{"id":160,"date":"2026-06-23T00:20:15","date_gmt":"2026-06-23T04:20:15","guid":{"rendered":"https:\/\/eslared.net\/walc2026\/?page_id=160"},"modified":"2026-07-05T12:49:46","modified_gmt":"2026-07-05T16:49:46","slug":"track-2-ai-engineering","status":"publish","type":"page","link":"https:\/\/eslared.net\/walc2026\/track-2-ai-engineering\/","title":{"rendered":"Track 2 \u2013 AI Engineering"},"content":{"rendered":"\t\t
\n\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Track 2 \u2013 AI Engineering<\/h2>\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"\"\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Programa Tentativo<\/h3>\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Resumen<\/h4>\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

El track de AI Engineering ofrece una semana intensiva y pr\u00e1ctica 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 ejecut\u00e1ndose en el borde (Edge), pasando por visi\u00f3n, audio y movimiento. Cada d\u00eda combina teor\u00eda 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.<\/p>

Est\u00e1 pensado para profesores, estudiantes y profesionales de ingenier\u00eda, redes y computaci\u00f3n con conocimientos b\u00e1sicos de Python que quieran terminar la semana habiendo entrenado y ejecutado sus propios modelos en hardware embebido.<\/p>

No se requiere experiencia previa en IA.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Lo que el participante se lleva<\/h4>\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Al terminar, cada participante habr\u00e1 entrenado y desplegado modelos de clasificaci\u00f3n de im\u00e1genes, sonidos y movimientos en microcontroladores, habr\u00e1 ejecutado un modelo generativo (SLM) en un dispositivo de borde, y habr\u00e1 trabajado en equipo en un proyecto aplicado que integra varias de estas t\u00e9cnicas.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Estructura diaria<\/h4>\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

El track sigue un ritmo de cuatro bloques por d\u00eda: dos sesiones te\u00f3ricas, un laboratorio pr\u00e1ctico y trabajo en grupo.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t
\n
\n\t\t\t\t\t
<\/path><\/svg><\/span><\/path><\/svg><\/span>Lunes \u2014 Fundamentos y setup<\/span><\/path><\/svg><\/div>

Introducci\u00f3n al track y a la IA. Lab: Tools & Setup (configuraci\u00f3n de entornos y dispositivos).<\/p>

Arranque del trabajo en grupos.<\/p><\/div>\n\t\t\t\t\t<\/div>

\n\t\t\t\t\t
<\/path><\/svg><\/span><\/path><\/svg><\/span>Martes \u2014 Visi\u00f3n por computadora<\/span><\/path><\/svg><\/div>

Introducci\u00f3n al Machine Learning e Introducci\u00f3n a CNN \/ Computer Vision.<\/p>

Lab: clasificaci\u00f3n de im\u00e1genes. Trabajo en grupos.<\/p><\/div>\n\t\t\t\t\t<\/div>

\n\t\t\t\t\t
<\/path><\/svg><\/span><\/path><\/svg><\/span>Mi\u00e9rcoles \u2014 Audio<\/span><\/path><\/svg><\/div>

Computer Vision avanzado y procesamiento de audio.<\/p>

Lab: clasificaci\u00f3n de sonidos. Trabajo en grupos.<\/p><\/div>\n\t\t\t\t\t<\/div>

\n\t\t\t\t\t
<\/path><\/svg><\/span><\/path><\/svg><\/span>Jueves \u2014 Movimiento y series temporales<\/span><\/path><\/svg><\/div>

Movimiento y detecci\u00f3n de anomal\u00edas; modelos neuronales recursivos (RNN – LSTM\/GRU).<\/p>

Lab: clasificaci\u00f3n de movimientos. Trabajo en grupos.<\/p><\/div>\n\t\t\t\t\t<\/div>

\n\t\t\t\t\t
<\/path><\/svg><\/span><\/path><\/svg><\/span>Viernes \u2014 IA Generativa y cierre<\/span><\/path><\/svg><\/div>

\u00c9tica en IA; Transformers, LLMs e IA Generativa.<\/p>

Lab: IA Generativa en el Edge.<\/p>

Presentaci\u00f3n de los trabajos.<\/p><\/div>\n\t\t\t\t\t<\/div><\/div>\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t

\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Hardware de los laboratorios (propuesta a definir)<\/h4>\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Los labs se realizan en dispositivos por confirmar. Una asignaci\u00f3n que aprovecha bien las capacidades de cada placa ser\u00eda:<\/p>

  • Arduino Nicla \/ Seeed XIAOML Kit<\/strong><\/span> para los labs de TinyML (d\u00edas 2 a 4): c\u00e1mara para im\u00e1genes, micr\u00f3fono para audio, IMU para movimiento y detecci\u00f3n de anomal\u00edas. Ambas familias permiten entrenar y desplegar modelos peque\u00f1os directamente en el microcontrolador.<\/li>
  • Arduino UNO-Q<\/strong><\/span> para el lab de IA generativa (viernes): su arquitectura dual (MPU con Linux + MCU) permite ejecutar modelos de lenguaje peque\u00f1os (SLMs) con llama.cpp, lo que demuestra que la IA generativa funciona en un dispositivo de borde.<\/li>
  • El d\u00eda de setup (lunes) incluye la configuraci\u00f3n de los dispositivos y del entorno de desarrollo, de modo que el resto de la semana fluya sin fricci\u00f3n.<\/li><\/ul>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
    \n\t\t\t\t\t
    \n\t\t\t\t
    \n\t\t\t\t\t

    Carga horaria (propuesta)<\/h4>\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
    \n\t\t\t\t\t
    \n\t\t\t\t
    \n\t\t\t\t\t\t\t\t\t