Cursos de Edge AI en Cambridge

Este entrenamiento en vivo dirigido por un instructor en Cambridge (en línea o en el sitio) está dirigido a investigadores de IA, científicos de datos y especialistas en seguridad de nivel avanzado que desean implementar técnicas de aprendizaje federado para entrenar modelos de IA en múltiples dispositivos de borde mientras se preserva la privacidad de los datos.

Al final de esta capacitación, los participantes podrán:

• Entender los principios y beneficios del aprendizaje federado en Edge AI.
• Implementar modelos de aprendizaje federado utilizando TensorFlow Federado y PyTorch.
• Optimizar el entrenamiento de IA en dispositivos de borde distribuidos.
• Abordar los desafíos de privacidad de datos y seguridad en el aprendizaje federado.
• Implementar y monitorear sistemas de aprendizaje federado en aplicaciones del mundo real.

Este entrenamiento en vivo dirigido por un instructor en Cambridge (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.

Esta formación en vivo dirigida por un instructor en Cambridge (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.

Esta formación dirigida por un instructor, en vivo, en Cambridge (online u onsite) está dirigida a tecnólogos minoristas de nivel principiante a intermedio, desarrolladores de IA y analistas de negocios que desean aplicar soluciones Edge AI para sistemas de checkout inteligentes, gestión de inventario y engagement personalizado con el cliente.

Al final de esta formación, los participantes podrán:

• Entender cómo Edge AI mejora las operaciones minoristas y la experiencia del cliente.
• Implementar sistemas de pago de checkout inteligente y sin cajero habilitados para IA.
• Optimizar la gestión de inventario con seguimiento y análisis en tiempo real.
• Utilizar visión por computadora e IA para experiencias personalizadas en la tienda.

Este entrenamiento en vivo dirigido por un instructor en Cambridge (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.

This instructor-led, live training in Cambridge (online or onsite) is aimed at intermediate-level embedded AI developers and edge computing specialists who wish to fine-tune and optimize lightweight AI models for deployment on resource-constrained devices.

By the end of this training, participants will be able to:

• Select and adapt pre-trained models suitable for edge deployment.
• Apply quantization, pruning, and other compression techniques to reduce model size and latency.
• Fine-tune models using transfer learning for task-specific performance.
• Deploy optimized models on real edge hardware platforms.

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

Al final de esta capacitación, los participantes podrán:

• Entender los fundamentos de Edge AI y sus aplicaciones en visión por computadora.
• Desplegar modelos de aprendizaje profundo optimizados en dispositivos perimetrales para el análisis de imágenes y videos en tiempo real.
• Usar frameworks como TensorFlow Lite, OpenVINO y NVIDIA Jetson SDK para el despliegue de modelos.
• Optimizar modelos de IA para rendimiento, eficiencia energética y inferencia de baja latencia.

This instructor-led, live training in Cambridge (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.

Esta formación en vivo, impartida por un instructor, en Cambridge (en línea o presencial) está dirigida a ingenieros de robótica de nivel intermedio a avanzado, desarrolladores de IA y especialistas en automatización que desean implementar Edge AI para aplicaciones de robótica.

Al final de esta formación, los participantes podrán:

• Entender el papel de Edge AI en sistemas autónomos.
• Desplegar modelos de IA en dispositivos perimetrales para robótica en tiempo real.
• Optimizar el rendimiento de la IA para la toma de decisiones de baja latencia.
• Integrar visión por computadora y fusión de sensores para la autonomía robótica.

Este entrenamiento en vivo dirigido por un instructor en Cambridge (en línea o en el lugar) está dirigido a ingenieros de IA de nivel avanzado, desarrolladores integrados e ingenieros de hardware que desean implementar modelos de IA en dispositivos de bajo consumo de energía mientras minimizan el consumo de energía.

Al final de esta capacitación, los participantes podrán:

• Comprender los desafíos de ejecutar IA en dispositivos energéticamente eficientes.
• Optimizar redes neuronales para Inferencia de bajo consumo.
• Utilizar técnicas de cuantización, poda y compresión de modelos.
• Implantar modelos de IA en hardware de borde con un consumo de energía mínimo.

Este entrenamiento en vivo dirigido por un instructor en Cambridge (en línea o en el sitio) está dirigido a desarrolladores de IA de nivel intermedio, ingenieros embebidos e ingenieros en robótica que desean optimizar y desplegar modelos de IA en plataformas NVIDIA Jetson para aplicaciones de borde.

Al final de esta capacitación, los participantes podrán:

• Entender los fundamentos de la inteligencia artificial perimetral y el hardware de NVIDIA Jetson.
• Optimizar modelos de inteligencia artificial para su implementación en dispositivos perimetrales.
• Usar TensorRT para acelerar la inferencia de aprendizaje profundo.
• Desplegar modelos de IA usando JetPack SDK y ONNX Runtime.

Esta capacitación en vivo dirigida por un instructor en Cambridge (en línea o en el sitio) está dirigida a desarrolladores de IA de nivel intermedio, ingenieros de aprendizaje automático y arquitectos de sistemas que deseen optimizar los modelos de IA para la implementación en el borde.

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

• Comprenda los desafíos y los requisitos de la implementación de modelos de IA en dispositivos perimetrales.
• Aplique técnicas de compresión de modelos para reducir el tamaño y la complejidad de los modelos de IA.
• Utilice métodos de cuantificación para mejorar la eficiencia del modelo en el hardware perimetral.
• Implemente técnicas de poda y otras técnicas de optimización para mejorar el rendimiento del modelo.
• Implemente modelos de IA optimizados en varios dispositivos perimetrales.

Esta capacitación en vivo dirigida por un instructor en Cambridge (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.

Esta capacitación en vivo dirigida por un instructor en Cambridge (en línea o en el sitio) está dirigida a profesionales de finanzas de nivel intermedio, desarrolladores de tecnología financiera y especialistas en IA que deseen implementar soluciones de IA Edge en servicios financieros.

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

• Comprenda el papel de Edge AI en los servicios financieros.
• Implemente sistemas de detección de fraude utilizando Edge AI.
• Mejore el servicio al cliente a través de soluciones impulsadas por IA.
• Aplique Edge AI para la gestión de riesgos y la toma de decisiones.
• Implemente y gestione soluciones de IA perimetral en entornos financieros.

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

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

• Comprenda el papel de la IA perimetral en la automatización industrial.
• Implemente soluciones de mantenimiento predictivo utilizando Edge AI.
• Aplicar técnicas de IA para el control de calidad en los procesos de fabricación.
• Optimice los procesos industriales utilizando Edge AI.
• Implemente y gestione soluciones de IA perimetral en entornos industriales.

Esta capacitación en vivo dirigida por un instructor en Cambridge (en línea o en el sitio) está dirigida a desarrolladores de nivel intermedio, científicos de datos y profesionales de IA que deseen aprovechar TensorFlow Lite para aplicaciones de IA perimetral.

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

• Comprenda los fundamentos de TensorFlow Lite y su papel en Edge AI.
• Desarrolle y optimice modelos de IA con TensorFlow Lite.
• Implemente TensorFlow modelos Lite en varios dispositivos perimetrales.
• Utilice herramientas y técnicas para la conversión y optimización de modelos.
• Implemente aplicaciones prácticas de IA perimetral con TensorFlow Lite.

Esta capacitación en vivo dirigida por un instructor en Cambridge (en línea o en el sitio) está dirigida a planificadores urbanos de nivel intermedio, ingenieros civiles y gerentes de proyectos de ciudades inteligentes que deseen aprovechar Edge AI para iniciativas de ciudades inteligentes.

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

• Comprenda el papel de la IA perimetral en las infraestructuras de las ciudades inteligentes.
• Implemente soluciones de IA perimetral para la gestión y vigilancia del tráfico.
• Optimice los recursos urbanos utilizando tecnologías Edge AI.
• Integre Edge AI con los sistemas de ciudades inteligentes existentes.
• Abordar las consideraciones éticas y regulatorias en las implementaciones de ciudades inteligentes.

Esta capacitación en vivo dirigida por un instructor en Cambridge (en línea o en el sitio) está dirigida a profesionales de ciberseguridad de nivel intermedio, administradores de sistemas e investigadores de ética de IA que deseen proteger e implementar éticamente soluciones de IA perimetrales.

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

• Comprenda los desafíos de seguridad y privacidad en Edge AI.
• Implemente las mejores prácticas para proteger los dispositivos y los datos perimetrales.
• Desarrolle estrategias para mitigar los riesgos de seguridad en las implementaciones de IA perimetral.
• Abordar las consideraciones éticas y garantizar el cumplimiento de las regulaciones.
• Realice evaluaciones y auditorías de seguridad para las aplicaciones de IA perimetral.

Esta capacitación en vivo dirigida por un instructor en Cambridge (en línea o en el sitio) está dirigida a ingenieros de robótica de nivel intermedio, desarrolladores de vehículos autónomos e investigadores de IA que deseen aprovechar Edge AI para soluciones innovadoras de sistemas autónomos.

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

• Comprenda el papel y los beneficios de Edge AI en los sistemas autónomos.
• Desarrolle e implemente modelos de IA para el procesamiento en tiempo real en dispositivos perimetrales.
• Implemente soluciones de IA perimetral en vehículos autónomos, drones y robótica.
• Diseñe y optimice sistemas de control utilizando Edge AI.
• Abordar las consideraciones éticas y normativas en las aplicaciones autónomas de IA.

Esta capacitación en vivo dirigida por un instructor en Cambridge (en línea o presencial) está dirigida a profesionales de la salud de nivel intermedio, ingenieros biomédicos y desarrolladores de IA que deseen aprovechar Edge AI para soluciones innovadoras de atención médica.

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

• Comprenda el papel y los beneficios de Edge AI en la atención médica.
• Desarrolle e implemente modelos de IA en dispositivos perimetrales para aplicaciones sanitarias.
• Implemente soluciones de IA perimetral en dispositivos portátiles y herramientas de diagnóstico.
• Diseñe e implemente sistemas de monitorización de pacientes utilizando Edge AI.
• Aborde las consideraciones éticas y normativas en las aplicaciones de IA sanitaria.

Esta capacitación en vivo dirigida por un instructor en Cambridge (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.

Esta capacitación en vivo dirigida por un instructor en Cambridge (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.

Este entrenamiento en vivo dirigido por instructores en Cambridge (en línea o en el lugar) está dirigido a desarrolladores de IoT de nivel intermedio, ingenieros embebidos y practicantes de IA que desean implementar TinyML para mantenimiento predictivo, detección de anomalías y aplicaciones de sensores inteligentes.

Al final de esta capacitación, los participantes podrán:

• Entender los fundamentos de TinyML y sus aplicaciones en IoT.
• Configurar un entorno de desarrollo de 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 modelos TinyML para un uso eficiente de energía y memoria.

Esta capacitación en vivo dirigida por un instructor en Cambridge (en línea o en el sitio) está dirigida a desarrolladores de nivel intermedio y profesionales de TI que deseen obtener una comprensión integral de Edge AI desde el concepto hasta la implementación práctica, incluida la configuración y la implementación.

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

• Comprender los conceptos fundamentales de Edge AI.
• Instale y configure entornos de IA perimetral.
• Desarrolle, entrene y optimice modelos de IA perimetral.
• Implemente y administre aplicaciones de IA perimetral.
• Integre la IA perimetral con los sistemas y flujos de trabajo existentes.
• Aborde las consideraciones éticas y las mejores prácticas en la implementación de Edge AI.

Este entrenamiento en vivo dirigido por un instructor en Cambridge (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.

Las unidades MLU de Cambricon (Machine Learning) son chips especializados en IA optimizados para inferencia y entrenamiento en escenarios de borde y centros de datos.

Esta formación en vivo dirigida por un instructor (en línea o presencial) está destinada a desarrolladores intermedios que desean construir y desplegar modelos de IA utilizando el marco BANGPy y el SDK Neuware en hardware MLU de Cambricon.

Al finalizar esta formación, los participantes podrán:

• Configurar y configurar los entornos de desarrollo de BANGPy y Neuware.
• Desarrollar y optimizar modelos basados en Python y C++ para las unidades MLU de Cambricon.
• Desplegar modelos a dispositivos de borde y centros de datos que ejecutan el tiempo de ejecución Neuware.
• Integrar flujos de trabajo de IA con características de aceleración específicas de MLU.

Formato del Curso

• Conferencia interactiva y discusión.
• Uso práctico de BANGPy y Neuware para desarrollo y despliegue.
• Ejercicios guiados enfocados en optimización, integración y pruebas.

Opciones de Personalización del Curso

• Para solicitar una formación personalizada basada en el modelo de dispositivo Cambricon o caso de uso específico, contáctenos para organizarlo.

Esta capacitación en vivo dirigida por un instructor en Cambridge (en línea o presencial) está dirigida a desarrolladores de nivel principiante y profesionales de TI que deseen comprender los fundamentos de Edge AI y sus aplicaciones introductorias.

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

• Comprender los conceptos básicos y la arquitectura de Edge AI.
• Instalar y configurar entornos Edge AI.
• Desarrolle e implemente aplicaciones sencillas Edge AI.
• Identifique y comprenda los casos de uso y los beneficios de Edge AI.