Contacta con nosotros

Temario del curso

Introducción a la IA en el borde y Nano Banana

  • Características clave de las cargas de trabajo de IA en el borde.
  •  
  • Arquitectura y capacidades de Nano Banana.
  •   Comparación de estrategias de implementación en el borde frente a la nube.

Preparación de modelos para implementación en el borde

 
  •   Selección de modelos y evaluación inicial.
  • Consideraciones sobre dependencias y compatibilidad.
  •   Exportación de modelos para su posterior optimización.

Técnicas de compresión de modelos

 
  •   Estrategias de poda y esparsidad estructural.
  • Compartición de pesos y reducción de parámetros.
  •  
  •   Evaluación del impacto de la compresión.

  Cuantización para el rendimiento en el borde

     
  •   Métodos de cuantización post-entrenamiento.
  •   Flujos de trabajo de entrenamiento consciente de la cuantización.
  • Enfoques INT8, FP16 y de precisión mixta. 

Aceleración con Nano Banana

  •   Uso de aceleradores de Nano Banana.
  •  
  • Integración de ONNX y backends de hardware.
  •   Análisis comparativo (benchmarking) de la inferencia acelerada. 

Implementación en dispositivos de borde

  •   Integración de modelos en aplicaciones embebidas o móviles.
  •   Configuración y monitoreo del tiempo de ejecución.
  •  
  •   Solución de problemas de implementación.

  Perfilado de rendimiento y análisis de compensaciones 

  • Restricciones de latencia, throughput y térmicas.
  •   Compensaciones entre precisión y rendimiento. 
  •   Estrategias de optimización iterativa.

  Mejores prácticas para el mantenimiento de sistemas de IA en el borde 

  •   Versionado y actualizaciones continuas.
  • Gestión de retrocesos de modelos y compatibilidad. 
  •  
  •   Consideraciones de seguridad e integridad.
  •  

  Resumen y próximos pasos 

Requerimientos

  • Comprensión de los flujos de trabajo de aprendizaje automático. 
  • Experiencia en desarrollo de modelos basados en Python.
  • Familiaridad con arquitecturas de redes neuronales. 

Público objetivo

  • Ingenieros de aprendizaje automático.
  •  
  • Científicos de datos.
  • Profesionales de MLOps.
 14 Horas

Número de participantes


Precio por participante

Reseñas (1)

Próximos cursos

Categorías Relacionadas