Skip to main content

Machine Learning en Sistemas Embebidos


Baylor
Enrollment is Closed

Acerca del curso

¿Qué sabes sobre TinyML? Tiny Machine Learning (TinyML) es una de las áreas de Deep Learning de más rápido crecimiento y se está volviendo más accesible rápidamente. Este curso proporciona una base para que comprenda este campo emergente.

TinyML se encuentra en la intersección de aplicaciones, algoritmos, hardware y software integrados de aprendizaje automático (ML). TinyML se diferencia del aprendizaje automático convencional (por ejemplo, servidor y nube) en que no solo requiere experiencia en software, sino también en hardware integrado.

El primer curso de la serie TinyML Certificate, Fundamentals of TinyML, se centrará en los conceptos básicos del aprendizaje automático, el aprendizaje profundo y los dispositivos y sistemas integrados, como los teléfonos inteligentes y otros dispositivos pequeños. A lo largo del curso, aprenderá técnicas de ciencia de datos para recopilar datos y desarrollará una comprensión de los algoritmos de aprendizaje para entrenar modelos básicos de aprendizaje automático. Al final de este curso, podrá comprender el "lenguaje" detrás de TinyML y estar listo para sumergirse en la aplicación de TinyML en cursos futuros.

Siguiendo Fundamentos de TinyML, los otros cursos del programa TinyML Professional Certificate le permitirán ver el código detrás de las aplicaciones Tiny ML ampliamente utilizadas, como dispositivos diminutos y teléfonos inteligentes, e implementar el código en su propio dispositivo físico TinyML. Fundamentals of TinyML proporciona una introducción a TinyML y no es un requisito previo para las aplicaciones de TinyML o la implementación de TinyML para aquellos con suficiente experiencia en aprendizaje automático y sistemas integrados.

Requisitos

El plan de estudios en línea está diseñado para ser muy accesible. Asumimos que no tenemos experiencia en aprendizaje automático o sistemas integrados. Esperamos que completar el curso con éxito requerirá entre 60 y 70 horas.

Personal del curso

Course Staff Image #1

Dr. Pablo Rivas

pablorp@latinxinai.org

El Dr. Pablo Rivas es profesor asistente de ciencias de la computación en la Universidad de Baylor en Texas e instructor principal del grupo Baylor AI . Trabajó en la industria durante una década como ingeniero de software antes de convertirse en académico. Es miembro senior de IEEE, ACM y SIAM. Anteriormente estuvo en el Centro de Vuelo Espacial Goddard de la NASA realizando investigaciones. Es un aliado de las mujeres en la tecnología, un evangelista del aprendizaje profundo, un especialista en ética del aprendizaje automático y un defensor de la democratización del aprendizaje automático y la inteligencia artificial en general. Enseña aprendizaje automático y aprendizaje profundo. El Dr. Rivas es un autor publicado y todos sus artículos están relacionados con el aprendizaje automático, la visión por computadora y la ética del aprendizaje automático. El Dr. Rivas prefiere Vim a Emacs y espacios a tabulaciones.

Course Staff Image #1

Dr. Javier Orduz

javierod@latinxinai.org

El Dr. Javier Orduz es un becario de investigación en ciencias de la computación en la Universidad de Baylor en Texas. Trabajó en la UNAM (México) durante cinco años como Postdoctoral y Profesor Asociado antes de llegar a Estados Unidos y trabajar con el Dr. Erich Baker y el Dr. Pablo Rivas. También coordina QMexico , una comunidad académica interesada en promover la Computación Cuántica en América Latina. Participa como Investigador Científico en Baylor AI , grupo liderado por el Dr. Rivas, es mentor en la comunidad LatinX , y tiene experiencia en la docencia. e investigando el aprendizaje automático cuántico, la computación cuántica, el aprendizaje automático y la física de altas energías. El Dr. Orduz es un apasionado de las Matemáticas, la Física y la Computación, y promueve la ciencia en América Latina con un alto interés en la tecnología. JO disfruta leyendo libros continuamente y escuchando música.

Course Staff Image #2

Dr. Graciela Ramirez Alonso

gracielar@latinxinai.org

La Dra. Graciela Ramirez es profesora de la Universidad Autónoma de Chihuahua, México en el área de Ing. en Ciencias de la Computación, Ing. en Sistemas Computacionales HW, Ing. Física y Maestría en Ingeniería en Computación. Del 2005 al 2012 trabajó en la Industria Automotriz como Ingeniera de Producto. Actualmente es miembro del Sistema Nacional de Investigadores con Nivel 1. Sus intereses en el área de investigación están relacionados con temas de procesamiento de imagen y aprendizaje profundo.

Course Staff Image #2

Dra. Gissella Bejarano Nicho

gissellabn@latinxinai.org

Es investigadora postdoctoral en Baylor University (EEUU) y profesora en la Universidad Peruana Cayetano Heredia (Perú). Realizó sus estudios de doctorado en Binghamton University donde también realizó su maestría en Ciencias de la Computación gracias a una beca Fulbright. La Dra. Gissella Bejarano es fundadora del grupo de investigación IAPUCP (Perú) y cuenta con experiencia tanto en la Academia, Industria y Estado. Ha sido miembro del comité de expertos para el desarrollo de la Estrategia Nacional de Inteligencia Artificial para el Perú (ENIA 2021).

Course Staff Image #2

Ernesto Quevedo Caballero

ernestoq@latinxinai.org

Ernesto Quevedo Caballero obtuvo su licenciatura en Ciencias de la Computación en la Universidad de La Habana en Cuba y ahora es estudiante de posgrado en Ciencias de la Computación en la Universidad de Baylor en Texas. Fue un concursante pasado en CIPC y profesor asistente de la Universidad de La Habana en Análisis Matemático y Estructuras y Algoritmos de Datos. Ha centrado su investigación más en Inteligencia Artificial y Aprendizaje Automático, especialmente en el campo de la PNL donde es un autor publicado.

Asistentes de enseñanza

Course Staff Image #2

Tonni Das Jui

Tonni Das Jui es un estudiante de doctorado en el Departamento de Ciencias de la Computación de la Universidad de Baylor, Estados Unidos de América y actualmente trabaja como asistente de investigación y enseñanza de posgrado para Baylor Laboratorio de IA . Ella ha completado B.Sc. en Ciencias de la Computación e Ingeniería de la Universidad BRAC, Bangladesh. Su investigación y profesional profile se encuentra en los campos del Machine Learning. Terminó su licenciatura de la Universidad BRAC en Bangladesh.

Course Staff Image #2

Mahee Noor Tayba

Mahee_Tayba1@baylor.edu

Mahee Noor Tayba es estudiante de doctorado en Ciencias de la Computación en la Universidad de Baylor en Texas. Trabaja como asistente de docencia e investigación de posgrado. Su principal área de interés es el aprendizaje automático. Terminó su licenciatura de la Universidad de Ingeniería y Tecnología de Chittagong en Bangladesh. Trabajó como profesora en City University en Bangladesh antes de matricularse en Baylor University. Ella es una ratón de biblioteca que prefiere el té verde a los regulares.

Preguntas frecuentes

¿Qué navegador web debo utilizar?

La plataforma Open edX funciona mejor con las versiones actuales de Chrome, Edge, Firefox, Internet Explorer o Safari.

Consulte nuestra lista de navegadores compatibles para obtener la información más actualizada.

No estoy seguro de tener los antecedentes necesarios para realizar este curso. ¿Cómo puedo autoevaluarme?

Si bien realmente no existen criterios de exclusión para observar el curso, le pedimos que realice una autoevaluación rápida para asegurarse de que puede marcar dos de las tres casillas siguientes, al menos hasta cierto punto.

  • Familiaridad con la programación (C / C ++, Python, interfaz de línea de comandos, etc.).
  • Alguna experiencia con conceptos de aprendizaje automático (el aprendizaje profundo es el más relevante).
  • Alguna experiencia con sistemas integrados (piense en microcontroladores, sensores).