{"id":117,"date":"2025-06-30T23:24:07","date_gmt":"2025-07-01T03:24:07","guid":{"rendered":"https:\/\/eslared.net\/walc2025\/?page_id=117"},"modified":"2025-10-13T12:59:03","modified_gmt":"2025-10-13T16:59:03","slug":"track-3-inteligencia-artificial-aplicada","status":"publish","type":"page","link":"https:\/\/eslared.net\/walc2025\/track-3-inteligencia-artificial-aplicada\/","title":{"rendered":"Track 3 \u2013 Inteligencia Artificial Aplicada"},"content":{"rendered":"\t\t<div data-elementor-type=\"wp-page\" data-elementor-id=\"117\" class=\"elementor elementor-117\">\n\t\t\t\t<div class=\"elementor-element elementor-element-47def41 e-flex e-con-boxed e-con e-parent\" data-id=\"47def41\" data-element_type=\"container\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-2bc6638 elementor-widget elementor-widget-image\" data-id=\"2bc6638\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<img fetchpriority=\"high\" decoding=\"async\" width=\"1024\" height=\"224\" src=\"https:\/\/eslared.net\/walc2025\/wp-content\/uploads\/2025\/06\/track3-1024x224.png\" class=\"attachment-large size-large wp-image-119\" alt=\"\" srcset=\"https:\/\/eslared.net\/walc2025\/wp-content\/uploads\/2025\/06\/track3-1024x224.png 1024w, https:\/\/eslared.net\/walc2025\/wp-content\/uploads\/2025\/06\/track3-300x66.png 300w, https:\/\/eslared.net\/walc2025\/wp-content\/uploads\/2025\/06\/track3-768x168.png 768w, https:\/\/eslared.net\/walc2025\/wp-content\/uploads\/2025\/06\/track3.png 1536w\" sizes=\"(max-width: 1024px) 100vw, 1024px\" \/>\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-108a52d e-flex e-con-boxed e-con e-parent\" data-id=\"108a52d\" data-element_type=\"container\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-c9468f1 elementor-widget elementor-widget-spacer\" data-id=\"c9468f1\" data-element_type=\"widget\" data-widget_type=\"spacer.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<div class=\"elementor-spacer\">\n\t\t\t<div class=\"elementor-spacer-inner\"><\/div>\n\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-796cf9f e-flex e-con-boxed e-con e-parent\" data-id=\"796cf9f\" data-element_type=\"container\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-362b53e elementor-widget elementor-widget-heading\" data-id=\"362b53e\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h2 class=\"elementor-heading-title elementor-size-default\">Programa Acad\u00e9mico (Tentativo)<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-933014e e-flex e-con-boxed e-con e-parent\" data-id=\"933014e\" data-element_type=\"container\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-6989137 elementor-widget elementor-widget-heading\" data-id=\"6989137\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Introducci\u00f3n<\/h3>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-eefec24 e-flex e-con-boxed e-con e-parent\" data-id=\"eefec24\" data-element_type=\"container\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-d40d4f2 elementor-widget elementor-widget-text-editor\" data-id=\"d40d4f2\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p style=\"text-align: justify;\">Los microcontroladores (MCUs) son componentes electr\u00f3nicos baratos, usualmente con apenas unos kilobytes de RAM, y dise\u00f1ados para consumir peque\u00f1as cantidades de energ\u00eda. Hoy en d\u00eda, los MCUs pueden encontrarse embebidos en todos los dispositivos residenciales, m\u00e9dicos, automotrices e industriales. Se estima que anualmente se comercializan m\u00e1s de 40 mil millones de microcontroladores, y cientos de miles de millones est\u00e1n actualmente en servicio. Pero curiosamente, estos dispositivos reciben poca atenci\u00f3n porque, muchas veces, son utilizados solo para reemplazar funcionalidades que los sistemas electromec\u00e1nicos m\u00e1s antiguos enfrentan en autos, lavadoras o controles remotos.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-fb7e2cb e-flex e-con-boxed e-con e-parent\" data-id=\"fb7e2cb\" data-element_type=\"container\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-b0fcbdd elementor-widget elementor-widget-eael-adv-accordion\" data-id=\"b0fcbdd\" data-element_type=\"widget\" data-widget_type=\"eael-adv-accordion.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t        <div class=\"eael-adv-accordion\" id=\"eael-adv-accordion-b0fcbdd\" data-scroll-on-click=\"no\" data-scroll-speed=\"300\" data-accordion-id=\"b0fcbdd\" data-accordion-type=\"accordion\" data-toogle-speed=\"300\">\n    <div class=\"eael-accordion-list\">\n                <div id=\"leer-ms\" class=\"elementor-tab-title eael-accordion-header\" tabindex=\"0\" data-tab=\"1\" aria-controls=\"elementor-tab-content-1851\"><span class=\"eael-advanced-accordion-icon-closed\"><svg aria-hidden=\"true\" class=\"fa-accordion-icon e-font-icon-svg e-fas-plus\" viewBox=\"0 0 448 512\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\"><path d=\"M416 208H272V64c0-17.67-14.33-32-32-32h-32c-17.67 0-32 14.33-32 32v144H32c-17.67 0-32 14.33-32 32v32c0 17.67 14.33 32 32 32h144v144c0 17.67 14.33 32 32 32h32c17.67 0 32-14.33 32-32V304h144c17.67 0 32-14.33 32-32v-32c0-17.67-14.33-32-32-32z\"><\/path><\/svg><\/span><span class=\"eael-advanced-accordion-icon-opened\"><svg aria-hidden=\"true\" class=\"fa-accordion-icon e-font-icon-svg e-fas-minus\" viewBox=\"0 0 448 512\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\"><path d=\"M416 208H32c-17.67 0-32 14.33-32 32v32c0 17.67 14.33 32 32 32h384c17.67 0 32-14.33 32-32v-32c0-17.67-14.33-32-32-32z\"><\/path><\/svg><\/span><span class=\"eael-accordion-tab-title\">Leer m\u00e1s<\/span><svg aria-hidden=\"true\" class=\"fa-toggle e-font-icon-svg e-fas-angle-right\" viewBox=\"0 0 256 512\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\"><path d=\"M224.3 273l-136 136c-9.4 9.4-24.6 9.4-33.9 0l-22.6-22.6c-9.4-9.4-9.4-24.6 0-33.9l96.4-96.4-96.4-96.4c-9.4-9.4-9.4-24.6 0-33.9L54.3 103c9.4-9.4 24.6-9.4 33.9 0l136 136c9.5 9.4 9.5 24.6.1 34z\"><\/path><\/svg><\/div><div id=\"elementor-tab-content-1851\" class=\"eael-accordion-content clearfix\" data-tab=\"1\" aria-labelledby=\"leer-ms\"><p>M\u00e1s recientemente, con la era del IoT (Internet de las Cosas), una parte significativa de estos MCUs est\u00e1 generando \u00abquintillones\u00bb de datos, que, en su mayor\u00eda, no son utilizados debido al alto costo y complejidad de su transmisi\u00f3n de datos (ancho de banda y latencia).<\/p><p>Por otro lado, en las \u00faltimas d\u00e9cadas, hemos sido testigos del desarrollo de modelos de Machine Learning (sub\u00e1rea de la Inteligencia Artificial) entrenados con \u00abtoneladas\u00bb de datos y potentes mainframes. Pero ahora, de repente, es posible extraer significado de se\u00f1ales \u00abruidosas\u00bb y complejas, como im\u00e1genes, audio o aceler\u00f3metros, a trav\u00e9s de redes neuronales. M\u00e1s importante a\u00fan, podemos ejecutar estos modelos de redes neuronales en microcontroladores y sensores utilizando muy poca energ\u00eda y extraer mucho m\u00e1s significado de los datos generados por estos sensores, que actualmente ignoramos.<\/p><p>TinyML, una nueva \u00e1rea de IA aplicada, permite la extracci\u00f3n de \u00abinteligencia de m\u00e1quina\u00bb del mundo f\u00edsico (donde se generan los datos).<\/p><p><span style=\"color: #1f758e;\"><strong>Descripci\u00f3n general del track de IA aplicada<\/strong><\/span><\/p><p>El track de IA aplicada es un curso introductorio sobre la intersecci\u00f3n entre el aprendizaje autom\u00e1tico y los dispositivos integrados. La difusi\u00f3n de dispositivos integrados con un consumo de energ\u00eda ultrabajo (del orden de milivatios), junto con la introducci\u00f3n de marcos de aprendizaje autom\u00e1tico dedicados a dispositivos integrados, como TensorFlow Lite para microcontroladores (TF Lite Micro), permite la proliferaci\u00f3n masiva de dispositivos IoT potenciados por IA (\u00abAioT\u00bb). Este curso de 20 horas cubre los fundamentos y las aplicaciones del aprendizaje profundo y el aprendizaje autom\u00e1tico integrado.<\/p><\/div>\n                <\/div><\/div>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-cc83f63 e-flex e-con-boxed e-con e-parent\" data-id=\"cc83f63\" data-element_type=\"container\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-a3ffaae elementor-widget elementor-widget-spacer\" data-id=\"a3ffaae\" data-element_type=\"widget\" data-widget_type=\"spacer.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<div class=\"elementor-spacer\">\n\t\t\t<div class=\"elementor-spacer-inner\"><\/div>\n\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-ec97c59 e-flex e-con-boxed e-con e-parent\" data-id=\"ec97c59\" data-element_type=\"container\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-1d4749e elementor-widget elementor-widget-heading\" data-id=\"1d4749e\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Pre-requisitos<\/h3>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-381ccce e-flex e-con-boxed e-con e-parent\" data-id=\"381ccce\" data-element_type=\"container\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-65008c4 elementor-widget elementor-widget-text-editor\" data-id=\"65008c4\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<ul><li style=\"text-align: justify;\"><p>Se recomienda hacer un repaso r\u00e1pido del lenguaje Python antes de realizar el taller, ya que ser\u00e1 requerido en el desarrollo del track. Para ello invitamos a los participantes a tomar el curso de Python de Kaggle (<a href=\"https:\/\/www.kaggle.com\/learn\/python\" target=\"_blank\" rel=\"noopener\">https:\/\/www.kaggle.com\/learn\/python<\/a>) el cual est\u00e1 dise\u00f1ado para ser completado en 5 horas y consta de siete lecciones.<\/p><\/li><li style=\"text-align: justify;\"><p>Zoom (actualizado a la \u00faltima versi\u00f3n), c\u00e1mara web y micr\u00f3fono para participar en las sesiones de videoconferencia. Es necesario actualizar tu cliente de Zoom ANTES de que inicie el taller para poder participar en los laboratorios virtuales con el resto de los participantes.<\/p><\/li><li style=\"text-align: justify;\"><p>WhatsApp como canal de comunicaci\u00f3n durante la semana del taller.<\/p><p>\u00a0<\/p><\/li><\/ul>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-cf48ee1 e-flex e-con-boxed e-con e-parent\" data-id=\"cf48ee1\" data-element_type=\"container\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-0ad9857 elementor-widget elementor-widget-heading\" data-id=\"0ad9857\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Material<\/h3>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-8fc0ff0 e-flex e-con-boxed e-con e-parent\" data-id=\"8fc0ff0\" data-element_type=\"container\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-c428115 elementor-widget elementor-widget-text-editor\" data-id=\"c428115\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<ul><li style=\"text-align: justify;\">La clase ser\u00e1 principalmente en espa\u00f1ol (con algunas secciones en ingl\u00e9s).<\/li><li style=\"text-align: justify;\">Las diapositivas, cuadernos, c\u00f3digos y documentos est\u00e1n principalmente en ingl\u00e9s.<\/li><li style=\"text-align: justify;\">Los estudiantes deben tener una tablet o laptop con acceso a internet.<\/li><li style=\"text-align: justify;\">Secciones pr\u00e1cticas con tel\u00e9fonos inteligentes (cada estudiante debe tener un tel\u00e9fono celular).<\/li><\/ul>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-7e70ceb e-flex e-con-boxed e-con e-parent\" data-id=\"7e70ceb\" data-element_type=\"container\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-3c183c1 elementor-widget elementor-widget-spacer\" data-id=\"3c183c1\" data-element_type=\"widget\" data-widget_type=\"spacer.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<div class=\"elementor-spacer\">\n\t\t\t<div class=\"elementor-spacer-inner\"><\/div>\n\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-ae743e0 e-flex e-con-boxed e-con e-parent\" data-id=\"ae743e0\" data-element_type=\"container\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-d0475eb elementor-widget elementor-widget-heading\" data-id=\"d0475eb\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Programa acad\u00e9mico (tentativo)<\/h3>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-0f583fb e-flex e-con-boxed e-con e-parent\" data-id=\"0f583fb\" data-element_type=\"container\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-eec967c elementor-widget elementor-widget-eael-adv-accordion\" data-id=\"eec967c\" data-element_type=\"widget\" data-widget_type=\"eael-adv-accordion.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t        <div class=\"eael-adv-accordion\" id=\"eael-adv-accordion-eec967c\" data-scroll-on-click=\"no\" data-scroll-speed=\"300\" data-accordion-id=\"eec967c\" data-accordion-type=\"accordion\" data-toogle-speed=\"300\">\n    <div class=\"eael-accordion-list\">\n                <div id=\"da-1-fundamentos\" class=\"elementor-tab-title eael-accordion-header\" tabindex=\"0\" data-tab=\"1\" aria-controls=\"elementor-tab-content-2501\"><span class=\"eael-advanced-accordion-icon-closed\"><svg aria-hidden=\"true\" class=\"fa-accordion-icon e-font-icon-svg e-fas-plus\" viewBox=\"0 0 448 512\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\"><path d=\"M416 208H272V64c0-17.67-14.33-32-32-32h-32c-17.67 0-32 14.33-32 32v144H32c-17.67 0-32 14.33-32 32v32c0 17.67 14.33 32 32 32h144v144c0 17.67 14.33 32 32 32h32c17.67 0 32-14.33 32-32V304h144c17.67 0 32-14.33 32-32v-32c0-17.67-14.33-32-32-32z\"><\/path><\/svg><\/span><span class=\"eael-advanced-accordion-icon-opened\"><svg aria-hidden=\"true\" class=\"fa-accordion-icon e-font-icon-svg e-fas-minus\" viewBox=\"0 0 448 512\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\"><path d=\"M416 208H32c-17.67 0-32 14.33-32 32v32c0 17.67 14.33 32 32 32h384c17.67 0 32-14.33 32-32v-32c0-17.67-14.33-32-32-32z\"><\/path><\/svg><\/span><span class=\"eael-accordion-tab-title\">D\u00eda 1 - Fundamentos<\/span><svg aria-hidden=\"true\" class=\"fa-toggle e-font-icon-svg e-fas-angle-right\" viewBox=\"0 0 256 512\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\"><path d=\"M224.3 273l-136 136c-9.4 9.4-24.6 9.4-33.9 0l-22.6-22.6c-9.4-9.4-9.4-24.6 0-33.9l96.4-96.4-96.4-96.4c-9.4-9.4-9.4-24.6 0-33.9L54.3 103c9.4-9.4 24.6-9.4 33.9 0l136 136c9.5 9.4 9.5 24.6.1 34z\"><\/path><\/svg><\/div><div id=\"elementor-tab-content-2501\" class=\"eael-accordion-content clearfix\" data-tab=\"1\" aria-labelledby=\"da-1-fundamentos\"><p><strong>1. Acerca del temario y el programa de estudio \u2013 M Rovai<\/strong><\/p><p>\u2022 Esta secci\u00f3n presenta la estructura del taller y una descripci\u00f3n general de lo que los participantes aprender\u00e1n durante los 5 d\u00edas.<\/p><p><strong>2. Descripci\u00f3n general de la inteligencia artificial \u2013 J. L\u00f3pez<\/strong><\/p><p>\u2022 Introducci\u00f3n a la inteligencia artificial (IA) y su historia.<\/p><p>\u2022 La definici\u00f3n de IA es un sistema inform\u00e1tico que realiza tareas que requieren inteligencia humana.<\/p><p>\u2022 Una breve cronolog\u00eda del desarrollo de la IA, incluida la Escuela de verano de Dartmouth (1956).<\/p><p>\u2022 Explicaci\u00f3n de los inviernos y resurgimientos de la IA.<\/p><p>\u2022 Introducci\u00f3n al aprendizaje autom\u00e1tico como un subconjunto de la IA.<\/p><p>\u2022 Tipos de datos utilizados en los modelos de IA: datos tabulados\/estructurados, im\u00e1genes y datos de lenguaje.<\/p><p><strong>3. Introducci\u00f3n a EdgeAI \u2013 M, Rovai<\/strong><\/p><p>\u2022 Definici\u00f3n de Edge AI\/ML: procesamiento de algoritmos de IA en dispositivos de borde o puntos finales de IoT.<\/p><p>\u2022 Introducci\u00f3n a TinyML como un subconjunto de Edge ML, centrado en dispositivos de consumo de energ\u00eda ultra bajo.<\/p><p>\u2022 Explicaci\u00f3n del panorama de IoT y la transici\u00f3n a AIoT (IA + IoT).<\/p><p>\u2022 Discusi\u00f3n de los desaf\u00edos en proyectos t\u00edpicos de AIoT.<\/p><p>\u2022 Introducci\u00f3n a la \u00abinteligencia de las cosas\u00bb o IoT 2.0, donde el ML se acerca a la fuente de datos.<\/p><p>\u2022 Descripci\u00f3n general de las previsiones del mercado de TinyML y el potencial de crecimiento.<\/p><p>\u2022 Ejemplos de aplicaciones de TinyML.<\/p><p>\u2022 Una breve introducci\u00f3n a los diferentes tipos de tareas de ML adecuadas para dispositivos de borde.<\/p><p>\u2022 Discusi\u00f3n sobre consideraciones de hardware para TinyML, incluidas varias opciones de microcontroladores y sus especificaciones.<\/p><p>\u2022 Introducci\u00f3n a los desaf\u00edos y consideraciones del software en las implementaciones de TinyML.<\/p><p><strong>4. Configuraci\u00f3n de herramientas (Google CoLab) y revisi\u00f3n de Python \u2013 S. Arciniegas<\/strong><\/p><p>\u2022 Introducci\u00f3n a Google Colab como entorno de desarrollo.<\/p><p>\u2022 Configuraci\u00f3n de Google Colab para proyectos de IA\/ML.<\/p><p>\u2022 Conceptos b\u00e1sicos de programaci\u00f3n de Python relevantes para IA\/ML.<\/p><p>\u2022 Ejercicios pr\u00e1cticos para familiarizarse con el software y las herramientas de aprendizaje autom\u00e1tico.<\/p><\/div>\n                <\/div><div class=\"eael-accordion-list\">\n                <div id=\"da-2-fundamentos\" class=\"elementor-tab-title eael-accordion-header\" tabindex=\"0\" data-tab=\"2\" aria-controls=\"elementor-tab-content-2502\"><span class=\"eael-advanced-accordion-icon-closed\"><svg aria-hidden=\"true\" class=\"fa-accordion-icon e-font-icon-svg e-fas-plus\" viewBox=\"0 0 448 512\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\"><path d=\"M416 208H272V64c0-17.67-14.33-32-32-32h-32c-17.67 0-32 14.33-32 32v144H32c-17.67 0-32 14.33-32 32v32c0 17.67 14.33 32 32 32h144v144c0 17.67 14.33 32 32 32h32c17.67 0 32-14.33 32-32V304h144c17.67 0 32-14.33 32-32v-32c0-17.67-14.33-32-32-32z\"><\/path><\/svg><\/span><span class=\"eael-advanced-accordion-icon-opened\"><svg aria-hidden=\"true\" class=\"fa-accordion-icon e-font-icon-svg e-fas-minus\" viewBox=\"0 0 448 512\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\"><path d=\"M416 208H32c-17.67 0-32 14.33-32 32v32c0 17.67 14.33 32 32 32h384c17.67 0 32-14.33 32-32v-32c0-17.67-14.33-32-32-32z\"><\/path><\/svg><\/span><span class=\"eael-accordion-tab-title\">D\u00eda 2 - Fundamentos<\/span><svg aria-hidden=\"true\" class=\"fa-toggle e-font-icon-svg e-fas-angle-right\" viewBox=\"0 0 256 512\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\"><path d=\"M224.3 273l-136 136c-9.4 9.4-24.6 9.4-33.9 0l-22.6-22.6c-9.4-9.4-9.4-24.6 0-33.9l96.4-96.4-96.4-96.4c-9.4-9.4-9.4-24.6 0-33.9L54.3 103c9.4-9.4 24.6-9.4 33.9 0l136 136c9.5 9.4 9.5 24.6.1 34z\"><\/path><\/svg><\/div><div id=\"elementor-tab-content-2502\" class=\"eael-accordion-content clearfix\" data-tab=\"2\" aria-labelledby=\"da-2-fundamentos\"><p><strong>1. Fundamentos de Machine Learning \u2013 Parte I \u2013 D. M\u00e9ndez<\/strong><br \/>\u2022 Introducci\u00f3n.<br \/>\u2022 El paradigma de ML.<br \/>\u2022 Exploraci\u00f3n de la funci\u00f3n de p\u00e9rdida y costo.<br \/>\u2022 Redes neuronales artificiales.<\/p><p><strong>2. Fundamentos de Machine Learning \u2013 Parte II \u2013 D. M\u00e9ndez<\/strong><br \/>\u2022 DNN \u2013 Regresi\u00f3n.<br \/>\u2022 DNN \u2013 Clasificaci\u00f3n.<br \/>\u2022 M\u00e9tricas de ML.<\/p><p><strong>3. Convoluciones \u2013 Parte 1 \u2013 M. Rovai<\/strong><br \/>\u2022 Introducci\u00f3n a las convoluciones.<br \/>\u2022 Operaci\u00f3n de convoluci\u00f3n.<br \/>\u2022 Redes neuronales convolucionales (CNN).<br \/>\u2022 Desaf\u00edos y consideraciones.<\/p><p><strong>4. Configuraci\u00f3n de herramientas (Edge Impulse Studio) \u2013 S. Arciniegas<\/strong><br \/>\u2022 Introducci\u00f3n a Edge Impulse Studio.<br \/>\u2022 Configuraci\u00f3n de una cuenta y creaci\u00f3n de un nuevo proyecto.<br \/>\u2022 Descripci\u00f3n general de la interfaz de Edge Impulse Studio.<\/p><p><strong>5. Cifar10 pr\u00e1ctico \u2013 Edge Impulse Studio \u2013 M. Rovai<\/strong><br \/>Marcelo Rovai | TinyM<br \/>\u2022 Carga y preprocesamiento del conjunto de datos CIFAR-10 en Edge Impulse.<br \/>\u2022 Configuraci\u00f3n de un modelo de red neuronal para la clasificaci\u00f3n de im\u00e1genes.<br \/>\u2022 Entrenamiento del modelo en el conjunto de datos CIFAR-10.<br \/>\u2022 Evaluaci\u00f3n del rendimiento del modelo y ajuste de par\u00e1metros.<br \/>\u2022 Implementaci\u00f3n del modelo entrenado para inferencia (tel\u00e9fono inteligente).<\/p><\/div>\n                <\/div><div class=\"eael-accordion-list\">\n                <div id=\"da-3-aplicaciones-de-cv\" class=\"elementor-tab-title eael-accordion-header\" tabindex=\"0\" data-tab=\"3\" aria-controls=\"elementor-tab-content-2503\"><span class=\"eael-advanced-accordion-icon-closed\"><svg aria-hidden=\"true\" class=\"fa-accordion-icon e-font-icon-svg e-fas-plus\" viewBox=\"0 0 448 512\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\"><path d=\"M416 208H272V64c0-17.67-14.33-32-32-32h-32c-17.67 0-32 14.33-32 32v144H32c-17.67 0-32 14.33-32 32v32c0 17.67 14.33 32 32 32h144v144c0 17.67 14.33 32 32 32h32c17.67 0 32-14.33 32-32V304h144c17.67 0 32-14.33 32-32v-32c0-17.67-14.33-32-32-32z\"><\/path><\/svg><\/span><span class=\"eael-advanced-accordion-icon-opened\"><svg aria-hidden=\"true\" class=\"fa-accordion-icon e-font-icon-svg e-fas-minus\" viewBox=\"0 0 448 512\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\"><path d=\"M416 208H32c-17.67 0-32 14.33-32 32v32c0 17.67 14.33 32 32 32h384c17.67 0 32-14.33 32-32v-32c0-17.67-14.33-32-32-32z\"><\/path><\/svg><\/span><span class=\"eael-accordion-tab-title\">D\u00eda 3 - Aplicaciones de CV<\/span><svg aria-hidden=\"true\" class=\"fa-toggle e-font-icon-svg e-fas-angle-right\" viewBox=\"0 0 256 512\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\"><path d=\"M224.3 273l-136 136c-9.4 9.4-24.6 9.4-33.9 0l-22.6-22.6c-9.4-9.4-9.4-24.6 0-33.9l96.4-96.4-96.4-96.4c-9.4-9.4-9.4-24.6 0-33.9L54.3 103c9.4-9.4 24.6-9.4 33.9 0l136 136c9.5 9.4 9.5 24.6.1 34z\"><\/path><\/svg><\/div><div id=\"elementor-tab-content-2503\" class=\"eael-accordion-content clearfix\" data-tab=\"3\" aria-labelledby=\"da-3-aplicaciones-de-cv\"><p><strong>1. Convoluciones \u2013 Parte 2 \u2013 M. Zennaro<\/strong><br \/>\u2022 An\u00e1lisis de las compensaciones entre la precisi\u00f3n del modelo y la velocidad de inferencia.<br \/>\u2022 Optimizaci\u00f3n de modelos para dispositivos de borde.<br \/>\u2022 Exploraci\u00f3n de diferentes t\u00e9cnicas de preprocesamiento y su impacto.<br \/>\u2022 Transferencia de aprendizaje con modelos entrenados previamente.<br \/>\u2022 T\u00e9cnicas de aumento de datos para un mejor rendimiento.<\/p><p><strong>2. Clasificaci\u00f3n de im\u00e1genes con un tel\u00e9fono inteligente \u2013 M. Zennaro<\/strong><br \/>\u2022 Recopilaci\u00f3n de datos de im\u00e1genes con la c\u00e1mara de un tel\u00e9fono inteligente.<br \/>\u2022 Carga y organizaci\u00f3n de datos en Edge Impulse.<br \/>\u2022 Preprocesamiento de im\u00e1genes (cambio de tama\u00f1o, normalizaci\u00f3n).<br \/>\u2022 Dise\u00f1o y entrenamiento de un modelo CNN para clasificaci\u00f3n.<br \/>\u2022 Evaluaci\u00f3n del rendimiento del modelo.<br \/>\u2022 Prueba del modelo con inferencia en vivo en el tel\u00e9fono inteligente.<\/p><p><strong>3. Detecci\u00f3n de objetos Uso de tel\u00e9fonos inteligentes: M. Rovai<\/strong><br \/>\u2022 Introducci\u00f3n al algoritmo FOMO (Objetos m\u00e1s r\u00e1pidos, m\u00e1s objetos).<br \/>\u2022 Recopilaci\u00f3n y etiquetado de datos de detecci\u00f3n de objetos.<br \/>\u2022 Entrenamiento de un modelo FOMO en Edge Impulse.<br \/>\u2022 Evaluaci\u00f3n del rendimiento de la detecci\u00f3n de objetos.<br \/>\u2022 Prueba de detecci\u00f3n de objetos en tiempo real en el tel\u00e9fono inteligente.<\/p><\/div>\n                <\/div><div class=\"eael-accordion-list\">\n                <div id=\"da-4-aplicaciones-de-audio\" class=\"elementor-tab-title eael-accordion-header\" tabindex=\"0\" data-tab=\"4\" aria-controls=\"elementor-tab-content-2504\"><span class=\"eael-advanced-accordion-icon-closed\"><svg aria-hidden=\"true\" class=\"fa-accordion-icon e-font-icon-svg e-fas-plus\" viewBox=\"0 0 448 512\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\"><path d=\"M416 208H272V64c0-17.67-14.33-32-32-32h-32c-17.67 0-32 14.33-32 32v144H32c-17.67 0-32 14.33-32 32v32c0 17.67 14.33 32 32 32h144v144c0 17.67 14.33 32 32 32h32c17.67 0 32-14.33 32-32V304h144c17.67 0 32-14.33 32-32v-32c0-17.67-14.33-32-32-32z\"><\/path><\/svg><\/span><span class=\"eael-advanced-accordion-icon-opened\"><svg aria-hidden=\"true\" class=\"fa-accordion-icon e-font-icon-svg e-fas-minus\" viewBox=\"0 0 448 512\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\"><path d=\"M416 208H32c-17.67 0-32 14.33-32 32v32c0 17.67 14.33 32 32 32h384c17.67 0 32-14.33 32-32v-32c0-17.67-14.33-32-32-32z\"><\/path><\/svg><\/span><span class=\"eael-accordion-tab-title\">D\u00eda 4 - Aplicaciones de audio<\/span><svg aria-hidden=\"true\" class=\"fa-toggle e-font-icon-svg e-fas-angle-right\" viewBox=\"0 0 256 512\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\"><path d=\"M224.3 273l-136 136c-9.4 9.4-24.6 9.4-33.9 0l-22.6-22.6c-9.4-9.4-9.4-24.6 0-33.9l96.4-96.4-96.4-96.4c-9.4-9.4-9.4-24.6 0-33.9L54.3 103c9.4-9.4 24.6-9.4 33.9 0l136 136c9.5 9.4 9.5 24.6.1 34z\"><\/path><\/svg><\/div><div id=\"elementor-tab-content-2504\" class=\"eael-accordion-content clearfix\" data-tab=\"4\" aria-labelledby=\"da-4-aplicaciones-de-audio\"><p><strong>1. Introducci\u00f3n al procesamiento de sonido: J. L\u00f3pez<\/strong><br \/>\u2022 Explicaci\u00f3n de c\u00f3mo los micr\u00f3fonos capturan el sonido y lo convierten en se\u00f1ales digitales.<br \/>\u2022 Debate sobre los desaf\u00edos del procesamiento de se\u00f1ales de audio 1D (16 000 muestras por segundo para audio de 16 kHz).<\/p><p><strong>2. T\u00e9cnicas de an\u00e1lisis de se\u00f1ales: J. L\u00f3pez<\/strong><br \/>\u2022 Introducci\u00f3n a la convoluci\u00f3n 1D para el procesamiento de audio.<br \/>\u2022 Explicaci\u00f3n de la transformada de Fourier para analizar los componentes de la se\u00f1al.<br \/>\u2022 Visualizaci\u00f3n de los dominios de tiempo y frecuencia.<\/p><p><strong>3. M\u00e9todos de preprocesamiento de audio: J Lopez<\/strong><br \/>\u2022 Creaci\u00f3n de espectrogramas para visualizar informaci\u00f3n de tiempo y frecuencia.<br \/>\u2022 Introducci\u00f3n a los coeficientes cepstrales de frecuencia Mel (MFCC) para la extracci\u00f3n de caracter\u00edsticas.<br \/>\u2022 Comparaci\u00f3n de espectrogramas y MFCC.<\/p><p><strong>4. Detecci\u00f3n de palabras clave (KWS) \u2013 J. L\u00f3pez<\/strong><br \/>\u2022 Definici\u00f3n y aplicaciones de KWS.<br \/>\u2022 Desaf\u00edos y limitaciones en la implementaci\u00f3n de KWS en dispositivos de borde.<\/p><p><strong>5. Arquitectura del modelo KWS \u2013 J. L\u00f3pez<\/strong><br \/>\u2022 Adaptaci\u00f3n de modelos de clasificaci\u00f3n de im\u00e1genes para procesamiento de audio.<br \/>\u2022 Uso de espectrogramas o MFCC como entrada para redes neuronales convolucionales.<\/p><p><strong>6. Flujo de trabajo de KWS \u2013 S. Arciniegas<\/strong><br \/>\u2022 Recopilaci\u00f3n y preprocesamiento de datos.<br \/>\u2022 Entrenamiento y evaluaci\u00f3n de modelos.<br \/>\u2022 Implementaci\u00f3n en dispositivos de borde.<\/p><p><strong>7. Aplicaci\u00f3n pr\u00e1ctica de KWS \u2013 S Arciniegas<\/strong><br \/>\u2022 Escucha continua en el dispositivo.<br \/>\u2022 Procesamiento de datos con TinyML en el borde.<br \/>\u2022 Env\u00edo de datos activados a la nube para su posterior procesamiento.<\/p><p><strong>8. Ejercicio pr\u00e1ctico \u2013 S Arciniegas<\/strong><br \/>\u2022 Creaci\u00f3n de un modelo KWS utilizando datos de audio.<br \/>\u2022 Preprocesamiento de audio en MFCC.<br \/>\u2022 Entrenamiento de un modelo para reconocer palabras clave espec\u00edficas.<br \/>\u2022 Implementaci\u00f3n del modelo para inferencia en un dispositivo de borde.<\/p><\/div>\n                <\/div><div class=\"eael-accordion-list\">\n                <div id=\"da-5-movimiento-anomala-llm\" class=\"elementor-tab-title eael-accordion-header\" tabindex=\"0\" data-tab=\"5\" aria-controls=\"elementor-tab-content-2505\"><span class=\"eael-advanced-accordion-icon-closed\"><svg aria-hidden=\"true\" class=\"fa-accordion-icon e-font-icon-svg e-fas-plus\" viewBox=\"0 0 448 512\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\"><path d=\"M416 208H272V64c0-17.67-14.33-32-32-32h-32c-17.67 0-32 14.33-32 32v144H32c-17.67 0-32 14.33-32 32v32c0 17.67 14.33 32 32 32h144v144c0 17.67 14.33 32 32 32h32c17.67 0 32-14.33 32-32V304h144c17.67 0 32-14.33 32-32v-32c0-17.67-14.33-32-32-32z\"><\/path><\/svg><\/span><span class=\"eael-advanced-accordion-icon-opened\"><svg aria-hidden=\"true\" class=\"fa-accordion-icon e-font-icon-svg e-fas-minus\" viewBox=\"0 0 448 512\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\"><path d=\"M416 208H32c-17.67 0-32 14.33-32 32v32c0 17.67 14.33 32 32 32h384c17.67 0 32-14.33 32-32v-32c0-17.67-14.33-32-32-32z\"><\/path><\/svg><\/span><span class=\"eael-accordion-tab-title\">D\u00eda 5 - Movimiento \/ Anomal\u00eda \/ LLM<\/span><svg aria-hidden=\"true\" class=\"fa-toggle e-font-icon-svg e-fas-angle-right\" viewBox=\"0 0 256 512\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\"><path d=\"M224.3 273l-136 136c-9.4 9.4-24.6 9.4-33.9 0l-22.6-22.6c-9.4-9.4-9.4-24.6 0-33.9l96.4-96.4-96.4-96.4c-9.4-9.4-9.4-24.6 0-33.9L54.3 103c9.4-9.4 24.6-9.4 33.9 0l136 136c9.5 9.4 9.5 24.6.1 34z\"><\/path><\/svg><\/div><div id=\"elementor-tab-content-2505\" class=\"eael-accordion-content clearfix\" data-tab=\"5\" aria-labelledby=\"da-5-movimiento-anomala-llm\"><p><strong>1. Clasificaci\u00f3n de movimiento y detecci\u00f3n de anomal\u00edas \u2013 S Arciniegas<\/strong><\/p><p><strong>Teor\u00eda<\/strong><br \/>\u2022 Introducci\u00f3n a la clasificaci\u00f3n de movimiento y sus aplicaciones (p. ej., an\u00e1lisis de estr\u00e9s de transporte).<br \/>\u2022 Descripci\u00f3n general del preprocesamiento de datos para datos de movimiento.<br \/>\u2022 T\u00e9cnicas de an\u00e1lisis espectral para extracci\u00f3n de caracter\u00edsticas.<br \/>\u2022 Dise\u00f1o de clasificador de red neuronal para datos de movimiento.<br \/>\u2022 Introducci\u00f3n a la detecci\u00f3n de anomal\u00edas en el contexto de datos de movimiento.<\/p><p><strong>Pr\u00e1ctica<\/strong><br \/>\u2022 Sesi\u00f3n pr\u00e1ctica con Edge Impulse Studio.<br \/>\u2022 Recopilaci\u00f3n y preprocesamiento de datos de movimiento.<br \/>\u2022 Implementaci\u00f3n de un clasificador de red neuronal para clases de movimiento (p. ej., Ascensor, Terrestre, Mar\u00edtimo, Inactivo).<br \/>\u2022 Extensi\u00f3n del modelo para incluir la detecci\u00f3n de anomal\u00edas mediante la agrupaci\u00f3n en closters de K-Means.<\/p><p><strong>2. Modelos de lenguaje grandes (LLM) y modelos de lenguaje peque\u00f1os (SLM) en el borde<\/strong><\/p><p><strong>Teor\u00eda (J Lopez)<\/strong><br \/>\u2022 Introducci\u00f3n a los modelos de lenguaje y su evoluci\u00f3n.<br \/>\u2022 Descripci\u00f3n general de la arquitectura del transformador y su impacto en el procesamiento del lenguaje natural.<br \/>\u2022 Explicaci\u00f3n de los LLM frente a los SLM y sus aplicaciones.<br \/>\u2022 Debate sobre los desaf\u00edos de ejecutar grandes modelos en dispositivos de borde.<br \/>\u2022 T\u00e9cnicas de optimizaci\u00f3n para la implementaci\u00f3n en el borde (cuantificaci\u00f3n, poda, destilaci\u00f3n de conocimiento).<\/p><p><strong>Aspectos pr\u00e1cticos (M Rovai)<\/strong><br \/>\u2022 Demostraci\u00f3n de la ejecuci\u00f3n de SLM en dispositivos de borde (p. ej., Raspberry Pi).<\/p><p>\u2022 Introducci\u00f3n a herramientas como Ollama para implementar modelos de lenguaje.<\/p><p><strong>Descripci\u00f3n general de las t\u00e9cnicas de optimizaci\u00f3n de LLM<\/strong><\/p><p>1. Ingenier\u00eda r\u00e1pida.<\/p><p>2. Generaci\u00f3n aumentada por recuperaci\u00f3n (RAG).<\/p><p>3. Ajuste fino.<\/p><p>\u2022 Ejemplo pr\u00e1ctico de uso de RAG para mejorar el rendimiento del modelo.<\/p><\/div>\n                <\/div><\/div>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-c39c729 e-flex e-con-boxed e-con e-parent\" data-id=\"c39c729\" data-element_type=\"container\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-57dd1f0 elementor-widget elementor-widget-spacer\" data-id=\"57dd1f0\" data-element_type=\"widget\" data-widget_type=\"spacer.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<div class=\"elementor-spacer\">\n\t\t\t<div class=\"elementor-spacer-inner\"><\/div>\n\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-8d5a862 e-flex e-con-boxed e-con e-parent\" data-id=\"8d5a862\" data-element_type=\"container\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t<div class=\"elementor-element elementor-element-b07be5a e-con-full e-flex e-con e-child\" data-id=\"b07be5a\" data-element_type=\"container\">\n\t\t\t\t<div class=\"elementor-element elementor-element-6b794fe elementor-widget elementor-widget-heading\" data-id=\"6b794fe\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Coordinador<\/h3>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-d037827 elementor-widget elementor-widget-text-editor\" data-id=\"d037827\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p style=\"text-align: justify;\">Marcelo Jos\u00e9 Rovai<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-561a075 e-con-full e-flex e-con e-child\" data-id=\"561a075\" data-element_type=\"container\">\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-bf13140 e-con-full e-flex e-con e-child\" data-id=\"bf13140\" data-element_type=\"container\">\n\t\t\t\t<div class=\"elementor-element elementor-element-4411409 elementor-widget elementor-widget-heading\" data-id=\"4411409\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Instructores<\/h3>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-8561c70 elementor-widget elementor-widget-text-editor\" data-id=\"8561c70\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<ul><li><p>Marcelo Jos\u00e9 Rovai \u2013 UNIFEI \u2013 Universidade Federal de Itajub\u00e1 &#8211; Brasil.<\/p><\/li><li><p>Laila Kazimierski &#8211; Universidad Nacional del Cuyo y Centro At\u00f3mico &#8211; Bariloche &#8211; Argentina.<\/p><\/li><li><p>Diego M\u00e9ndez Ch\u00e1vez \u2013 Universidad Javeriana &#8211;\u00a0 Bogot\u00e1 \u2013 Colombia.<\/p><\/li><li><p>Jes\u00fas L\u00f3pez \u2013 Universidad Aut\u00f3noma de Occidente &#8211; Cali \u2013 Colombia.<\/p><\/li><li><p>Stalin Arciniegas \u2013 PUCE \u2013 Ibarra \u2013 Ecuador.<\/p><\/li><\/ul>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-cd74f46 e-flex e-con-boxed e-con e-parent\" data-id=\"cd74f46\" data-element_type=\"container\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t<div class=\"elementor-element elementor-element-cf534a6 e-con-full e-flex e-con e-child\" data-id=\"cf534a6\" data-element_type=\"container\">\n\t\t\t\t<div class=\"elementor-element elementor-element-a8b9b9a elementor-widget elementor-widget-heading\" data-id=\"a8b9b9a\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Cupo<\/h3>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-10a28e0 elementor-widget elementor-widget-text-editor\" data-id=\"10a28e0\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p style=\"text-align: justify;\">30 participantes.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-38323ab e-con-full e-flex e-con e-child\" data-id=\"38323ab\" data-element_type=\"container\">\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-23ee338 e-con-full e-flex e-con e-child\" data-id=\"23ee338\" data-element_type=\"container\">\n\t\t\t\t<div class=\"elementor-element elementor-element-4b66258 elementor-widget elementor-widget-heading\" data-id=\"4b66258\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Duraci\u00f3n<\/h3>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-bdad699 elementor-widget elementor-widget-text-editor\" data-id=\"bdad699\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t<p>20 horas.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-28c5ded e-flex e-con-boxed e-con e-parent\" data-id=\"28c5ded\" data-element_type=\"container\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-d997e44 elementor-widget elementor-widget-heading\" data-id=\"d997e44\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Agenda<\/h3>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-a1f2b40 e-flex e-con-boxed e-con e-parent\" data-id=\"a1f2b40\" data-element_type=\"container\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-1cb4809 elementor-widget elementor-widget-eael-adv-accordion\" data-id=\"1cb4809\" data-element_type=\"widget\" data-widget_type=\"eael-adv-accordion.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t        <div class=\"eael-adv-accordion\" id=\"eael-adv-accordion-1cb4809\" data-scroll-on-click=\"no\" data-scroll-speed=\"300\" data-accordion-id=\"1cb4809\" data-accordion-type=\"accordion\" data-toogle-speed=\"300\">\n    <div class=\"eael-accordion-list\">\n                <div id=\"lunes\" class=\"elementor-tab-title eael-accordion-header\" tabindex=\"0\" data-tab=\"1\" aria-controls=\"elementor-tab-content-3001\"><span class=\"eael-advanced-accordion-icon-closed\"><svg aria-hidden=\"true\" class=\"fa-accordion-icon e-font-icon-svg e-fas-plus\" viewBox=\"0 0 448 512\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\"><path d=\"M416 208H272V64c0-17.67-14.33-32-32-32h-32c-17.67 0-32 14.33-32 32v144H32c-17.67 0-32 14.33-32 32v32c0 17.67 14.33 32 32 32h144v144c0 17.67 14.33 32 32 32h32c17.67 0 32-14.33 32-32V304h144c17.67 0 32-14.33 32-32v-32c0-17.67-14.33-32-32-32z\"><\/path><\/svg><\/span><span class=\"eael-advanced-accordion-icon-opened\"><svg aria-hidden=\"true\" class=\"fa-accordion-icon e-font-icon-svg e-fas-minus\" viewBox=\"0 0 448 512\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\"><path d=\"M416 208H32c-17.67 0-32 14.33-32 32v32c0 17.67 14.33 32 32 32h384c17.67 0 32-14.33 32-32v-32c0-17.67-14.33-32-32-32z\"><\/path><\/svg><\/span><span class=\"eael-accordion-tab-title\">Lunes<\/span><svg aria-hidden=\"true\" class=\"fa-toggle e-font-icon-svg e-fas-angle-right\" viewBox=\"0 0 256 512\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\"><path d=\"M224.3 273l-136 136c-9.4 9.4-24.6 9.4-33.9 0l-22.6-22.6c-9.4-9.4-9.4-24.6 0-33.9l96.4-96.4-96.4-96.4c-9.4-9.4-9.4-24.6 0-33.9L54.3 103c9.4-9.4 24.6-9.4 33.9 0l136 136c9.5 9.4 9.5 24.6.1 34z\"><\/path><\/svg><\/div><div id=\"elementor-tab-content-3001\" class=\"eael-accordion-content clearfix\" data-tab=\"1\" aria-labelledby=\"lunes\"><p>\u00a0<\/p><p><strong>ZONA HORARIA: GMT-5<\/strong><\/p><p><strong>09H00 &#8211; 10H00 ApplyAI Track &#8211; and EdgeAI Intro<\/strong><\/p><p><strong>10H00 &#8211; 11H00 Inteligencia Artificial Introducci\u00f3n<\/strong><\/p><p><strong>11H00 &#8211; 11H30 Break<\/strong><\/p><p><strong>11H30 &#8211; 13H00 Tools &#8211; Setup<\/strong><\/p><\/div>\n                <\/div><div class=\"eael-accordion-list\">\n                <div id=\"martes\" class=\"elementor-tab-title eael-accordion-header\" tabindex=\"0\" data-tab=\"2\" aria-controls=\"elementor-tab-content-3002\"><span class=\"eael-advanced-accordion-icon-closed\"><svg aria-hidden=\"true\" class=\"fa-accordion-icon e-font-icon-svg e-fas-plus\" viewBox=\"0 0 448 512\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\"><path d=\"M416 208H272V64c0-17.67-14.33-32-32-32h-32c-17.67 0-32 14.33-32 32v144H32c-17.67 0-32 14.33-32 32v32c0 17.67 14.33 32 32 32h144v144c0 17.67 14.33 32 32 32h32c17.67 0 32-14.33 32-32V304h144c17.67 0 32-14.33 32-32v-32c0-17.67-14.33-32-32-32z\"><\/path><\/svg><\/span><span class=\"eael-advanced-accordion-icon-opened\"><svg aria-hidden=\"true\" class=\"fa-accordion-icon e-font-icon-svg e-fas-minus\" viewBox=\"0 0 448 512\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\"><path d=\"M416 208H32c-17.67 0-32 14.33-32 32v32c0 17.67 14.33 32 32 32h384c17.67 0 32-14.33 32-32v-32c0-17.67-14.33-32-32-32z\"><\/path><\/svg><\/span><span class=\"eael-accordion-tab-title\">Martes<\/span><svg aria-hidden=\"true\" class=\"fa-toggle e-font-icon-svg e-fas-angle-right\" viewBox=\"0 0 256 512\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\"><path d=\"M224.3 273l-136 136c-9.4 9.4-24.6 9.4-33.9 0l-22.6-22.6c-9.4-9.4-9.4-24.6 0-33.9l96.4-96.4-96.4-96.4c-9.4-9.4-9.4-24.6 0-33.9L54.3 103c9.4-9.4 24.6-9.4 33.9 0l136 136c9.5 9.4 9.5 24.6.1 34z\"><\/path><\/svg><\/div><div id=\"elementor-tab-content-3002\" class=\"eael-accordion-content clearfix\" data-tab=\"2\" aria-labelledby=\"martes\"><p><strong>ZONA HORARIA: GMT-5<\/strong><\/p><p><strong>09H00 &#8211; 10H00 Machine Learning &#8211; Introduction<\/strong><\/p><p><strong>10H00 &#8211; 11H00 CNN &#8211; Computer Vision<\/strong><\/p><p><strong>11H00 &#8211; 11H30 Break<\/strong><\/p><p><strong>11H30 &#8211; 13H00 Clasificaci\u00f3n de im\u00e1genes con EdgeImpulse<\/strong><\/p><\/div>\n                <\/div><div class=\"eael-accordion-list\">\n                <div id=\"mircoles\" class=\"elementor-tab-title eael-accordion-header\" tabindex=\"0\" data-tab=\"3\" aria-controls=\"elementor-tab-content-3003\"><span class=\"eael-advanced-accordion-icon-closed\"><svg aria-hidden=\"true\" class=\"fa-accordion-icon e-font-icon-svg e-fas-plus\" viewBox=\"0 0 448 512\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\"><path d=\"M416 208H272V64c0-17.67-14.33-32-32-32h-32c-17.67 0-32 14.33-32 32v144H32c-17.67 0-32 14.33-32 32v32c0 17.67 14.33 32 32 32h144v144c0 17.67 14.33 32 32 32h32c17.67 0 32-14.33 32-32V304h144c17.67 0 32-14.33 32-32v-32c0-17.67-14.33-32-32-32z\"><\/path><\/svg><\/span><span class=\"eael-advanced-accordion-icon-opened\"><svg aria-hidden=\"true\" class=\"fa-accordion-icon e-font-icon-svg e-fas-minus\" viewBox=\"0 0 448 512\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\"><path d=\"M416 208H32c-17.67 0-32 14.33-32 32v32c0 17.67 14.33 32 32 32h384c17.67 0 32-14.33 32-32v-32c0-17.67-14.33-32-32-32z\"><\/path><\/svg><\/span><span class=\"eael-accordion-tab-title\">Mi\u00e9rcoles<\/span><svg aria-hidden=\"true\" class=\"fa-toggle e-font-icon-svg e-fas-angle-right\" viewBox=\"0 0 256 512\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\"><path d=\"M224.3 273l-136 136c-9.4 9.4-24.6 9.4-33.9 0l-22.6-22.6c-9.4-9.4-9.4-24.6 0-33.9l96.4-96.4-96.4-96.4c-9.4-9.4-9.4-24.6 0-33.9L54.3 103c9.4-9.4 24.6-9.4 33.9 0l136 136c9.5 9.4 9.5 24.6.1 34z\"><\/path><\/svg><\/div><div id=\"elementor-tab-content-3003\" class=\"eael-accordion-content clearfix\" data-tab=\"3\" aria-labelledby=\"mircoles\"><p><strong>ZONA HORARIA: GMT-5<\/strong><\/p><p><strong>09H00 &#8211; 10H00 Advanced CV<\/strong><\/p><p><strong>10H00 &#8211; 11H00 Audio<\/strong><\/p><p><strong>11H00 &#8211; 11H30 Break<\/strong><\/p><p><strong>11H30 &#8211; 13H00 Clasificaci\u00f3n de sonidos con EdgeImpulse<\/strong><\/p><\/div>\n                <\/div><div class=\"eael-accordion-list\">\n                <div id=\"jueves\" class=\"elementor-tab-title eael-accordion-header\" tabindex=\"0\" data-tab=\"4\" aria-controls=\"elementor-tab-content-3004\"><span class=\"eael-advanced-accordion-icon-closed\"><svg aria-hidden=\"true\" class=\"fa-accordion-icon e-font-icon-svg e-fas-plus\" viewBox=\"0 0 448 512\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\"><path d=\"M416 208H272V64c0-17.67-14.33-32-32-32h-32c-17.67 0-32 14.33-32 32v144H32c-17.67 0-32 14.33-32 32v32c0 17.67 14.33 32 32 32h144v144c0 17.67 14.33 32 32 32h32c17.67 0 32-14.33 32-32V304h144c17.67 0 32-14.33 32-32v-32c0-17.67-14.33-32-32-32z\"><\/path><\/svg><\/span><span class=\"eael-advanced-accordion-icon-opened\"><svg aria-hidden=\"true\" class=\"fa-accordion-icon e-font-icon-svg e-fas-minus\" viewBox=\"0 0 448 512\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\"><path d=\"M416 208H32c-17.67 0-32 14.33-32 32v32c0 17.67 14.33 32 32 32h384c17.67 0 32-14.33 32-32v-32c0-17.67-14.33-32-32-32z\"><\/path><\/svg><\/span><span class=\"eael-accordion-tab-title\">Jueves<\/span><svg aria-hidden=\"true\" class=\"fa-toggle e-font-icon-svg e-fas-angle-right\" viewBox=\"0 0 256 512\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\"><path d=\"M224.3 273l-136 136c-9.4 9.4-24.6 9.4-33.9 0l-22.6-22.6c-9.4-9.4-9.4-24.6 0-33.9l96.4-96.4-96.4-96.4c-9.4-9.4-9.4-24.6 0-33.9L54.3 103c9.4-9.4 24.6-9.4 33.9 0l136 136c9.5 9.4 9.5 24.6.1 34z\"><\/path><\/svg><\/div><div id=\"elementor-tab-content-3004\" class=\"eael-accordion-content clearfix\" data-tab=\"4\" aria-labelledby=\"jueves\"><p>Z<\/p><p><strong>ZONA HORARIA: GMT-5<\/strong><\/p><p><strong>09H00 &#8211; 10H30 RNN (LSTM \/ GRU)<\/strong><\/p><p><strong>10H30 &#8211; 11H00 Move &amp; AD\u00a0<\/strong><\/p><p><strong>11H00 &#8211; 11H30 Break<\/strong><\/p><p><strong>11H30 &#8211; 13H00 Clasificaci\u00f3n de movimientos con EdgeImpulse<\/strong><\/p><\/div>\n                <\/div><div class=\"eael-accordion-list\">\n                <div id=\"viernes\" class=\"elementor-tab-title eael-accordion-header\" tabindex=\"0\" data-tab=\"5\" aria-controls=\"elementor-tab-content-3005\"><span class=\"eael-advanced-accordion-icon-closed\"><svg aria-hidden=\"true\" class=\"fa-accordion-icon e-font-icon-svg e-fas-plus\" viewBox=\"0 0 448 512\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\"><path d=\"M416 208H272V64c0-17.67-14.33-32-32-32h-32c-17.67 0-32 14.33-32 32v144H32c-17.67 0-32 14.33-32 32v32c0 17.67 14.33 32 32 32h144v144c0 17.67 14.33 32 32 32h32c17.67 0 32-14.33 32-32V304h144c17.67 0 32-14.33 32-32v-32c0-17.67-14.33-32-32-32z\"><\/path><\/svg><\/span><span class=\"eael-advanced-accordion-icon-opened\"><svg aria-hidden=\"true\" class=\"fa-accordion-icon e-font-icon-svg e-fas-minus\" viewBox=\"0 0 448 512\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\"><path d=\"M416 208H32c-17.67 0-32 14.33-32 32v32c0 17.67 14.33 32 32 32h384c17.67 0 32-14.33 32-32v-32c0-17.67-14.33-32-32-32z\"><\/path><\/svg><\/span><span class=\"eael-accordion-tab-title\">Viernes<\/span><svg aria-hidden=\"true\" class=\"fa-toggle e-font-icon-svg e-fas-angle-right\" viewBox=\"0 0 256 512\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\"><path d=\"M224.3 273l-136 136c-9.4 9.4-24.6 9.4-33.9 0l-22.6-22.6c-9.4-9.4-9.4-24.6 0-33.9l96.4-96.4-96.4-96.4c-9.4-9.4-9.4-24.6 0-33.9L54.3 103c9.4-9.4 24.6-9.4 33.9 0l136 136c9.5 9.4 9.5 24.6.1 34z\"><\/path><\/svg><\/div><div id=\"elementor-tab-content-3005\" class=\"eael-accordion-content clearfix\" data-tab=\"5\" aria-labelledby=\"viernes\"><p>\u00a0<\/p><p><strong>ZONA HORARIA: GMT-5<\/strong><\/p><p><strong>09H00 &#8211; 10H00 AI &#8211; Ethics<\/strong><\/p><p><strong>10H00 &#8211; 11H00 LLMs &#8211; Transformers and GenAI<\/strong><\/p><p><strong>11H00 &#8211; 11H30 Break<\/strong><\/p><p><strong>11H30 &#8211; 13H00 Applied AI Projects<\/strong><\/p><\/div>\n                <\/div><\/div>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t","protected":false},"excerpt":{"rendered":"<p>Programa Acad\u00e9mico (Tentativo) Introducci\u00f3n Los microcontroladores (MCUs) son componentes electr\u00f3nicos baratos, usualmente con apenas unos kilobytes de RAM, y dise\u00f1ados para consumir peque\u00f1as cantidades de energ\u00eda. Hoy en d\u00eda, los MCUs pueden encontrarse embebidos en todos los dispositivos residenciales, m\u00e9dicos, &hellip; <a href=\"https:\/\/eslared.net\/walc2025\/track-3-inteligencia-artificial-aplicada\/\">Continuar<\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"parent":0,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","meta":{"footnotes":""},"class_list":["post-117","page","type-page","status-publish","hentry"],"_links":{"self":[{"href":"https:\/\/eslared.net\/walc2025\/wp-json\/wp\/v2\/pages\/117","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/eslared.net\/walc2025\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/eslared.net\/walc2025\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/eslared.net\/walc2025\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/eslared.net\/walc2025\/wp-json\/wp\/v2\/comments?post=117"}],"version-history":[{"count":97,"href":"https:\/\/eslared.net\/walc2025\/wp-json\/wp\/v2\/pages\/117\/revisions"}],"predecessor-version":[{"id":839,"href":"https:\/\/eslared.net\/walc2025\/wp-json\/wp\/v2\/pages\/117\/revisions\/839"}],"wp:attachment":[{"href":"https:\/\/eslared.net\/walc2025\/wp-json\/wp\/v2\/media?parent=117"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}