Fastware

Resumen

Explore técnicas de optimización para la computación moderna, desde métodos orientados al silicio hasta ajustes de algoritmos, mejorando el rendimiento en el reconocimiento de voz, coches autónomos e inteligencia artificial.

Programa de estudio

• Introducción al Fastware
Resumen de los Objetivos del Curso
Importancia de la Optimización en la Computación Moderna
• Técnicas de Optimización Orientadas al Silicio
Comprensión de las Arquitecturas de Procesadores
Exploración de GPU vs. CPU para Trabajos de IA
Aceleradores de Hardware y ASICs
Diseños Eficientes en Energía
• Optimización Algorítmica
Notación Big O y Análisis de Complejidad
Computación Paralela y Multithreading
Gestión de Memoria y Caching
Estructuras de Datos para Velocidad
• Optimización en el Reconocimiento del Habla
Optimización de Redes Neuronales para el Habla
Retos y Soluciones de Procesamiento en Tiempo Real
Técnicas para la Reducción de Latencia
• Coches Autónomos y Procesamiento en Tiempo Real
Optimización de la Fusión de Datos de Sensores
Algoritmos de Planificación de Rutas y Toma de Decisiones
Sistemas de Tiempo Real Críticos para la Seguridad
• Mejoras de Rendimiento Específicas de IA
Poda de Modelos y Cuantización
Aprendizaje por Transferencia para Eficiencia
Ajuste de Hiperparámetros y AutoML
• Estudios de Caso y Aplicaciones Prácticas
Estudio de Caso: Optimización de un Sistema de Reconocimiento del Habla
Estudio de Caso: Mejora de un Algoritmo de Coche Autónomo
Laboratorio Práctico: Aplicación de Técnicas de Fastware
• Temas Avanzados
Computación Cuántica y Posibles Impactos en la Optimización
Tendencias Futuras en la Optimización de Hardware y Software de IA
• Proyecto y Evaluación
Proyecto de Cierre: Optimizar una Aplicación de IA del Mundo Real
Criterios de Evaluación y Proceso de Revisión por Pares
• Conclusión del Curso y Direcciones Futuras
Resumen de Conceptos Clave
Exploración de Trayectorias Profesionales en Optimización de IA

---

Asignaturas

Charlas de Conferencia