energético en dispositivos periféricos.
- Mecanismos dinámicos para adaptar el consumo según las exigencias reales de los modelos, incluyendo escalado variable de potencia y métodos de inferencia adaptable.
Estudios de caso e implementaciones del mundo real
- Uso de IA en dispositivos IoT alimentados por batería.
- Aplicación práctica en el sector sanitario y en tecnologías vestibles mediante modelos ligeros.
- Implementaciones relevantes para sistemas de ciudades inteligentes y supervisión medioambiental.
Mejores prácticas actuales y tendencias emergentes
- Estrategias eficaces para hacer que la IA periférica sea más sostenible a nivel global.
- Nuevos avances en diseños de hardware capaces de ejecutar IA con mínimo consumo energético.
- Direcciones prometedoras hacia las cuales evoluciona hoy la investigación relativa a la IA de bajo consumo.
Resumen y recomendaciones de seguimiento
Requerimientos
- Conocimientos básicos sobre modelos de aprendizaje profundo.
- Experiencia previa en el desarrollo de sistemas embebidos o la implementación de IA.
- Entendimiento general de las técnicas de optimización de modelos.
Público objetivo
- Ingenieros especializados en IA.
- Desarrolladores embebidos.
- Ingenieros de hardware.
Formación Corporativa a Medida
Soluciones de formación diseñadas exclusivamente para empresas.
- Contenido personalizado: Adaptamos el temario y los ejercicios prácticos a los objetivos y necesidades reales del proyecto.
- Calendario flexible: Fechas y horarios adaptados a la agenda de su equipo.
- Modalidad: Online (en directo), In-company (en sus oficinas) o Híbrida.
Precio por grupo privado (formación online) desde 4350 € + IVA*
Contáctenos para obtener un presupuesto exacto y conocer nuestras promociones actuales
Reseñas (1)
Podemos cubrir temas avanzados y trabajar con ejemplos de la vida real
Ruben Khachaturyan - iris-GmbH infrared & intelligent sensors
Curso - Advanced Edge AI Techniques
Traducción Automática
