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
Trabajo con las API 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 IA en Android
- Estrategias para lograr una inferencia de baja latencia
- Técnicas de gestión de memoria y recursos
- Enfoques de evaluación comparativa (benchmarking) y herramientas de optimización
Diseño de experiencias de usuario impulsadas por IA
- Implementación de interacciones con la interfaz de usuario (UI) responsivas
- Manejo de tareas asíncronas y devoluciones de llamada (callbacks)
- Alineación de los comportamientos de IA con las directrices de UX de Android
Seguridad y privacidad en la IA en el dispositivo
- Garantía del manejo seguro de los datos del usuario
- Técnicas para realizar inferencias que preserven la privacidad
- Consideraciones de cumplimiento normativo para despliegues empresariales
Despliegue 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 posterior al despliegue
Casos de uso avanzados e integraciones
- Combinación de Nano Banana con herramientas existentes de ML para Android
- Implementación de características de IA multimodal
- Ampliación de aplicaciones mediante modelos ligeros personalizados
Resumen y próximos pasos
Requerimientos
- Comprensión de los fundamentos de las aplicaciones de Android
- Experiencia con Kotlin o Java
- Familiaridad básica con flujos de trabajo de depuración de aplicaciones móviles
Público objetivo
- Desarrolladores de Android que crean aplicaciones mejoradas con IA
- Ingenieros de software que exploran flujos de trabajo de aprendizaje automático (ML) en el dispositivo
- Equipos técnicos que evalúan el despliegue 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