Ponte en Contacto

Temario del curso

Introducción a la IA en Edge y Nano Banana

  • Características clave de las cargas de trabajo de IA en Edge.
  • Arquitectura y capacidades de Nano Banana.
  • Comparación de estrategias de despliegue en Edge versus en la nube.

Preparación de modelos para el despliegue en Edge

  • Selección de modelos y evaluación de línea base.
  • Consideraciones de dependencias y compatibilidad.
  • Exportación de modelos para su optimización adicional.

Técnicas de compresión de modelos

  • Estrategias de poda (pruning) y esparsidad estructural.
  • Compartición de pesos (weight sharing) y reducción de parámetros.
  • Evaluación del impacto de la compresión.

Cuantización para el rendimiento en Edge

  • Métodos de cuantización post-entrenamiento.
  • Flujos de trabajo de entrenamiento consciente de la cuantización (quantization-aware training).
  • Enfoques de INT8, FP16 y precisión mixta.

Aceleración con Nano Banana

  • Uso de aceleradores de Nano Banana.
  • Integración de ONNX y backends de hardware.
  • Benchmarking de la inferencia acelerada.

Despliegue en dispositivos Edge

  • Integración de modelos en aplicaciones embebidas o móviles.
  • Configuración de tiempo de ejecución y monitoreo.
  • Resolución de problemas de despliegue (troubleshooting).

Perfilado de rendimiento y análisis de compensaciones (trade-offs)

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

Mejores prácticas para el mantenimiento de sistemas de IA en Edge

  • Control de versiones y actualizaciones continuas.
  • Reversión de modelos (rollback) y gestión de compatibilidad.
  • Consideraciones de seguridad e integridad.

Resumen y próximos pasos

Requerimientos

  • Comprensión de los flujos de trabajo de aprendizaje automático (machine learning).
  • Experiencia en el desarrollo de modelos basados en Python.
  • Familiaridad con las arquitecturas de redes neuronales.

Público objetivo

  • Ingenieros de ML.
  • Científicos de datos.
  • Practicantes de MLOps.
 14 Horas

Número de participantes


Precio por participante

Reseñas (1)

Próximos cursos

Categorías Relacionadas