Curso de TinyML for IoT Applications
TinyML extiende las capacidades de aprendizaje automático a dispositivos IoT de ultra bajo consumo, lo que permite la inteligencia en tiempo real en el borde.
Esta formación en directo dirigida por un instructor (online u onsite) está dirigida a desarrolladores de IoT, ingenieros embebidos y profesionales de la IA de nivel intermedio que deseen implementar TinyML para mantenimiento predictivo, detección de anomalías y aplicaciones de sensores inteligentes.
Al final de esta formación, los participantes podrán:
- Entender los fundamentos de TinyML y sus aplicaciones en IoT.
- Configurar un entorno de desarrollo TinyML para proyectos de IoT.
- Desarrollar y desplegar modelos de ML en microcontroladores de bajo consumo.
- Implementar mantenimiento predictivo y detección de anomalías utilizando TinyML.
- Optimizar los modelos TinyML para un uso eficiente de la energía y la memoria.
Formato del curso
- Lectura interactiva y discusión.
- Muchas 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, póngase en contacto con nosotros para organizarlo.
Programa del Curso
Introducción a TinyML y IoT
- ¿Qué es TinyML?
- Beneficios de TinyML en aplicaciones IoT
- Comparación de TinyML con AI tradicional basada en la nube
- Resumen de herramientas TinyML: TensorFlow Lite, Edge Impulse
Configurando el entorno TinyML
- Instalación y configuración del IDE Arduino
- Configuración de Edge Impulse para el desarrollo de modelos TinyML
- Conocer los microcontroladores para IoT (ESP32, Arduino, Raspberry Pi Pico)
- Conectar y probar componentes de hardware
Desarrollar modelos Machine Learning para IoT
- Recolectar y procesar datos de sensores IoT
- Construir y entrenar modelos de ML livianos
- Convertir modelos al formato TensorFlow Lite
- Optimizar modelos para limitaciones de memoria y energía
Desplegar modelos de IA en dispositivos IoT
- Flashear y ejecutar modelos de ML en microcontroladores
- Validar el rendimiento del modelo en escenarios IoT del mundo real
- Depurar y optimizar implementaciones de TinyML
Implementación de mantenimiento predictivo con TinyML
- Uso de ML para monitoreo de salud de equipos
- Técnicas de detección de anomalías basadas en sensores
- Desplegar modelos de mantenimiento predictivo en dispositivos IoT
Sensores inteligentes y Edge AI en IoT
- Mejorar las aplicaciones IoT con sensores impulsados por TinyML
- Detección y clasificación de eventos en tiempo real
- Casos de uso: monitoreo ambiental, agricultura inteligente, IoT industrial
Seguridad y optimización en TinyML para IoT
- Privacidad y seguridad de datos en aplicaciones de edge AI
- Técnicas para reducir el consumo de energía
- Tendencias y avances futuros en TinyML para IoT
Resumen y próximos pasos
Requerimientos
- Experiencia en desarrollo de IoT o sistemas embebidos
- Familiaridad con Python o programación C/C++
- Conocimientos básicos de conceptos de aprendizaje automático
- Conocimiento de hardware y periféricos de microcontrolador
Público
- Desarrolladores de IoT
- Ingenieros embebidos
- Profesionales de IA
Los cursos de formación abiertos requieren más de 5 participantes.
Curso de TinyML for IoT Applications - Booking
Curso de TinyML for IoT Applications - Enquiry
TinyML for IoT Applications - Consultas
Consultas
Testimonios (1)
Las habilidades orales y el lado humano del entrenador (Agustín).
Jeremy Chicon - TE Connectivity
Curso - NB-IoT for Developers
Traducción Automática
Próximos cursos
Cursos Relacionados
5G and Edge AI: Enabling Ultra-Low Latency Applications
21 HorasEste entrenamiento en vivo dirigido por un instructor en Guatemala (en línea o en el sitio) está dirigido a profesionales de telecomunicaciones de nivel intermedio, ingenieros de IA y especialistas en IoT que desean explorar cómo las redes 5G aceleran las aplicaciones Edge AI.
Al final de esta capacitación, los participantes podrán:
- Entender los conceptos básicos de la tecnología 5G y su impacto en Edge AI.
- Implementar modelos de IA optimizados para aplicaciones de baja latencia en entornos 5G.
- Implementar sistemas de toma de decisiones en tiempo real utilizando conectividad Edge AI y 5G.
- Optimizar las cargas de trabajo de IA para un rendimiento eficiente en dispositivos perimetrales.
Advanced Edge AI Techniques
14 HorasEsta capacitación en vivo dirigida por un instructor en Guatemala (en línea o en el sitio) está dirigida a profesionales, investigadores y desarrolladores de IA de nivel avanzado que deseen dominar los últimos avances en Edge AI, optimizar sus modelos de IA para la implementación de borde y explorar aplicaciones especializadas en diversas industrias.
Al final de esta capacitación, los participantes serán capaces de:
- Explore técnicas avanzadas en el desarrollo y la optimización de modelos de IA perimetral.
- Implemente estrategias de vanguardia para implementar modelos de IA en dispositivos perimetrales.
- Utilice herramientas y marcos especializados para aplicaciones avanzadas de IA perimetral.
- Optimice el rendimiento y la eficiencia de las soluciones de IA perimetral.
- Explore casos de uso innovadores y tendencias emergentes en Edge AI.
- Aborde las consideraciones éticas y de seguridad avanzadas en las implementaciones de IA perimetral.
Building AI Solutions on the Edge
14 HorasEsta capacitación en vivo dirigida por un instructor en Guatemala (en línea o en el sitio) está dirigida a desarrolladores de nivel intermedio, científicos de datos y entusiastas de la tecnología que deseen adquirir habilidades prácticas en la implementación de modelos de IA en dispositivos periféricos para diversas aplicaciones.
Al final de esta capacitación, los participantes serán capaces de:
- Comprenda los principios de Edge AI y sus beneficios.
- Instalar y configurar el entorno de edge computing.
- Desarrolle, entrene y optimice modelos de IA para la implementación perimetral.
- Implemente soluciones prácticas de IA en dispositivos periféricos.
- Evalúe y mejore el rendimiento de los modelos implementados en el perímetro.
- Aborde las consideraciones éticas y de seguridad en las aplicaciones de IA perimetral.
Building Secure and Resilient Edge AI Systems
21 HorasEsta formación en vivo dirigida por un instructor en Guatemala (en línea o en el sitio) está dirigida a profesionales de ciberseguridad de nivel avanzado, ingenieros de IA y desarrolladores de IoT que desean implementar medidas de seguridad robustas y estrategias de resiliencia para sistemas Edge AI.
Al final de esta capacitación, los participantes podrán:
- Comprender los riesgos de seguridad y las vulnerabilidades en las implementaciones de Edge AI.
- Implementar técnicas de cifrado y autenticación para la protección de datos.
- Diseñar arquitecturas Edge AI resistentes que puedan withstand amenazas cibernéticas.
- Aplicar estrategias de implementación de modelos de IA seguras en entornos perimetrales.
Digital Transformation with IoT and Edge Computing
14 HorasEsta capacitación en vivo dirigida por un instructor en Guatemala (en línea o en el sitio) está dirigida a profesionales de TI de nivel intermedio y gerentes de negocios que deseen comprender el potencial de IoT y edge computing para permitir la eficiencia, el procesamiento en tiempo real y la innovación en diversas industrias.
Al final de esta formación, los participantes serán capaces de:
- Comprender los principios de IoT y edge computing y su papel en la transformación digital.
- Identifique casos de uso de IoT y edge computing en los sectores de fabricación, logística y energía.
- Diferencie entre arquitecturas y escenarios de implementación de computación en el borde y en la nube.
- Implemente soluciones de edge computing para el mantenimiento predictivo y la toma de decisiones en tiempo real.
Edge AI for Agriculture: Smart Farming and Precision Monitoring
21 HorasEste entrenamiento en vivo dirigido por un instructor en Guatemala (en línea o en el sitio) está dirigido a profesionales de agritech de nivel principiante a intermedio, especialistas en IoT e ingenieros en IA que desean desarrollar e implementar soluciones Edge AI para la agricultura inteligente.
Al final de esta capacitación, los participantes podrán:
- Entender el papel de Edge AI en la agricultura de precisión.
- Implementar sistemas de monitoreo de cultivos y ganado impulsados por IA.
- Desarrollar soluciones de riego automatizado y detección ambiental.
- Optimizar la eficiencia agrícola utilizando análisis Edge AI en tiempo real.
Edge AI for IoT Applications
14 HorasEsta capacitación en vivo dirigida por un instructor en Guatemala (en línea o en el sitio) está dirigida a desarrolladores de nivel intermedio, arquitectos de sistemas y profesionales de la industria que deseen aprovechar Edge AI para mejorar las aplicaciones de IoT con capacidades inteligentes de procesamiento y análisis de datos.
Al final de esta capacitación, los participantes serán capaces de:
- Comprenda los fundamentos de Edge AI y su aplicación en IoT.
- Instale y configure entornos de IA perimetral para dispositivos IoT.
- Desarrolle e implemente modelos de IA en dispositivos perimetrales para aplicaciones de IoT.
- Implemente el procesamiento de datos en tiempo real y la toma de decisiones en sistemas IoT.
- Integre la IA perimetral con varios protocolos y plataformas de IoT.
- Aborde las consideraciones éticas y las prácticas recomendadas en Edge AI para IoT.
Edge Computing
7 HorasEsta capacitación en vivo dirigida por un instructor en Guatemala (en línea o presencial) está dirigida a gerentes de producto y desarrolladores que desean usar Edge Computing para descentralizar la administración de datos para un rendimiento más rápido, aprovechando los dispositivos inteligentes ubicados en la red de origen.
Al final de esta formación, los participantes serán capaces de:
- Comprender los conceptos básicos y las ventajas de Edge Computing.
- Identifique los casos de uso y ejemplos en los que se puede aplicar Edge Computing.
- Diseñe y construya Edge Computing soluciones para un procesamiento de datos más rápido y costos operativos reducidos.
Federated Learning in IoT and Edge Computing
14 HorasEsta capacitación en vivo dirigida por un instructor en Guatemala (en línea o presencial) está dirigida a profesionales de nivel intermedio que deseen aplicar Federated Learning para optimizar las soluciones de IoT y edge computing.
Al final de esta formación, los participantes serán capaces de:
- Comprenda los principios y beneficios de Federated Learning en IoT y edge computing.
- Implemente Federated Learning modelos en dispositivos IoT para el procesamiento descentralizado de IA.
- Reduzca la latencia y mejore la toma de decisiones en tiempo real en entornos de edge computing.
- Aborde los desafíos relacionados con la privacidad de los datos y las limitaciones de la red en los sistemas de IoT.
Deploying AI on Microcontrollers with TinyML
21 HorasEste entrenamiento en vivo dirigido por un instructor en Guatemala (en línea o en el lugar) está dirigido a ingenieros de sistemas embebidos y desarrolladores de IA de nivel intermedio que desean implementar modelos de aprendizaje automático en microcontroladores utilizando TensorFlow Lite y Edge Impulse.
Al final de esta capacitación, los participantes podrán:
- Entender los fundamentos de TinyML y sus beneficios para las aplicaciones de inteligencia artificial de borde.
- Configurar un entorno de desarrollo para proyectos de TinyML.
- Entrenar, optimizar e implementar modelos de IA en microcontroladores de bajo consumo.
- Usar TensorFlow Lite y Edge Impulse para implementar aplicaciones TinyML del mundo real.
- Optimizar modelos de IA para la eficiencia energética y las limitaciones de memoria.
NB-IoT para Desarrolladores
7 HorasEn esta capacitación en vivo dirigida por un instructor en Guatemala, los participantes aprenderán sobre los diversos aspectos de NB-IoT (también conocido como LTE Cat NB1) a medida que desarrollan e implementan una aplicación basada en NB-IoT de muestra.
Al final de esta formación, los participantes serán capaces de:
- Identifique los diferentes componentes de NB-IoT y cómo encajar para formar un ecosistema.
- Comprender y explicar las características de seguridad integradas en los dispositivos NB-IoT.
- Desarrolle una aplicación sencilla para rastrear NB-IoT dispositivos.
Setting Up an IoT Gateway with ThingsBoard
35 HorasThingsBoard es una plataforma de IoT de código abierto que ofrece gestión de dispositivos, recopilación de datos, procesamiento y visualización para su solución de IoT.
En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán cómo integrar ThingsBoard en sus soluciones de IoT.
Al final de esta formación, los participantes serán capaces de:
- Instalar y configurar ThingsBoard
- Comprender los fundamentos de ThingsBoard características y arquitectura
- Cree aplicaciones de IoT con ThingsBoard
- Integración ThingsBoard con Kafka para el enrutamiento de datos de dispositivos de telemetría
- Integración ThingsBoard con Apache Spark para la agregación de datos desde múltiples dispositivos
Audiencia
- Ingenieros de software
- Ingenieros de hardware
- Desarrolladores
Formato del curso
- En parte conferencia, en parte discusión, ejercicios y práctica práctica pesada
Nota
- Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertarlo.
Introduction to TinyML
14 HorasEsta formación en línea o presencial dirigida por un instructor en Guatemala está dirigida a ingenieros y científicos de datos principiantes que desean entender los fundamentos de TinyML, explorar sus aplicaciones y desplegar modelos de IA en microcontroladores.
Al final de este entrenamiento, los participantes podrán:
- Entender los fundamentos de TinyML y su importancia.
- Desplegar modelos de IA livianos en microcontroladores y dispositivos periféricos.
- Optimizar y ajustar modelos de aprendizaje automático para un bajo consumo de energía.
- Aplicar TinyML para aplicaciones del mundo real, como reconocimiento de gestos, detección de anomalías y procesamiento de audio.
TinyML: Running AI on Ultra-Low-Power Edge Devices
21 HorasThis instructor-led, live training in Guatemala (online or onsite) is aimed at intermediate-level embedded engineers, IoT developers, and AI researchers who wish to implement TinyML techniques for AI-powered applications on energy-efficient hardware.
By the end of this training, participants will be able to:
- Understand the fundamentals of TinyML and edge AI.
- Deploy lightweight AI models on microcontrollers.
- Optimize AI inference for low-power consumption.
- Integrate TinyML with real-world IoT applications.