Fundamentos de Visión por Computadora Embebida y TinyML

La visión por computadora ya no está restringida a potentes servidores en la nube y computadoras de alta gama. Con el auge del machine learning embebido, ahora puedes ejecutar modelos inteligentes de reconocimiento de imágenes directamente en microcontroladores pequeños y de bajo consumo. Este curso te guía a través del proceso de diseño, entrenamiento y despliegue de modelos compactos de machine learning en hardware con recursos limitados, convirtiendo cámaras simples en sensores inteligentes. Lo que aprenderás: - Comprender los conceptos centrales del procesamiento digital de imágenes y cómo los algoritmos de visión por computadora interpretan los datos visuales. - Explorar los fundamentos del machine learning embebido (TinyML) y cómo las redes neuronales se optimizan para microcontroladores. - Preparar y curar conjuntos de datos de imágenes personalizados, aplicando técnicas modernas de aumento de datos para mejorar la precisión del modelo. - Entrenar modelos de clasificación de imágenes y detección de objetos utilizando Edge Impulse y optimizarlos mediante cuantización. - Desplegar modelos entrenados en plataformas embebidas como OpenMV para realizar inferencia visual en tiempo real en hardware de bajo consumo. - Analizar el rendimiento del modelo, la latencia y el uso de memoria para garantizar una ejecución eficiente en el dispositivo. Comenzarás dominando la teoría fundamental de las imágenes digitales y las redes neuronales antes de pasar paso a paso por la creación de conjuntos de datos, el entrenamiento de modelos, la optimización y el despliegue en hardware. Este curso está diseñado para principiantes interesados en hardware, IoT e inteligencia artificial, que no requieren experiencia previa en machine learning o sistemas embebidos. Empieza a leer hoy mismo para cerrar la brecha entre el hardware y la inteligencia artificial.