Temario del curso
Introducción a la optimización de la IA periférica
- Visión general de la IA periférica y sus desafíos.
- Importancia de la optimización de modelos para dispositivos perimetrales.
- Estudios de casos de modelos de IA optimizados en aplicaciones periféricas.
Técnicas de compresión de modelos
- Introducción a la compresión de modelos.
- Técnicas para reducir el tamaño del modelo.
- Ejercicios prácticos de compresión de modelos.
Métodos de cuantización
- Visión general de la cuantización y sus beneficios.
- Tipos de cuantización (cuantización posterior al entrenamiento, entrenamiento consciente de la cuantización).
- Ejercicios prácticos de cuantización de modelos.
Poda y otras técnicas de optimización
- Introducción a la poda.
- Métodos para podar modelos de IA.
- Otras técnicas de optimización (por ejemplo, distilación del conocimiento).
- Ejercicios prácticos de poda y optimización de modelos.
Implementación de modelos optimizados en dispositivos perimetrales
- Preparación del entorno del dispositivo periférico.
- Despliegue y prueba de modelos optimizados.
- Resolución de problemas durante la implementación.
- Ejercicios prácticos de despliegue de modelos.
Herramientas y marcos de trabajo para la optimización
- Visión general de las herramientas y marcos de trabajo (por ejemplo, TensorFlow Lite, ONNX).
- Uso de TensorFlow Lite para la optimización de modelos.
- Ejercicios prácticos con herramientas de optimización.
Aplicaciones del mundo real y estudios de casos
- Revisión de proyectos exitosos de optimización de IA periférica.
- Discusión de casos de uso específicos de la industria.
- Proyecto práctico para construir y optimizar una aplicación del mundo real.
Resumen y próximos pasos
Requerimientos
- Comprender los conceptos de inteligencia artificial y aprendizaje automático.
- Experiencia previa en el desarrollo de modelos de IA.
- Habilidades básicas de programación (se recomienda Python).
Público objetivo
- Desarrolladores de IA.
- Ingenieros de aprendizaje automático.
- Arquitectos de sistemas.
Reseñas (2)
Fomentar la repetición en la construcción de indicaciones (prompts) entre quienes nunca han utilizado la IA, y animar a los usuarios experimentados a considerar métodos alternativos para su uso.
Matthew Gay - Tarsus Pharmaceuticals
Curso - Artificial Intelligence (AI) Overview
Traducción Automática
Trabajando desde principios fundamentales de manera enfocada y pasando a aplicar estudios de caso en el mismo día
Maggie Webb - Department of Jobs, Regions, and Precincts
Curso - Artificial Neural Networks, Machine Learning, Deep Thinking
Traducción Automática
