IOT PERU

📡 El Capítulo de Ingeniería Electrónica del CIP CD Lima presentó la 31.ª edición de “El Momento de la Transformación Digital”.

🎙️ Conduce: Ing. CIP Oswaldo Pelaes, Directivo del Capítulo de Electrónica
👤 Invitado: Ing. CIP Moises Stevend Meza Rodriguez – Comité de IA del CIP CD Lima

✨ Tema: Formando ingenieros que transforman vidas con Inteligencia Artificial

👏 Reconocimiento a cargo del Ing. CIP FREDDY Ortiz Magallanes y del Ing. CIP Fabricio Canales Rios.

🔗 Nota completa: https://lnkd.in/eP-dCA6p
🎥 Mira la entrevista: https://lnkd.in/eDeh2Z4U

Hola, para los Interesados en desarrollar proyectos de detección de objetos usando sistemas embebidos, compartimos un tutorial muy bueno. Aquí se comparten muchos tutoriales sobre TinyML usando OPENMV y Edge Impulse. https://mlsysbook.ai/contents/labs/arduino/nicla_vision/object_detection/object_detection.html
Aquí compartimos un video un proyectito que realizamos siguiendo el tutorial que consisten detectar llamitas. Te animamos a que hagas el tuyo!!!😃😃
https://www.youtube.com/watch?v=8hPUsAHaqcA

Evento de TinyML en salud realizado con éxito por la BIOWEEK 2024.

¡Descubre cómo la IA puede dar Inteligencia Artificial a tus dispositivos! 🌱🤖

En este video del prof. Lewis De La Cruz, aprenderás sobre el uso de TinyML, una tecnología avanzada que permite a pequeños dispositivos tomar decisiones inteligentes, como mantener tus plantas saludables sin intervención constante.

No necesitas ser un experto en tecnología para entender cómo funciona. ¡Es fácil, práctico y beneficioso para el medio ambiente! 🌿🌍

👉 Mira el video aquí y sorpréndete con el futuro de la jardinería inteligente: Ver video

https://youtu.be/ETiXNVmT4y4?si=T2Rjasb34qhcXBbX

TinyML for Impact Detection using Node-RED Detect impacts in real-time using TinyML with the Arduino Nicla Vision, without modifying a single line of C++ code. By moisesstevend.

✨Explora el informe 2024 State of Edge AI✨

Este informe ofrece perspectivas específicas de la industria, estudios de casos reales y mucho más. 📊✨

https://storage.builderall.com/franquias/2/7011891/editor-html/12512477.pdf

́a

Introduction to Embedded Machine Learning Offered by Edge Impulse. Machine learning (ML) allows us to teach computers to make predictions and decisions based on data and learn from ... Enroll for free.

Edge Devices and LLMs: What's Ahead for AI **Edge Devices and LLMs: What's Ahead for AI**In this episode of the Altium OnTrack podcast, host Tech Consultant Zach Peterson explores the fascinating worl...

¡Descubre la Revolución de TinyML!

¿Sabías que la tecnología TinyML está transformando la forma en que utilizamos dispositivos IoT de bajo consumo? Gracias a los avances en Transfer Learning (TL), ahora es posible desarrollar aplicaciones inteligentes en dispositivos con recursos limitados.

👟 Human Activity Recognition (HAR): Detecta y clasifica actividades humanas en tiempo real, mejorando la seguridad en lugares como transporte público, supermercados y fábricas.

💡 Eficiencia y Precisión: Nuestro enfoque combina redes neuronales convolucionales (CNN) y LSTM para lograr modelos precisos y eficientes, adaptados específicamente para dispositivos Edge.

🔍 Innovación en la Reducción de Dimensionalidad: Utilizamos técnicas avanzadas como t-SNE para visualizar y entender mejor los datos, asegurando modelos robustos y rápidos.

🔧 Implementación en Dispositivos IoT: Desde Raspberry Pi hasta microcontroladores como el ESP32S3, nuestras soluciones están diseñadas para funcionar en entornos con restricciones de recursos.

Descubre cómo estamos llevando la inteligencia al borde de la red con TinyML y Transfer Learning!

TinyML Empowered Transfer Learning on the Edge | IEEE Journals & Magazine | IEEE Xplore Tiny machine learning (TinyML) is a promising approach to enable intelligent applications relying on Human Activity Recognition (HAR) on resource-limited and lo

HarvardX: Fundamentals of TinyML Focusing on the basics of machine learning and embedded systems, such as smartphones, this course will introduce you to the “language” of TinyML.

arxiv.org