Ir al contenido principal

Cursos de TinyMl

¿Qué es TinyML?

TinyML ejecuta inteligencia de productos con modelos de aprendizaje basados en redes neuronales. El Machine Learning precisa gran cantidad de recursos y poder de procesamiento. Por lo tanto, TinyML viene a traer la solución de poder utilizarse en microcontroladores (pequeños dispositivos con IoT -Internet of Things- que colectan datos y los envían a la nube), colaborando en desarrollar un algoritmo de Machine Learning, con un monitoreo continuo de gestos o actividades humanas.

Podemos utilizar con TinyML con la Raspberry Pi y con el Arduino Nano 33 BLE Sense.

Aprende sobre Tiny Machine Learning

Dentro del universo de la Inteligencia Artificial podemos encontrar diversos campos, como las Redes Neuronales (Neural Networks), el Deep Learning, la Minería de datos (Data Mining), el Procesamiento del Lenguaje Natural (Natural Language Processing), entre otros.

Mediante un curso online aprenderás sobre Inteligencia Artificial y TinyML, que junto con las teorías de la publicación de Pete Warden y Daniel Situnayake podrás comprender qué son y para qué sirven: Arduino Nano 33 BLE Sense, arm cortex-m4, TensorFlow Lite for microcontrollers, ejecutar y programar en Python, la placa Arduino, Google Colab, la biblioteca de open source Keras, Edge Impulse, el acelerómetro, ultra-low-power microcontrollers y mucho más. 

Cursos online en TinyML: Machine Learning

En edX podrás encontrar cursos gratis online para aprender machine learning with TensorFlow Lite, y aplicar los conocimientos en el mundo real, pero si quieres un certificado deberás pagar por el mismo. Estos cursos son libres a la comunidad, gratuitos, y de forma remota, donde podrás ir estudiando el contenido a tu propio tiempo según cuánto puedas dedicarle; y sin la necesidad de asistir de forma presencial. Sólo necesitas una computadora, conexión a Internet y muchas ganas de aprender esta tecnología de vanguardia.

Construir una carrera en TinyML

Las aplicaciones del conocimiento de TinyML son infinitas para los desarrolladores, por ejemplo en las áreas de la robótica, los sistemas integrados, el aprendizaje automático, la solución a problemas de privacidad, almacenamiento y eficiencia energética, desarrollo de prototipos de alta tecnología, implementación de redes neuronales a pequeña escala, llevar a cabo proyectos de diversa escala, y muchas oportunidades más.