Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Temario del curso
Introducción a la IA en el dispositivo con Nano Banana
- Principios fundamentales de la inferencia en el dispositivo.
- Arquitectura y capacidades del modelo Nano Banana.
- Consideraciones para la implementación en plataformas móviles.
Configuración de Nano Banana y entorno de desarrollo
- Instalación de las herramientas del SDK de Nano Banana.
- Configuración de entornos de compilación para Android e iOS.
- Gestión de dependencias y compatibilidad de versiones.
Ejecución de modelos de Nano Banana en dispositivos móviles
- Carga y ejecución de modelos preestablecidos.
- Restricciones de memoria y computación en hardware móvil.
- Estrategias de inferencia en tiempo real.
Construcción de funciones de IA con Nano Banana
- Integración de funcionalidades de generación de texto.
- Implementación de flujos de trabajo para generación y edición de imágenes.
- Combinación de entradas multimodales en las aplicaciones.
Optimización de rendimiento y pruebas de referencia (benchmarking)
- Perfilamiento de latencia y throughput.
- Técnicas de cuantización, podado y compresión de modelos.
- Optimización del uso térmico, de la batería y de recursos.
Seguridad y privacidad en la IA en el dispositivo
- Gestión local de datos y consideraciones de cumplimiento normativo.
- Protección del modelo y ejecución segura.
- Riesgos y estrategias de mitigación.
Patrones avanzados de implementación
- Flujos de trabajo híbridos entre dispositivo y nube.
- Gestión de aplicaciones de IA con enfoque offline-first.
- Escala para grandes bases de usuarios.
Pruebas, depuración y mejora continua
- CI/CD para aplicaciones móviles con IA.
- Pruebas unitarias, de integración y de rendimiento.
- Actualizaciones iterativas de modelos y compatibilidad inversa.
Resumen y próximos pasos
Requerimientos
- Comprensión del desarrollo de aplicaciones móviles.
- Experiencia con Python, Kotlin o Swift.
- Conocimiento de los conceptos de aprendizaje automático (machine learning).
Público objetivo
- Desarrolladores móviles.
- Ingenieros de IA.
- Profesionales técnicos que exploran la implementación de IA en el dispositivo.
14 Horas
Reseñas (1)
Flujo, vibra y tema en la presentación
Lukasz Kowalczyk - Allegro Sp. z o.o.
Curso - Google Gemini AI for Data Analysis
Traducción Automática