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.
Temario del curso
Introducción a Nano Banana
- Descripción general del marco de trabajo y sus capacidades.
- Comprensión de la arquitectura y el flujo de procesamiento.
- Comparación de Nano Banana con otras soluciones de IA en el dispositivo.
Configuración del entorno de desarrollo
- Preparación de Android Studio para cargas de trabajo de IA.
- Integración del SDK de Nano Banana.
- Configuración del proyecto y gestión de dependencias.
Uso de las APIs de Nano Banana
- Exploración de los métodos principales de la API.
- Carga y gestión de modelos ligeros.
- Ejecución de tareas de inferencia en tiempo real.
Optimización del rendimiento de la IA en Android
- Estrategias para obtener una inferencia de baja latencia.
- Técnicas de gestión de memoria y recursos.
- Enfoques de medición de rendimiento y herramientas de optimización.
Diseño de experiencias de usuario impulsadas por IA
- Implementación de interacciones de interfaz de usuario responsivas.
- Manejo de tareas asíncronas y devoluciones de llamada (callbacks).
- Alineamiento del comportamiento de la IA con las directrices de experiencia de usuario de Android.
Seguridad y privacidad en la IA en el dispositivo
- Garantizar el manejo seguro de los datos del usuario.
- Técnicas para preservar la privacidad durante la inferencia.
- Consideraciones de cumplimiento normativo para implementaciones empresariales.
Implementación y mantenimiento de funciones de IA
- Empaquetado y publicación de aplicaciones con IA integrada.
- Versionado y actualización de modelos locales.
- Monitoreo y mejora del rendimiento después de la implementación.
Casos de uso avanzados e integraciones
- Combinación de Nano Banana con herramientas de aprendizaje automático de Android existentes.
- Implementación de funciones de IA multimodal.
- Extensión de aplicaciones mediante modelos ligeros personalizados.
Resumen y próximos pasos
Requerimientos
- Comprender los fundamentos de las aplicaciones de Android.
- Experiencia con Kotlin o Java.
- Conocimiento básico de los flujos de trabajo de depuración de aplicaciones móviles.
Público objetivo
- Desarrolladores de Android que crean aplicaciones con IA integrada.
- Ingenieros de software que exploran flujos de trabajo de aprendizaje automático en el dispositivo.
- Equipos técnicos que evalúan la implementación de IA ligera en Android.
14 Horas
Reseñas (1)
Flujo, vibra y tema en la presentación
Lukasz Kowalczyk - Allegro Sp. z o.o.
Curso - Google Gemini AI for Data Analysis
Traducción Automática