Cursos de Edge AI en Quito

Esta formación práctica impartida por instructores en <ubicación> (en línea o presencial) está dirigida a investigadores de IA avanzados, científicos de datos y especialistas en seguridad que deseen implementar técnicas de aprendizaje federado para entrenar modelos de IA en múltiples dispositivos de borde preservando la privacidad de los datos.

Al finalizar esta formación, los participantes serán capaces de:

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

Esta formación en vivo con instrucción presencial en Quito (en línea o in situ) está dirigida a profesionales de agrotecnología de nivel principiante a intermedio, especialistas en IoT e ingenieros de IA que deseen desarrollar e implementar soluciones de IA en el borde para la agricultura inteligente.

Al finalizar esta capacitación, los participantes podrán:

• Comprender el papel de la IA en el borde en la agricultura de precisión.
• Implementar sistemas de monitoreo de cultivos y ganado impulsados por inteligencia artificial.
• Desarrollar soluciones de riego automatizado y sensores ambientales.
• Optimizar la eficiencia agrícola utilizando análisis de IA en el borde en tiempo real.

Esta formación en vivo impartida por un instructor en Quito (en línea o presencial) está dirigida a profesionales de ciberseguridad de nivel avanzado, ingenieros de IA y desarrolladores de IoT que desean implementar medidas de seguridad sólidas y estrategias de resiliencia para sistemas de IA en el borde.

Al finalizar esta formación, los participantes podrán:

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

Esta capacitación en vivo con instructor en Quito (en línea o presencial) está dirigida a tecnólogos minoristas, desarrolladores de IA y analistas de negocios de nivel principiante e intermedio que desean aplicar soluciones de IA en el borde para sistemas de pago inteligente, gestión de inventario y personalización de la experiencia del cliente.

Al finalizar esta capacitación, los participantes serán capaces de:

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

Esta formación en vivo con instructor en Quito (en línea o presencial) está dirigida a profesionales de telecomunicaciones de nivel intermedio, ingenieros de IA y especialistas en IoT que deseen explorar cómo las redes 5G aceleran las aplicaciones de IA en el borde.

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

• Comprender los fundamentos de la tecnología 5G y su impacto en la IA 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 IA en el borde y conectividad 5G.
• Optimizar cargas de trabajo de IA para un rendimiento eficiente en dispositivos del borde.

Esta formación práctica, impartida por un instructor en Quito (en línea o presencial), está dirigida a desarrolladores de IA embebida y especialistas en computación perimetral de nivel intermedio que deseen realizar ajuste fino y optimizar modelos de IA ligeros para su despliegue en dispositivos con recursos limitados.

Al finalizar esta formación, los participantes podrán:

• Seleccionar y adaptar modelos previamente entrenados adecuados para el despliegue en el borde.
• Aplicar cuantización, poda y otras técnicas de compresión para reducir el tamaño del modelo y la latencia.
• Realizar ajuste fino de modelos utilizando aprendizaje por transferencia para obtener un rendimiento específico para la tarea.
• Desplegar modelos optimizados en plataformas de hardware perimetral reales.

Esta formación en vivo dirigida por un instructor en Quito (en línea o presencial) está dirigida a ingenieros de visión por computadora de nivel intermedio a avanzado, desarrolladores de IA y profesionales del IoT que desean implementar y optimizar modelos de visión por computadora para el procesamiento en tiempo real en dispositivos periféricos.

Al finalizar esta formación, los participantes podrán:

• Comprender los fundamentos de la IA en el borde y sus aplicaciones en visión por computadora.
• Implementar modelos optimizados de aprendizaje profundo en dispositivos periféricos para el análisis de imágenes y videos en tiempo real.
• Utilizar frameworks como TensorFlow Lite, OpenVINO y NVIDIA Jetson SDK para la implementación de modelos.
• Optimizar los modelos de IA para el rendimiento, la eficiencia energética y una inferencia de baja latencia.

Esta formación en vivo, impartida por un instructor en <ubic> (en línea o presencial), está dirigida a ingenieros de sistemas embebidos intermedios, desarrolladores de IoT e investigadores de IA que desean implementar técnicas de TinyML para aplicaciones potenciadas por inteligencia artificial en hardware energéticamente eficiente.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender los fundamentos de TinyML y la IA en el borde (edge AI).
• Desplegar modelos ligeros de IA 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 impartida por un instructor en <ubicación> (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 robóticas.

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 la toma de decisiones de baja latencia.
• Integrar la visión por computadora y la fusión de sensores para la autonomía robótica.

Agentes en el Edge y Ligeros es un curso práctico centrado en la implementación de cargas de trabajo de IA agéntica en dispositivos con recursos limitados. Los participantes aprenden a construir, optimizar y gestionar agentes ligeros capaces de razonar e inferir localmente, mejorando la velocidad, la privacidad y la fiabilidad en entornos distribuidos. El curso hace hincapié en el ajuste del rendimiento, el diseño de baja latencia y la integración entre hardware y software.

Esta formación presencial impartida por un instructor (en línea o en las instalaciones) está dirigida a profesionales de nivel intermedio que deseen implementar y optimizar sistemas agénticos en dispositivo mediante Python y marcos de trabajo de IA en el Edge.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender la arquitectura y los desafíos de ejecutar IA agéntica en dispositivos edge.
• Diseñar bucles de agente ligeros adecuados para entornos con restricciones.
• Implementar inferencia local utilizando TensorFlow Lite, PyTorch Mobile y ONNX.
• Integrar agentes con sensores, actuadores y plataformas de IoT.
• Optimizar el rendimiento, el consumo energético y la latencia para una operación en tiempo real.

Formato del Curso

• Clase interactiva 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 concertar los detalles.

Esta formación en vivo impartida por instructores en <ubicación> (en línea o presencial) está dirigida a ingenieros de IA de nivel avanzado, desarrolladores de sistemas integrados e ingenieros de hardware que desean implementar modelos de IA en dispositivos de bajo consumo minimizando al mismo tiempo el gasto energético.

Al finalizar esta formación, los participantes podrán:

• Comprender los desafíos de ejecutar IA en dispositivos eficientes energéticamente.
• Optimizar redes neuronales para la inferencia de bajo consumo.
• Utilizar técnicas de cuantización, poda y compresión de modelos.
• Implementar modelos de IA en hardware periférico con un uso mínimo de energía.

Esta formación en vivo impartida por un instructor en Quito (en línea o presencial) está dirigida a desarrolladores de IA y ingenieros embebidos o de robótica de nivel intermedio que deseen optimizar e implementar modelos de IA en plataformas NVIDIA Jetson para aplicaciones edge.

Al finalizar esta formación, los participantes podrán:

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

Esta formación práctica impartida por un instructor en Quito (en línea o presencial) está dirigida a desarrolladores de IA de nivel intermedio, ingenieros de aprendizaje automático y arquitectos de sistemas que desean optimizar sus modelos de IA para su implementación en el borde.

Al finalizar esta formación, los participantes serán capaces de:

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

Esta formación en vivo impartida por un instructor en <ubicación> (en línea o presencial) está dirigida a desarrolladores de nivel intermedio, científicos de datos y entusiastas de la tecnología que desean adquirir habilidades prácticas para desplegar modelos de IA en dispositivos de borde para diversas aplicaciones.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender los principios de la IA en el borde 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 de borde.
• Evaluar y mejorar el rendimiento de los modelos desplegados en el borde.
• Abordar consideraciones éticas y de seguridad en aplicaciones de IA en el borde.

Esta formación en vivo con instructores en Quito (en línea o presencial) está dirigida a profesionales de 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 capacitación, 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.
• Implementar y gestionar soluciones de IA en el borde en entornos financieros.

Esta formación en vivo impartida por un instructor en Quito (en línea o presencial) está dirigida a ingenieros industriales de nivel intermedio, profesionales de la fabricación y desarrolladores de IA que deseen implementar soluciones de IA en el borde en la automatización industrial.

Al finalizar esta capacitación, los participantes serán capaces de:

• 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 los procesos de fabricación.
• Optimizar los procesos industriales mediante IA en el borde.
• Desplegar y gestionar soluciones de IA en el borde en entornos industriales.

La IA en el borde consiste en desplegar modelos de inteligencia artificial directamente en dispositivos y máquinas en el extremo de la red, lo que permite la toma de decisiones en tiempo real con una latencia mínima.

Esta formación presencial impartida por un instructor (en línea o in situ) está dirigida a profesionales avanzados de sistemas embebidos e IoT que deseen implementar lógica y sistemas de control basados en IA en entornos de fabricación, donde la velocidad, la fiabilidad y el funcionamiento fuera de línea son críticos.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender la arquitectura y las ventajas de los sistemas de IA en el borde.
• 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 del borde con sensores, actuadores y protocolos industriales.

Formato del curso

• Charlas interactivas y debates.
• Numerosos ejercicios y prácticas.
• Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

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

Esta formación en vivo dirigida por un instructor en Quito (en línea o presencial) está orientada a desarrolladores y científicos de datos de nivel intermedio, así como a profesionales de la IA que deseen aprovechar TensorFlow Lite para aplicaciones de IA de borde.

Al finalizar esta formación, los participantes podrán:

• Comprender los fundamentos de TensorFlow Lite y su papel en la IA de 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 de borde usando TensorFlow Lite.

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

Al finalizar esta capacitación, los participantes serán capaces de:

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

Esta formación impartida por un instructor en Quito (en línea o presencial) está dirigida a profesionales de ciberseguridad de nivel intermedio, administradores de sistemas e investigadores de ética en IA que deseen asegurar y desplegar soluciones de IA en el borde de manera ética.

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

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

Esta formación en vivo, impartida por un instructor en Quito (en línea o presencial), está dirigida a ingenieros de robótica de nivel intermedio, desarrolladores de vehículos autónomos e investigadores de IA que deseen aprovechar la IA en el borde para crear soluciones innovadoras para sistemas autónomos.

Al finalizar esta formación, los participantes serán capaces de:

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

Esta formación en directo, impartida por un instructor en Quito (en línea o presencial), está dirigida a profesionales sanitarios de nivel intermedio, ingenieros biomédicos y desarrolladores de IA que deseen aprovechar la IA en el borde para crear soluciones innovadoras en el ámbito sanitario.

Al finalizar esta formación, los participantes podrán:

• Comprender el papel y los beneficios de la IA en el borde en el sector sanitario.
• Desarrollar e implementar modelos de IA en dispositivos periféricos para aplicaciones sanitarias.
• Implementar soluciones de IA en el borde en dispositivos portátiles y herramientas de diagnóstico.
• Diseñar e implementar sistemas de monitorización de pacientes utilizando IA en el borde.
• Abordar las consideraciones éticas y regulatorias en las aplicaciones de IA para la salud.

Edge AI permite que los modelos de inteligencia artificial se ejecuten directamente en dispositivos integrados o con recursos limitados, reduciendo la latencia y el consumo de energía, mientras aumenta la autonomía y la privacidad en los sistemas robóticos.

Esta formación en vivo con instructores (en línea o presencial) está dirigida a desarrolladores de nivel intermedio en sistemas integrados e ingenieros de robótica que deseen implementar técnicas de inferencia y optimización de aprendizaje automático directamente en el hardware robótico utilizando TinyML y marcos de edge AI.

Al finalizar esta formación, los participantes serán capaces de:

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

Formato del Curso

• Clase magistral interactiva y discusión.
• Práctica manual utilizando cadenas de herramientas de TinyML y edge AI.
• Ejercicios prácticos en plataformas de hardware integradas y robóticas.

Opciones de Personalización del Curso

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

6G y el Borde Inteligente es un curso prospectivo que explora la integración de tecnologías inalámbricas 6G con computación en el borde, ecosistemas del Internet de las Cosas (IoT) y procesamiento de datos impulsado por inteligencia artificial para soportar infraestructuras inteligentes, de baja latencia y adaptativas.

Esta formación en vivo impartida por instructores (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 y del IoT.
• Diseñar sistemas distribuidos para operaciones autónomas, con alta capacidad de ancho de banda y ultra baja latencia.
• Integrar inteligencia artificial y análisis de datos en el borde para la toma de decisiones inteligente.
• Planificar infraestructuras listas para 6G, escalables, seguras y resilientes en el borde.
• Evaluar modelos comerciales y operativos habilitados por la convergencia entre 6G y el borde.

Formato del Curso

• Conferencias interactivas y discusiones.
• Estudios de casos y ejercicios prácticos de diseño de arquitecturas.
• Simulación práctica con herramientas opcionales de borde o contenedores.

Opciones de Personalización del Curso

• Para solicitar una capacitación personalizada para este curso, por favor contáctenos para coordinar los detalles.

Esta formación impartida por instructores, en vivo Quito (en línea o presencial), está dirigida a profesionales de la IA a nivel avanzado, investigadores y desarrolladores que desean dominar los últimos avances en IA en el edge, optimizar sus modelos de IA para su implementación en dispositivos de borde y explorar aplicaciones especializadas en diversas industrias.

Al finalizar esta formación, los participantes serán capaces de:

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

El toolkit Ascend CANN de Huawei permite una potente inferencia de IA en dispositivos de borde, como el Ascend 310. CANN proporciona herramientas esenciales para compilar, optimizar y desplegar modelos en entornos con recursos de cómputo 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 implementar y optimizar modelos en dispositivos de borde Ascend utilizando la cadena de herramientas CANN.

Al finalizar esta formación, los participantes serán capaces de:

• 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.
• Implementar y monitorear aplicaciones de IA en casos de uso reales en dispositivos de borde.

Formato del curso

• Conferencia interactiva y demostraciones prácticas.
• Trabajo de laboratorio con modelos y escenarios específicos para dispositivos de 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, contáctenos para organizarla.

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

Al finalizar esta formación, los participantes serán capaces de:

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

Esta formación práctica y guiada por un instructor en <ubicación> (en línea o presencial) está dirigida a desarrolladores de IoT de nivel intermedio, ingenieros integrados y profesionales de IA que deseen implementar TinyML para mantenimiento predictivo, detección de anomalías y aplicaciones de 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.
• Implementar mantenimiento predictivo y detección de anomalías utilizando TinyML.
• Optimizar los modelos de TinyML para un uso eficiente de la energía y la memoria.

Esta formación práctica, impartida por un instructor, en Quito (en línea o presencial), está dirigida a desarrolladores y profesionales de TI de nivel intermedio que desean obtener una comprensión integral de la IA en el borde, desde su concepto hasta su implementación práctica, incluyendo la configuración y el despliegue.

Al finalizar esta formación, los participantes serán capaces de:

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

Esta formación en vivo, impartida por instructores, en Quito (en línea o presencial), está dirigida a ingenieros de sistemas integrados 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 perimetral.
• 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 los modelos de IA para mejorar la eficiencia energética y superar las limitaciones de memoria.

Las unidades de aprendizaje profundo (MLUs, por sus siglas en inglés) de Cambricon son chips de IA especializados, optimizados para inferencia y entrenamiento en escenarios de borde y centros de datos.

Esta formación en vivo con instructor (en línea o presencial) está dirigida a desarrolladores de nivel intermedio que desean crear e implementar modelos de IA utilizando el marco de trabajo BANGPy y el SDK de Neuware en hardware Cambricon MLU.

Al finalizar esta formación, los participantes podrán:

• Configurar y preparar los entornos de desarrollo para BANGPy y Neuware.
• Desarrollar y optimizar modelos basados en Python y C++ para MLUs de Cambricon.
• Implementar modelos en dispositivos de borde y centros de datos que ejecutan el tiempo de ejecución de Neuware.
• Integrar flujos de trabajo de aprendizaje automático con características de aceleración específicas para MLU.

Formato del curso

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

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso según el modelo de dispositivo Cambricon o caso de uso, contáctenos para coordinar los detalles.

Esta formación en vivo con instructor en Quito (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 introductorias.

Al finalizar esta formación, los participantes podrán:

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