Cursos de Edge AI en Ciudad de Guatemala

Esta formación en vivo con instructor en Ciudad de Guatemala (en línea o presencial) está dirigida a investigadores de IA de nivel avanzado, científicos de datos y especialistas en seguridad que deseen implementar técnicas de aprendizaje federado para entrenar modelos de IA en múltiples dispositivos periféricos, preservando al mismo tiempo la privacidad de los datos.

Al finalizar esta capacitación, los participantes serán capaces de:

• Comprender los principios y beneficios del aprendizaje federado en el contexto de la IA periférica.
• Implementar modelos de aprendizaje federado utilizando TensorFlow Federated y PyTorch.
• Optimizar el entrenamiento de IA a través de dispositivos periféricos distribuidos.
• Abordar los desafíos de privacidad y seguridad de los datos en el aprendizaje federado.
• Desplegar y monitorear sistemas de aprendizaje federado en aplicaciones del mundo real.

Esta capacitación en vivo impartida por un instructor en Ciudad de Guatemala (en línea o presencial) está dirigida a profesionales de agrotech, especialistas en IoT e ingenieros de IA de nivel principiante a intermedio que deseen desarrollar e implementar soluciones Edge AI para la agricultura inteligente.

Al finalizar esta capacitación, los participantes serán capaces de:

• Comprender el papel de Edge AI en la agricultura de precisión.
• Implementar sistemas de monitoreo de cultivos y ganado basados en IA.
• Desarrollar soluciones de riego automatizado y detección ambiental.
• Optimizar la eficiencia agrícola utilizando análisis de Edge AI en tiempo real.

Esta formación en vivo impartida por un instructor en Ciudad de Guatemala (en línea o presencial) está dirigida a profesionales avanzados de la ciberseguridad, ingenieros de IA y desarrolladores de IoT que deseen implementar medidas de seguridad robustas y estrategias de resiliencia para los sistemas Edge AI.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender los riesgos de seguridad y vulnerabilidades en los despliegues de Edge AI.
• Implementar técnicas de cifrado y autenticación para la protección de datos.
• Diseñar arquitecturas de Edge AI resilientes capaces de resistir amenazas cibernéticas.
• Aplicar estrategias de despliegue seguro de modelos de IA en entornos periféricos.

Esta formación en vivo, impartida por un instructor, en Ciudad de Guatemala (en línea o en sitio), está dirigida a tecnólogos minoristas de nivel principiante a intermedio, desarrolladores de IA y analistas de negocio que desean aplicar soluciones de IA en el borde para sistemas de pago inteligente, gestión de inventario y compromiso personalizado con los clientes.

Al final de esta formación, los participantes podrán:

• Comprender cómo la IA en el borde mejora las operaciones minoristas y la experiencia del cliente.
• Implementar sistemas de pago inteligente y sin cajeros impulsados por IA.
• Optimizar la gestión de inventario con seguimiento y análisis en tiempo real.
• Utilizar visión por computadora e IA para experiencias personalizadas en tiendas físicas.

Esta formación en vivo impartida por un instructor en Ciudad de Guatemala (en línea o presencial) está dirigida a profesionales de telecomunicaciones, ingenieros de IA y especialistas en IoT de nivel intermedio que desean explorar cómo las redes 5G aceleran las aplicaciones de inteligencia artificial en el borde.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender los fundamentos de la tecnología 5G y su impacto en la inteligencia artificial en el borde.
• Desplegar modelos de IA optimizados para aplicaciones de baja latencia en entornos 5G.
• Implementar sistemas de toma de decisiones en tiempo real utilizando inteligencia artificial en el borde y conectividad 5G.
• Optimizar las cargas de trabajo de IA para un rendimiento eficiente en dispositivos periféricos.

Esta formación presencial en vivo en Ciudad de Guatemala (en línea o en sitio) está dirigida a desarrolladores de IA embebida y especialistas en computación perimetral de nivel intermedio que deseen ajustar finamente y optimizar modelos ligeros de IA para su implementación en dispositivos con recursos limitados.

Al finalizar esta formación, los participantes serán capaces de:

• Seleccionar y adaptar modelos preentrenados adecuados para la implementación perimetral.
• Aplicar cuantización, poda y otras técnicas de compresión para reducir el tamaño del modelo y la latencia.
• Ajustar finamente los modelos utilizando aprendizaje por transferencia para un rendimiento específico de la tarea.
• Implementar modelos optimizados en plataformas de hardware perimetral reales.

Esta capacitación en vivo con instructor en Ciudad de Guatemala (en línea o presencial) está dirigida a ingenieros de visión por computadora, desarrolladores de IA y profesionales de IoT de nivel intermedio a avanzado que deseen implementar y optimizar modelos de visión por computadora para el procesamiento en tiempo real en dispositivos periféricos.

Al finalizar esta capacitación, los participantes serán capaces de:

• Comprender los fundamentos de la Edge AI y sus aplicaciones en visión por computadora.
• Desplegar modelos de aprendizaje profundo optimizados en dispositivos periféricos para el análisis de imágenes y video en tiempo real.
• Utilizar marcos de trabajo como TensorFlow Lite, OpenVINO y NVIDIA Jetson SDK para el despliegue de modelos.
• Optimizar los modelos de IA para obtener un mejor rendimiento, eficiencia energética e inferencia de baja latencia.

Esta formación presencial impartida por un instructor en Ciudad de Guatemala (en línea o in situ) está dirigida a ingenieros de sistemas integrados de nivel intermedio, desarrolladores de IoT e investigadores de IA que desean implementar técnicas de TinyML para aplicaciones impulsadas por inteligencia artificial en hardware eficiente energéticamente.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender los fundamentos de TinyML y la IA periférica.
• Implementar modelos de IA ligeros en microcontroladores.
• Optimizar la inferencia de IA para reducir el consumo de energía.
• Integrar TinyML con aplicaciones de IoT del mundo real.

Esta formación en vivo con instructor en Ciudad de Guatemala (en línea o presencial) está dirigida a ingenieros de robótica y desarrolladores de IA de nivel intermedio a avanzado, así como a especialistas en automatización que deseen implementar IA en el borde para aplicaciones de robótica.

Al finalizar esta formación, los participantes podrán:

• Comprender el papel de la IA en el borde en los sistemas autónomos.
• Desplegar modelos de IA en dispositivos periféricos para robótica en tiempo real.
• Optimizar el rendimiento de la IA para una toma de decisiones de baja latencia.
• Integrar visión por computadora y fusión de sensores para la autonomía robótica.

Agentes para el borde y ligeros es un curso práctico centrado en la implementación de cargas de trabajo de IA con agentes en dispositivos con recursos limitados. Los participantes aprenderán a crear, optimizar y gestionar agentes ligeros capaces de realizar razonamiento local e inferencia, mejorando la velocidad, privacidad y confiabilidad en entornos distribuidos. El curso hace énfasis en el ajuste del rendimiento, diseño de baja latencia e integración entre hardware y software.

Esta formación en vivo con instructor (en línea o presencial) está dirigida a profesionales de nivel intermedio que deseen implementar y optimizar sistemas con agentes en dispositivos usando Python y frameworks de IA para el borde.

Al finalizar esta formación, los participantes podrán:

• Comprender la arquitectura y los retos de ejecutar IA con agentes en dispositivos del borde.
• Diseñar bucles de agentes ligeros adecuados para entornos restringidos.
• Implementar inferencia local utilizando TensorFlow Lite, PyTorch Mobile y ONNX.
• Integrar agentes con sensores, actuadores y plataformas IoT.
• Optimizar el rendimiento, el uso de energía y la latencia para operar en tiempo real.

Formato del curso

• Conferencias interactivas y demostraciones prácticas.
• Desarrollo práctico en entornos locales o emulados.
• Aprendizaje basado en proyectos y ejercicios de implementación guiada.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso, contáctenos para coordinar los detalles.

Esta capacitación en vivo impartida por un instructor en <ubic> (en línea o presencial) está dirigida a ingenieros de IA avanzados, desarrolladores integrados e ingenieros de hardware que desean implementar modelos de IA en dispositivos de bajo consumo minimizando el consumo energético.

Al finalizar esta capacitación, los participantes serán capaces de:

• Comprender los desafíos de ejecutar IA en dispositivos eficientes energéticamente.
• Optimizar redes neuronales para inferencia de bajo consumo.
• Utilizar técnicas de cuantización, poda y compresión de modelos.
• Desplegar modelos de IA en hardware periférico con el menor consumo de energía posible.

Esta capacitación en vivo dirigida por un instructor en Ciudad de Guatemala (en línea o presencial) está orientada a desarrolladores de IA de nivel intermedio, ingenieros embebidos e ingenieros de robótica que desean optimizar y desplegar modelos de IA en plataformas NVIDIA Jetson para aplicaciones edge.

Al finalizar esta capacitación, los participantes podrán:

• Comprender los fundamentos de la IA edge y el hardware de NVIDIA Jetson.
• Optimizar modelos de IA para su despliegue en dispositivos edge.
• Utilizar TensorRT para acelerar la inferencia de aprendizaje profundo.
• Desplegar modelos de IA utilizando JetPack SDK y ONNX Runtime.

Esta formación presencial dirigida por instructores en Ciudad de Guatemala (en línea o en sitio) está dirigida a desarrolladores de IA de nivel intermedio, ingenieros de aprendizaje automático y arquitectos de sistemas que deseen optimizar modelos de IA para su despliegue en dispositivos edge.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender los desafíos y requisitos al desplegar modelos de IA en dispositivos edge.
• Aplicar técnicas de compresión de modelos para reducir el tamaño y la complejidad de los mismos.
• Utilizar métodos de cuantización para mejorar la eficiencia del modelo en hardware edge.
• Implementar técnicas de poda y otras optimizaciones para mejorar el rendimiento del modelo.
• Desplegar modelos de IA optimizados en diversos dispositivos edge.

Esta formación en vivo impartida por un instructor en Ciudad de Guatemala (en línea o presencial) está dirigida a desarrolladores intermedios, científicos de datos y entusiastas de la tecnología que desean adquirir habilidades prácticas para desplegar modelos de IA en dispositivos periféricos para diversas aplicaciones.

Al finalizar esta formación, los participantes podrán:

• Comprender los principios de la IA periférica (Edge AI) y sus beneficios.
• Configurar y preparar el entorno de computación en el borde.
• Desarrollar, entrenar y optimizar modelos de IA para su despliegue en el borde.
• Implementar soluciones prácticas de IA en dispositivos periféricos.
• Evaluar y mejorar el rendimiento de los modelos desplegados en el borde.
• Abordar consideraciones éticas y de seguridad en las aplicaciones de IA periférica.

Esta formación presencial impartida por un instructor en Ciudad de Guatemala (en línea o in situ) está dirigida a profesionales de las finanzas de nivel intermedio, desarrolladores de fintech y especialistas en IA que desean implementar soluciones de IA en el Borde en servicios financieros.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender el papel de la IA en el Borde en los servicios financieros.
• Implementar sistemas de detección de fraudes utilizando IA en el Borde.
• Mejorar el servicio al cliente mediante soluciones impulsadas por IA.
• Aplicar la IA en el Borde para la gestión de riesgos y la toma de decisiones.
• Desplegar y gestionar soluciones de IA en el Borde en entornos financieros.

Esta capacitación en vivo con instrucción presencial en Ciudad de Guatemala (en línea o in situ) está dirigida a ingenieros industriales de nivel intermedio, profesionales del sector manufacturero y desarrolladores de IA que desean implementar soluciones de IA en el borde en la automatización industrial.

Al finalizar esta capacitación, los participantes podrán:

• Comprender el papel de la IA en el borde en la automatización industrial.
• Implementar soluciones de mantenimiento predictivo utilizando IA en el borde.
• Aplicar técnicas de IA para el control de calidad en procesos de fabricación.
• Optimizar procesos industriales mediante IA en el borde.
• Desplegar y gestionar soluciones de IA en el borde en entornos industriales.

Edge AI consiste en la implementación de modelos de inteligencia artificial directamente en dispositivos y máquinas al borde de la red, lo que permite tomar decisiones en tiempo real con una latencia mínima.

Esta formación práctica impartida por un instructor (en línea o presencial) está dirigida a profesionales avanzados de sistemas embebidos e IoT que deseen desplegar lógica y sistemas de control basados en IA en entornos manufactureros donde la velocidad, la confiabilidad y el funcionamiento sin conexión son críticos.

Al finalizar este curso, los participantes podrán:

• Comprender la arquitectura y los beneficios de los sistemas Edge AI.
• Construir y optimizar modelos de IA para su despliegue en dispositivos embebidos.
• Utilizar herramientas como TensorFlow Lite y OpenVINO para inferencia de baja latencia.
• Integrar la inteligencia perimetral con sensores, actuadores y protocolos industriales.

Formato del curso

• Lecciones interactivas y sesiones de discusión.
• Abundantes ejercicios y práctica.
• Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso, contáctenos para coordinar los detalles.

Esta formación en vivo dirigida por un instructor en Ciudad de Guatemala (en línea o presencial) está dirigida a desarrolladores de nivel intermedio, científicos de datos y profesionales de la IA que desean aprovechar TensorFlow Lite para aplicaciones de IA en el borde.

Al final de esta formación, los participantes serán capaces de:

• Comprender los fundamentos de TensorFlow Lite y su papel en la IA en el borde.
• Desarrollar y optimizar modelos de IA utilizando TensorFlow Lite.
• Implementar modelos de TensorFlow Lite en diversos dispositivos de borde.
• Utilizar herramientas y técnicas para la conversión y optimización de modelos.
• Implementar aplicaciones prácticas de IA en el borde utilizando TensorFlow Lite.

Esta formación en vivo con instructores en Ciudad de Guatemala (en línea o presencial) está dirigida a planificadores urbanos, ingenieros civiles y gerentes de proyectos de ciudades inteligentes de nivel intermedio que desean aprovechar la IA de borde para iniciativas de ciudades inteligentes.

Al finalizar esta formación, los participantes podrán:

• Comprender el papel de la IA de borde en las infraestructuras de ciudades inteligentes.
• Implementar soluciones de IA de borde para la gestión del tráfico y la vigilancia.
• Optimizar los recursos urbanos utilizando tecnologías de IA de borde.
• Integrar la IA de borde con sistemas existentes de ciudades inteligentes.
• Abordar consideraciones éticas y normativas en los despliegues de ciudades inteligentes.

Esta formación en vivo dirigida por instructores en Ciudad de Guatemala (en línea o presencial) está dirigida a profesionales de ciberseguridad de nivel intermedio, administradores de sistemas e investigadores de ética de IA que desean asegurar e implementar éticamente soluciones de IA de borde.

Al final de esta formación, los participantes podrán:

• Comprender los desafíos de seguridad y privacidad en la IA de borde.
• Implementar mejores prácticas para asegurar dispositivos de borde y datos.
• Desarrollar estrategias para mitigar riesgos de seguridad en implementaciones de IA de borde.
• Abordar consideraciones éticas y garantizar el cumplimiento normativo.
• Realizar evaluaciones y auditorías de seguridad para aplicaciones de IA de borde.

Esta formación en vivo con instructor en Ciudad de Guatemala (en línea o presencial) está dirigida a ingenieros de robótica, desarrolladores de vehículos autónomos e investigadores de IA de nivel intermedio que deseen aprovechar Edge AI para soluciones innovadoras en sistemas autónomos.

Al finalizar esta capacitación, los participantes serán capaces de:

• Comprender el papel y los beneficios de Edge AI en sistemas autónomos.
• Desarrollar e implementar modelos de IA para procesamiento en tiempo real en dispositivos de borde (edge).
• Implementar soluciones Edge AI en vehículos autónomos, drones y robótica.
• Diseñar y optimizar sistemas de control utilizando Edge AI.
• Abordar consideraciones éticas y regulatorias en aplicaciones de IA autónoma.

Esta formación en vivo impartida por un instructor en Ciudad de Guatemala (en línea o presencial) está dirigida a profesionales de la salud, ingenieros biomédicos y desarrolladores de IA de nivel intermedio que deseen aprovechar la IA en el borde para desarrollar soluciones innovadoras en atención médica.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender el rol y los beneficios de la IA en el borde en el sector de la salud.
• Desarrollar e implementar modelos de IA en dispositivos periféricos para aplicaciones médicas.
• Implementar soluciones de IA en el borde en dispositivos portátiles y herramientas de diagnóstico.
• Diseñar y desplegar sistemas de monitoreo de pacientes utilizando IA en el borde.
• Abordar consideraciones éticas y regulatorias en aplicaciones de IA para la salud.

La IA en el borde (Edge AI) permite que los modelos de inteligencia artificial se ejecuten directamente en dispositivos embebidos o con recursos limitados, reduciendo la latencia y el consumo de energía, al tiempo que aumenta la autonomía y la privacidad en los sistemas robóticos.

Esta capacitación en vivo, impartida por un instructor (en línea o presencial), está dirigida a desarrolladores de sistemas embebidos e ingenieros de robótica de nivel intermedio que deseen implementar técnicas de inferencia y optimización de aprendizaje automático directamente en hardware robótico utilizando TinyML y marcos de IA en el borde.

Al finalizar esta capacitación, los participantes serán capaces de:

• Comprender los fundamentos de TinyML y la IA en el borde para robótica.
• Convertir e implementar modelos de IA para inferencia en el dispositivo.
• Optimizar modelos en velocidad, tamaño y eficiencia energética.
• Integrar sistemas de IA en el borde en arquitecturas de control robótico.
• Evaluar el rendimiento y la precisión en escenarios del mundo real.

Formato del curso

• Clase interactiva y discusión.
• Práctica hands-on utilizando cadenas de herramientas de TinyML e IA en el borde.
• Ejercicios prácticos en plataformas de hardware embebido y robótico.

Opciones de personalización del curso

• Para solicitar una capacitación personalizada para este curso, contáctenos para coordinarla.

6G y el Borde Inteligente es un curso prospectivo que explora la integración de tecnologías inalámbricas 6G con computación en el borde, ecosistemas IoT y procesamiento de datos impulsado por IA para soportar infraestructuras inteligentes, de baja latencia y adaptables.

Esta capacitación en vivo impartida por un instructor (en línea o presencial) está dirigida a arquitectos de TI de nivel intermedio que desean comprender y diseñar arquitecturas distribuidas de próxima generación aprovechando la sinergia entre la conectividad 6G y los sistemas de borde inteligente.

Al finalizar este curso, los participantes podrán:

• Comprender cómo el 6G transformará las arquitecturas de computación en el borde e IoT.
• Diseñar sistemas distribuidos para operaciones autónomas, de alta banda ancha y ultra baja latencia.
• Integrar IA y análisis de datos en el borde para la toma de decisiones inteligente.
• Planificar infraestructuras de borde escalables, seguras, resistentes y preparadas para 6G.
• Evaluar modelos comerciales y operativos habilitados por la convergencia entre 6G y el borde.

Formato del Curso

• Conferencias interactivas y debates.
• Estudios de casos y ejercicios de diseño de arquitectura aplicada.
• Simulación práctica con herramientas de borde o contenedores opcionales.

Opciones de Personalización del Curso

• Para solicitar una capacitación personalizada para este curso, póngase en contacto con nosotros para coordinarlo.

Esta formación en vivo impartida por un instructor en Ciudad de Guatemala (en línea o presencial) está dirigida a profesionales de IA de nivel avanzado, investigadores y desarrolladores que desean dominar los últimos avances en IA en el borde, optimizar sus modelos de IA para su despliegue en el borde y explorar aplicaciones especializadas en diversas industrias.

Al finalizar esta formación, los participantes podrán:

• Explorar técnicas avanzadas en el desarrollo y optimización de modelos de IA en el borde.
• Implementar estrategias de vanguardia para desplegar modelos de IA en dispositivos del borde.
• Utilizar herramientas y marcos de trabajo especializados para aplicaciones avanzadas de IA en el borde.
• Optimizar el rendimiento y la eficiencia de las soluciones de IA en el borde.
• Explorar casos de uso innovadores y tendencias emergentes en IA en el borde.
• Abordar consideraciones éticas y de seguridad avanzadas en los despliegues de IA en el borde.

El kit de herramientas Ascend CANN de Huawei permite realizar una inferencia de IA potente en dispositivos de borde, como el Ascend 310. CANN proporciona las herramientas esenciales para compilar, optimizar y desplegar modelos en entornos con recursos computacionales y memoria limitados.

Esta formación en vivo impartida por un instructor (en línea o presencial) está dirigida a desarrolladores e integradores de IA de nivel intermedio que deseen desplegar y optimizar modelos en dispositivos de borde Ascend utilizando la cadena de herramientas CANN.

Al finalizar esta formación, los participantes podrán:

• Preparar y convertir modelos de IA para el Ascend 310 utilizando las herramientas CANN.
• Construir pipelines de inferencia ligeros usando MindSpore Lite y AscendCL.
• Optimizar el rendimiento del modelo para entornos con capacidad de cómputo y memoria limitadas.
• Desplegar y monitorear aplicaciones de IA en casos de uso reales en el borde.

Formato del curso

• Conferencia interactiva y demostraciones.
• Práctica en laboratorio con modelos y escenarios específicos para el borde.
• Ejemplos de despliegue en vivo en hardware de borde virtual o físico.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso, por favor contáctenos para organizarlo.

Esta formación en vivo con instrucción en <ubicación> (en línea o presencial) está dirigida a desarrolladores de nivel intermedio, arquitectos de sistemas y profesionales de la industria que deseen aprovechar la IA en el borde para mejorar las aplicaciones de IoT con capacidades inteligentes de procesamiento de datos y análisis.

Al finalizar esta formación, los participantes podrán:

• Comprender los fundamentos de la IA en el borde y su aplicación en IoT.
• Configurar y ajustar entornos de IA en el borde para dispositivos de IoT.
• Desarrollar e implementar modelos de IA en dispositivos de borde para aplicaciones de IoT.
• Implementar procesamiento de datos y toma de decisiones en tiempo real en sistemas de IoT.
• Integrar IA en el borde con diversos protocolos y plataformas de IoT.
• Abordar consideraciones éticas y mejores prácticas en IA para IoT.

Esta formación en vivo impartida por un instructor en Ciudad de Guatemala (en línea o presencial) está dirigida a desarrolladores de IoT de nivel intermedio, ingenieros embebidos y profesionales de la IA que deseen implementar TinyML para mantenimiento predictivo, detección de anomalías y aplicaciones con sensores inteligentes.

Al finalizar esta formación, los participantes podrán:

• Comprender los fundamentos de TinyML y sus aplicaciones en IoT.
• Configurar un entorno de desarrollo de TinyML para proyectos de IoT.
• Desarrollar e implementar modelos de ML en microcontroladores de bajo consumo energético.
• Implementar mantenimiento predictivo y detección de anomalías mediante TinyML.
• Optimizar los modelos de TinyML para un uso eficiente de la energía y la memoria.

Esta capacitación en vivo, impartida por un instructor, en Ciudad de Guatemala (en línea o presencial), está dirigida a desarrolladores y profesionales de TI de nivel intermedio que deseen comprender integralmente la IA en el borde desde su concepto hasta su implementación práctica, incluyendo la configuración y puesta en marcha.

Al finalizar esta capacitación, los participantes podrán:

• Comprender los conceptos fundamentales de la IA en el borde.
• Configurar y preparar entornos de IA en el borde.
• Desarrollar, entrenar y optimizar modelos de IA en el borde.
• Implementar y administrar aplicaciones de IA en el borde.
• Integrar la IA en el borde con sistemas y flujos de trabajo existentes.
• Abordar las consideraciones éticas y las mejores prácticas en la implementación de IA en el borde.

Esta formación en vivo, impartida por un instructor en <ubicación> (en línea o presencial), está dirigida a ingenieros de sistemas embebidos y desarrolladores de IA de nivel intermedio que deseen implementar modelos de aprendizaje automático en microcontroladores utilizando TensorFlow Lite y Edge Impulse.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender los fundamentos de TinyML y sus beneficios para aplicaciones de IA en el borde.
• Configurar un entorno de desarrollo para proyectos de TinyML.
• Entrenar, optimizar e implementar modelos de IA en microcontroladores de bajo consumo.
• Utilizar TensorFlow Lite y Edge Impulse para desarrollar aplicaciones reales de TinyML.
• Optimizar modelos de IA para eficiencia energética y restricciones de memoria.

Las unidades de aprendizaje automático (MLU) de Cambricon son chips de IA especializados, optimizados para tareas de inferencia y entrenamiento en escenarios de extremo (edge) y centros de datos.

Esta capacitación en vivo, impartida por un instructor (en línea o presencial), está dirigida a desarrolladores con conocimientos intermedios que deseen construir e implementar modelos de IA utilizando el marco de trabajo BANGPy y el SDK Neuware en hardware MLU de Cambricon.

Al finalizar esta capacitación, los participantes serán capaces de:

• Configurar y preparar los entornos de desarrollo para BANGPy y Neuware.
• Desarrollar y optimizar modelos basados en Python y C++ para MLU de Cambricon.
• Implementar modelos en dispositivos de extremo y centros de datos que ejecuten el entorno de ejecución Neuware.
• Integrar flujos de trabajo de aprendizaje automático (ML) con las funciones de aceleración específicas de MLU.

Formato del curso

• Clase interactiva y discusión.
• Manejo práctico de BANGPy y Neuware para desarrollo e implementación.
• Ejercicios guiados centrados en optimización, integración y pruebas.

Opciones de personalización del curso

• Para solicitar una capacitación personalizada basada en su modelo de dispositivo Cambricon o caso de uso, contáctenos para coordinar.

Esta formación en vivo, impartida por un instructor, en Ciudad de Guatemala (en línea o presencial), está dirigida a desarrolladores y profesionales de TI de nivel principiante que desean comprender los fundamentos de la IA en el borde y sus aplicaciones iniciales.

Al finalizar esta capacitación, los participantes serán capaces de:

• Comprender los conceptos básicos y la arquitectura de la IA en el borde.
• Configurar entornos de IA en el borde.
• Desarrollar e implementar aplicaciones sencillas de IA en el borde.
• Identificar y entender los casos de uso y beneficios de la IA en el borde.