Track 2 – AI Engineering
Programa Tentativo
Resumen
El track de AI Engineering ofrece una semana intensiva y práctica para construir y desplegar modelos de inteligencia artificial directamente en dispositivos, sin depender de la nube. El recorrido va desde los fundamentos de IA y Machine Learning hasta la IA generativa ejecutándose en el borde (Edge), pasando por visión, audio y movimiento. Cada día combina teoría breve, un laboratorio con hardware real y un trabajo en grupo que se desarrolla a lo largo de la semana y se presenta el viernes.
Está pensado para profesores, estudiantes y profesionales de ingeniería, redes y computación con conocimientos básicos de Python que quieran terminar la semana habiendo entrenado y ejecutado sus propios modelos en hardware embebido.
No se requiere experiencia previa en IA.
Lo que el participante se lleva
Al terminar, cada participante habrá entrenado y desplegado modelos de clasificación de imágenes, sonidos y movimientos en microcontroladores, habrá ejecutado un modelo generativo (SLM) en un dispositivo de borde, y habrá trabajado en equipo en un proyecto aplicado que integra varias de estas técnicas.
Estructura diaria
El track sigue un ritmo de cuatro bloques por día: dos sesiones teóricas, un laboratorio práctico y trabajo en grupo.
Introducción al track y a la IA. Lab: Tools & Setup (configuración de entornos y dispositivos).
Arranque del trabajo en grupos.
Introducción al Machine Learning e Introducción a CNN / Computer Vision.
Lab: clasificación de imágenes. Trabajo en grupos.
Computer Vision avanzado y procesamiento de audio.
Lab: clasificación de sonidos. Trabajo en grupos.
Movimiento y detección de anomalías; modelos neuronales recursivos (RNN – LSTM/GRU).
Lab: clasificación de movimientos. Trabajo en grupos.
Ética en IA; Transformers, LLMs e IA Generativa.
Lab: IA Generativa en el Edge.
Presentación de los trabajos.
Hardware de los laboratorios (propuesta a definir)
Los labs se realizan en dispositivos por confirmar. Una asignación que aprovecha bien las capacidades de cada placa sería:
- Arduino Nicla / Seeed XIAOML Kit para los labs de TinyML (días 2 a 4): cámara para imágenes, micrófono para audio, IMU para movimiento y detección de anomalías. Ambas familias permiten entrenar y desplegar modelos pequeños directamente en el microcontrolador.
- Arduino UNO-Q para el lab de IA generativa (viernes): su arquitectura dual (MPU con Linux + MCU) permite ejecutar modelos de lenguaje pequeños (SLMs) con llama.cpp, lo que demuestra que la IA generativa funciona en un dispositivo de borde.
- El día de setup (lunes) incluye la configuración de los dispositivos y del entorno de desarrollo, de modo que el resto de la semana fluya sin fricción.
Carga horaria (propuesta)
- 9:00 a 12:00 y 13:00 a 16:00 (6 h, con corte de almuerzo).
Hilo conductor: el proyecto en grupo
El «Trabajo en Grupos» no es relleno: es un proyecto que crece cada día a medida que los participantes incorporan visión, audio, movimiento y generación. El viernes, cada equipo presenta una solución de Edge AI integrada, que constituye el cierre natural de la semana.
Malla
Marcelo Rovai.
- Marcelo Rovai- Universidade Federal de Itajubá, IESTI – Instituto de Engenharia de Sistemas e Tecnologia da Informação, Brasil.
- Diego Méndez Chávez – Universidad Javeriana, Bogotá, Colombia.
- Jesús López – Universidad Autónoma de Occidente, Cali, Colombia.
- Stalin Arciniegas – Pontificia Universidad Católica del Ecuador, PUCE – Ibarra, Ecuador.
30 participantes.
40 horas.