TinyML+IoT = ARTIFICIAL INTELLIGENCE OF THINGS. PARTE 2: Aplicación de Machine Learning: Realización de Aplicaciones de Tiny Machine Learning para ... ... - BeMaker.org nº 7) (Spanish Edition)

Descripción del libroEste volumen representa la Segunda Parte del curso sobre Tiny Machine Learning (TinyML) e IoT, y está concebido como un puente entre las bases teóricas introducidas en la Parte 1 y la última fase del recorrido, dedicada al despliegue en microcontroladores.El texto está dirigido a quienes desean aprender de forma gradual y práctica cómo llevar la Inteligencia Artificial a dispositivos de bajos recursos. Con un lenguaje sencillo, numerosos ejemplos concretos y ejercicios paso a paso, proporciona las herramientas para pasar de la teoría a la realización de aplicaciones reales.Contenidos principalesEl recorrido se desarrolla en lecciones progresivas:Introducción al ecosistema TensorFlow para TinyML.Conversión de TensorFlow a TensorFlow Lite para reducir los modelos.Transfer Learning y reutilización de modelos preentrenados.Técnicas de optimización, cuantización y poda (pruning).Creación de aplicaciones concretas:Keyword Spotting (KWS) con reconocimiento de voz.Visual Wake Words (VWW) para sistemas inteligentes.Anomaly Detection con K-Means, t-SNE y Autoencoder/VAE.Introducción a la Knowledge Distillation y a TensorFlow Micro.Método y proyectos prácticosCada concepto va acompañado de ejercicios en Colab comentados línea por línea, con ejemplos reproducibles como:Entrenamiento y despliegue de CNN en microcontrolador.Uso de MobileNetV2 en proyectos de clasificación.Pipeline de conjuntos de datos mediante Pixabay API y Roboflow.Sistemas de detección de anomalías aplicados a datos reales y sintéticos.Puntos fuertesEnfoque “de laboratorio”, práctico y progresivo.Cobertura completa: desde los datos hasta el modelo, con optimizaciones reales.Atención a la memoria, latencia, precisión y uso responsable de los datos.Aplicaciones replicables en visión, audio y detección de anomalías.A quién se dirigePrincipiantes motivados que desean llevar la IA al entorno embebido.Makers, desarrolladores de IoT y Edge AI, estudiantes de data science.Requisitos previos: bases de Python/Colab y la Parte 1 del curso.Objetivos finalesAl finalizar el libro, serás capaz de diseñar e implementar una aplicación TinyML completa: recopilar datos, entrenar, optimizar y desplegar modelos en microcontroladores. Además, contarás con patrones reutilizables para KWS, VWW y Anomaly Detection, listos para aplicarse en nuevos proyectos.👉 En síntesis: un recorrido práctico y guiado que te lleva de la idea a la implementación de aplicaciones TinyML concretas, abriendo las puertas al mundo del Edge AI.