TinyML y Machine Learning Embebido: De Sensores al Despliegue

A medida que los dispositivos se vuelven más pequeños y se integran más en nuestra vida diaria, la capacidad de procesar datos localmente en microcontroladores se está volviendo esencial. Este curso te introduce a la intersección del hardware y la inteligencia artificial, proporcionando un camino claro hacia el creciente campo de TinyML. Pasarás de comprender los componentes de hardware básicos al despliegue de modelos funcionales de machine learning que interpretan señales del mundo real directamente en el edge. A través de explicaciones escritas y ejercicios estructurados, adquirirás las habilidades necesarias para transformar la entrada bruta de sensores en inteligencia procesable sin depender de la conectividad en la nube. Al final de este curso, podrás diseñar e implementar modelos eficientes adaptados a entornos con recursos limitados. Lo que aprenderás: - Comprender los principios centrales de los sistemas embebidos y la arquitectura de hardware de bajo consumo - Aplicar técnicas de procesamiento de señales para interpretar datos brutos de micrófonos y acelerómetros - Construir modelos de machine learning optimizados para microcontroladores y hardware móvil - Practicar la cuantización y optimización de modelos para reducir las huellas de memoria y almacenamiento - Desplegar un sistema de detección de eventos acústicos para reconocer patrones de sonido específicos - Implementar estrategias de inferencia eficientes en cuanto a energía para la operación sostenible del dispositivo El curso comienza con terminología esencial y conceptos básicos de hardware antes de pasar a la recopilación de datos, el entrenamiento de modelos y las restricciones específicas de la computación en el edge. Concluirás aplicando tus conocimientos a un proyecto centrado en la clasificación de eventos acústicos del mundo real. Este curso está diseñado para principiantes interesados en la intersección del hardware y la IA; no se requiere experiencia previa en sistemas embebidos o machine learning. Comienza a construir dispositivos edge inteligentes hoy mismo.