Introducción práctica a la IA en Edge AI

Esta charla técnica presenta Edge AI, donde los modelos entrenados se ejecutan en dispositivos locales, como sistemas embebidos o equipos cercanos, en lugar de en la nube. Explora las ventajas de este enfoque, entre ellas, menor latencia, ancho de banda reducido, mayor privacidad de datos y fiabilidad mejorada durante los problemas de conectividad. La charla compara el flujo de trabajo de desarrollo de IA para sistemas edge y embebidos con el despliegue en la nube, señalando que, si bien el proceso general es similar, se necesita un mayor esfuerzo para optimizar y desplegar modelos en hardware con recursos limitados. Se analizan estrategias prácticas, como la poda, la cuantización y la generación automática de código, para ayudar a que los modelos se adapten a los procesadores objetivo. Por último, la charla destaca la importancia de la robustez y la seguridad en las aplicaciones de edge AI, abarcando técnicas de detección fuera de distribución, verificación formal e incorporación de restricciones físicas en modelos.