Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Duración 21 horas
Temario del curso
Fundamentos del TinyML en el área de la salud
- Características de los sistemas de TinyML
- Restricciones y requisitos específicos del sector salud
- Resumen de las arquitecturas de IA en dispositivos portátiles
Adquisición y preprocesamiento de señales biosensibles
- Trabajo con sensores fisiológicos
- Técnicas de reducción de ruido y filtrado
- Extracción de características para series temporales médicas
Desarrollo de modelos de TinyML para dispositivos portátiles
- Selección de algoritmos para datos fisiológicos
- Entrenamiento de modelos en entornos limitados
- Evaluación del rendimiento en conjuntos de datos de salud
Implementación de modelos en dispositivos portátiles
- Uso de TensorFlow Lite Micro para inferencia en el dispositivo
- Integración de modelos de IA en dispositivos médicos portátiles
- Pruebas y validación en hardware embebido
Optimización de energía y memoria
- Técnicas para reducir la carga computacional
- Optimización del flujo de datos y el uso de memoria
- Equilibrio entre precisión y eficiencia
Seguridad, confiabilidad y cumplimiento normativo
- Consideraciones regulatorias para dispositivos portátiles habilitados con IA
- Aseguramiento de la robustez y la usabilidad clínica
- Mecanismos de seguridad (fail-safe) y manejo de errores
Estudios de casos y aplicaciones en el área de la salud
- Sistemas de monitoreo cardíaco portátil
- Reconocimiento de actividades en rehabilitación
- Seguimiento continuo de glucosa y biométricas
Futuras direcciones en el TinyML médico
- Enfoques de fusión de múltiples sensores
- Análisis de salud personalizados
- Chips de IA de baja potencia de próxima generación
Resumen y próximos pasos
Requerimientos
- Conocimiento de conceptos básicos de aprendizaje automático
- Experiencia con dispositivos embebidos o biomédicos
- Familiaridad con desarrollo basado en Python o C
Público objetivo
- Profesionales de la salud
- Ingenieros biomédicos
- Desarrolladores de IA
Reseñas (2)
habilidades y proyectos en Claude, una variedad de herramientas para diferentes fines
Agnieszka Czypionka
Curso - Generative AI in Healthcare: Transforming Medicine and Patient Care
Traducción Automática
Profundidad sobre el contexto de fondo y la formulación de prompts.
Olaf Kannt - Helios Klinikum Krefeld
Curso - Generative AI and Prompt Engineering in Healthcare
Traducción Automática