Programa del Curso

Introducción a Edge AI in Autonomous Systems

  • Visión general de Edge AI y su importancia en los sistemas autónomos
  • Principales ventajas y desafíos de la implementación de Edge AI en sistemas autónomos
  • Tendencias e innovaciones actuales en Edge AI para la autonomía
  • Aplicaciones en el mundo real y estudios de casos

Procesamiento en tiempo real en sistemas autónomos

  • Fundamentos del procesamiento de datos en tiempo real
  • Modelos de IA para la toma de decisiones en tiempo real
  • Manejo de flujos de datos y fusión de sensores
  • Ejemplos prácticos y casos prácticos

Edge AI en vehículos autónomos

  • Modelos de IA para la percepción y el control de vehículos
  • Desarrollo e implementación de soluciones de IA para la navegación en tiempo real
  • Integración de Edge AI con sistemas de control de vehículos
  • Casos prácticos de Edge AI en vehículos autónomos

IA perimetral en drones

  • Modelos de IA para la percepción de drones y el control de vuelo
  • Procesamiento de datos en tiempo real y toma de decisiones en drones
  • Implementación de Edge AI para el vuelo autónomo y la evitación de obstáculos
  • Ejemplos prácticos y casos prácticos

IA perimetral en Robotics

  • Modelos de IA para la percepción y manipulación robótica
  • Procesamiento y control en tiempo real en sistemas robóticos
  • Integración de la IA perimetral con arquitecturas de control robótico
  • Casos prácticos de Edge AI en robótica

Desarrollo de modelos de IA para aplicaciones autónomas

  • Descripción general de los modelos relevantes de aprendizaje automático y aprendizaje profundo
  • Entrenamiento y optimización de modelos para la implementación perimetral
  • Herramientas y marcos para Edge AI autónomo (TensorFlow Lite, ROS, etc.)
  • Validación y evaluación de modelos en entornos autónomos

Implementación de soluciones de IA perimetral en sistemas autónomos

  • Pasos para implementar modelos de IA en varios hardware perimetral
  • Procesamiento e inferencia de datos en tiempo real en dispositivos perimetrales
  • Supervisión y gestión de modelos de IA implementados
  • Ejemplos prácticos de implementación y estudios de casos

Consideraciones éticas y reglamentarias

  • Garantizar la seguridad y la fiabilidad en los sistemas autónomos de IA
  • Abordar el sesgo y la equidad en los modelos autónomos de IA
  • Cumplimiento de normativas y estándares en sistemas autónomos
  • Mejores prácticas para la implementación responsable de IA en sistemas autónomos

Evaluación y optimización del rendimiento

  • Técnicas para evaluar el rendimiento de los modelos en sistemas autónomos
  • Herramientas para la supervisión y depuración en tiempo real
  • Estrategias para optimizar el rendimiento de los modelos de IA en aplicaciones autónomas
  • Abordar los desafíos de latencia, confiabilidad y escalabilidad

Innovadores Use Cases y aplicaciones

  • Aplicaciones avanzadas de Edge AI en sistemas autónomos
  • Estudios de casos en profundidad en varios dominios autónomos
  • Casos de éxito y lecciones aprendidas
  • Tendencias y oportunidades futuras en Edge AI para la autonomía

Proyectos y ejercicios prácticos

  • Desarrollo de una aplicación integral de Edge AI para un sistema autónomo
  • Proyectos y escenarios del mundo real
  • Ejercicios grupales colaborativos
  • Presentaciones y comentarios del proyecto

Resumen y próximos pasos

Requerimientos

  • Comprensión de los conceptos de IA y aprendizaje automático
  • Experiencia con lenguajes de programación (Python recomendado)
  • Familiaridad con la robótica, los sistemas autónomos o las tecnologías relacionadas

Audiencia

  • Robotics Ingenieros
  • Desarrolladores de vehículos autónomos
  • Investigadores de IA
 14 Horas

Número de participantes


Precio por Participante​

Próximos cursos

Categorías Relacionadas