EdgeAI for Beginners

22 / 100·markdown

Chapter 22

EdgeAI para Principiantes

Imagen de portada del curso

Sigue estos pasos para comenzar a usar estos recursos:

Haz fork del repositorio: Haz clic en
Clona el repositorio: git clone https://github.com/microsoft/edgeai-for-beginners.git
Únete al Discord de Azure AI Foundry y conoce expertos y desarrolladores

🌐 Soporte Multilingüe

Soportado vía GitHub Action (Automatizado y Siempre Actualizado)

¿Prefieres clonar localmente?

Este repositorio incluye traducciones en más de 50 idiomas, lo que aumenta significativamente el tamaño de la descarga. Para clonar sin traducciones, usa sparse checkout:

Bash / macOS / Linux:
bash
git clone --filter=blob:none --sparse https://github.com/microsoft/edgeai-for-beginners.git
cd edgeai-for-beginners
git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'
CMD (Windows):
cmd
git clone --filter=blob:none --sparse https://github.com/microsoft/edgeai-for-beginners.git
cd edgeai-for-beginners
git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"
Esto te brinda todo lo necesario para completar el curso con una descarga mucho más rápida.

Si deseas que se añadan más idiomas de traducción, están listados aquí

Introducción

Bienvenido a EdgeAI para Principiantes – tu viaje completo al mundo transformador de la Inteligencia Artificial en el Edge. Este curso cierra la brecha entre las poderosas capacidades de IA y su implementación práctica y real en dispositivos edge, habilitándote para aprovechar el potencial de la IA directamente donde se generan los datos y se deben tomar decisiones.

Lo que dominarás

Este curso te lleva desde los conceptos fundamentales hasta implementaciones listas para producción, cubriendo:

Modelos de Lenguaje Pequeños (SLMs) optimizados para despliegue en edge
Optimización consciente del hardware en plataformas diversas
Inferencia en tiempo real con capacidades de preservación de privacidad
Estrategias de despliegue en producción para aplicaciones empresariales

Por qué EdgeAI importa

Edge AI representa un cambio de paradigma que aborda desafíos modernos críticos:

Privacidad y Seguridad: Procesa datos sensibles localmente sin exponerlos a la nube
Rendimiento en Tiempo Real: Elimina la latencia de red para aplicaciones críticas en tiempo
Eficiencia de Costos: Reduce gastos de ancho de banda y computación en la nube
Operaciones Resilientes: Mantiene la funcionalidad durante caídas de red
Cumplimiento Regulatorio: Cumple con requisitos de soberanía de datos

Edge AI

Edge AI se refiere a ejecutar algoritmos de IA y modelos de lenguaje localmente en hardware, cerca de donde se generan los datos, sin depender de recursos en la nube para la inferencia. Reduce la latencia, mejora la privacidad y permite la toma de decisiones en tiempo real.

Principios Básicos:

Inferencia en el dispositivo: Modelos de IA que corren en dispositivos edge (teléfonos, routers, microcontroladores, PCs industriales)
Capacidad offline: Funciona sin conexión persistente a internet
Baja latencia: Respuestas inmediatas adecuadas para sistemas en tiempo real
Soberanía de datos: Los datos sensibles permanecen localmente, mejorando seguridad y cumplimiento

Modelos de Lenguaje Pequeños (SLMs)

Los SLMs como Phi-4, Mistral-7B y Gemma son versiones optimizadas de modelos grandes (LLMs), entrenados o destilados para:

Reducción del uso de memoria: Uso eficiente de la memoria limitada de dispositivos edge
Menor demanda de cómputo: Optimizado para desempeño en CPU y GPU de edge
Tiempos de arranque rápidos: Inicialización rápida para aplicaciones responsivas

Desbloquean capacidades poderosas de PLN mientras cumplen con las restricciones de:

Sistemas embebidos: Dispositivos IoT y controladores industriales
Dispositivos móviles: Smartphones y tablets con capacidad offline
Dispositivos IoT: Sensores y dispositivos inteligentes con recursos limitados
Servidores Edge: Unidades de procesamiento local con recursos GPU limitados
Computadoras personales: Escenarios de despliegue en escritorio y laptop

Módulos del Curso y Navegación

Módulo	Tema	Área de Enfoque	Contenido Clave	Nivel	Duración
📖 00	Introducción a EdgeAI	Fundamentos y Contexto	Visión General de EdgeAI • Aplicaciones en la Industria • Introducción a SLM • Objetivos de Aprendizaje	Principiante	1-2 hrs
📚 01	Fundamentos de EdgeAI	Comparación Cloud vs Edge AI	Fundamentos de EdgeAI • Casos de Estudio Reales • Guía de Implementación • Despliegue en Edge	Principiante	3-4 hrs
🧠 02	Fundamentos de Modelos SLM	Familias y arquitectura de modelos	Familia Phi • Familia Qwen • Familia Gemma • BitNET • μModel • Phi-Silica	Principiante	4-5 hrs
🚀 03	Práctica de Despliegue SLM	Despliegue local y en la nube	Aprendizaje Avanzado • Entorno Local • Despliegue en la Nube	Intermedio	4-5 hrs
⚙️ 04	Kit de Optimización de Modelos	Optimización multiplataforma	Introducción • Llama.cpp • Microsoft Olive • OpenVINO • Apple MLX • Síntesis de Flujo de Trabajo	Intermedio	5-6 hrs
🔧 05	Producción SLMOps	Operaciones en producción	Introducción a SLMOps • Destilación de Modelos • Afinamiento • Despliegue en Producción	Avanzado	5-6 hrs
🤖 06	Agentes de IA y Llamado a Funciones	Marcos de agentes y MCP	Introducción a Agentes • Llamado a Funciones • Protocolo de Contexto de Modelos	Avanzado	4-5 hrs
💻 07	Implementación en Plataforma	Ejemplos multiplataforma	Kit de herramientas de IA • Foundry Local • Desarrollo en Windows	Avanzado	3-4 hrs
🏭 08	Kit de Herramientas Foundry Local	Ejemplos listos para producción	Aplicaciones de ejemplo (ver detalles abajo)	Experto	8-10 hrs

🏭 Módulo 08: Aplicaciones de Ejemplo

🎓 Taller: Ruta de Aprendizaje Práctica

Materiales comprensivos para taller práctico con implementaciones listas para producción:

Guía del Taller - Objetivos de aprendizaje completos, resultados y navegación de recursos
Ejemplos en Python (6 sesiones) - Actualizados con mejores prácticas, manejo de errores y documentación completa
Cuadernos Jupyter (8 interactivos) - Tutoriales paso a paso con benchmarks y monitoreo de rendimiento
Guías de Sesión - Guías en markdown detalladas para cada sesión del taller
Herramientas de Validación - Scripts para verificar calidad de código y ejecutar pruebas rápidas

Lo que construirás:

Aplicaciones de chat AI locales con soporte de streaming
Pipelines RAG con evaluación de calidad (RAGAS)
Herramientas de benchmarking y comparación de múltiples modelos
Sistemas de orquestación multi-agente
Enrutamiento inteligente de modelos con selección basada en tareas

🎙️ Taller Para Agentic: Hands-On - El Estudio de Podcast de IA

¡Construye un pipeline de producción de podcasts impulsado por IA desde cero! Este taller inmersivo te enseña a crear un sistema multi-agente completo que transforma ideas en episodios de podcast profesionales.

🎬 Comienza el Taller AI Podcast Studio

Tu Misión: Lanza "Future Bytes": un podcast tecnológico impulsado completamente por agentes de IA que construirás tú mismo. Sin dependencias en la nube, sin costos de API: todo se ejecuta localmente en tu máquina.

Qué Lo Hace Único:

🤖 Orquestación Real Multi-Agente - Construye agentes de IA especializados que investigan, escriben y producen audio
🎯 Pipeline Completo de Producción - Desde la selección de temas hasta la salida final del audio del podcast
💻 Despliegue 100% Local - Utiliza Ollama y modelos locales (Qwen-3-8B) para privacidad y control total
🎤 Integración de Texto a Voz - Transforma guiones en conversaciones con múltiples voces naturales
✋ Flujos de Trabajo con Intervención Humana - Puertas de aprobación que aseguran calidad manteniendo la automatización

Aprendizaje en Tres Actos:

Acto	Enfoque	Habilidades Clave	Duración
Acto 1: Conoce Tus Asistentes de IA	Construye tu primer agente de IA	Integración de herramientas • Búsqueda web • Resolución de problemas • Razonamiento agente	2-3 hrs
Acto 2: Ensambla Tu Equipo de Producción	Orquesta múltiples agentes	Coordinación de equipos • Flujos de aprobación • Interfaz DevUI • Supervisión humana	3-4 hrs
Acto 3: Da Vida a Tu Podcast	Genera audio para podcast	Texto a voz • Síntesis multi-voceros • Audio de larga duración • Automatización completa	2-3 hrs

Tecnologías Utilizadas:

Microsoft Agent Framework - Orquestación y coordinación multi-agente
Ollama - Ejecución local de modelos de IA (sin necesidad de nube)
Qwen-3-8B - Modelo de lenguaje open source optimizado para tareas agenticas
APIs de Texto a Voz - Síntesis natural de voz para generación de podcasts

Soporte de Hardware:

✅ Modo CPU - Funciona en cualquier computadora moderna (se recomienda 8GB+ RAM)
🚀 Aceleración GPU - Inferencia mucho más rápida con GPUs NVIDIA/AMD
⚡ Soporte NPU - Aceleración con unidad de procesamiento neuronal de próxima generación

Perfecto Para:

Desarrolladores aprendiendo sistemas de IA multi-agentes
Cualquier persona interesada en automatización de IA y flujos de trabajo
Creadores de contenido explorando producción asistida por IA
Estudiantes que estudian patrones prácticos de orquestación de IA

Comienza a Construir: 🎙️ El Taller AI Podcast Studio →

📊 Resumen del Camino de Aprendizaje

Duración Total: 36-45 horas
Camino para Principiantes: Módulos 01-02 (7-9 horas)
Camino Intermedio: Módulos 03-04 (9-11 horas)
Camino Avanzado: Módulos 05-07 (12-15 horas)
Camino Experto: Módulo 08 (8-10 horas)

Qué Construirás

🎯 Competencias Clave

Arquitectura AI en el Borde: Diseña sistemas de IA local-primero con integración en la nube
Optimización de Modelos: Cuantiza y comprime modelos para despliegue en el borde (85% más rápido, 75% menos tamaño)
Despliegue Multiplataforma: Windows, móvil, embebido y sistemas híbridos nube-borde
Operaciones de Producción: Monitoreo, escalado y mantenimiento de IA en producción en el borde

🏗️ Proyectos Prácticos

Aplicaciones Locales Foundry Chat: Aplicación nativa Windows 11 con cambio de modelos
Sistemas Multi-Agente: Coordinador con agentes especialistas para flujos complejos
Aplicaciones RAG: Procesamiento local de documentos con búsqueda vectorial
Enrutadores de Modelos: Selección inteligente entre modelos según análisis de tareas
Frameworks de API: Clientes listos para producción con streaming y monitoreo de salud
Herramientas Multiplataforma: Patrones de integración LangChain/Semantic Kernel

🏢 Aplicaciones Industriales

Manufactura • Cuidado de la Salud • Vehículos Autónomos • Ciudades Inteligentes • Apps Móviles

Inicio Rápido

Camino de Aprendizaje Recomendado (20-30 horas total):

📖 Introducción (Introduction.md): Fundamentos de EdgeAI + contexto industrial + marco de aprendizaje
📚 Fundamentos (Módulos 01-02): Conceptos EdgeAI + familias de modelos SLM
⚙️ Optimización (Módulos 03-04): Despliegue + frameworks de cuantización
🚀 Producción (Módulos 05-06): SLMOps + agentes de IA + llamadas a funciones
💻 Implementación (Módulos 07-08): Ejemplos de plataforma + toolkit Foundry Local

Cada módulo incluye teoría, ejercicios prácticos y ejemplos de código listos para producción.

Impacto en la Carrera

Roles Técnicos: Arquitecto de Soluciones EdgeAI • Ingeniero ML (Edge) • Desarrollador IoT AI • Desarrollador AI Móvil

Sectores Industriales: Manufactura 4.0 • Tecnología en Salud • Sistemas Autónomos • FinTech • Electrónica de Consumo

Proyectos para Portafolio: Sistemas multi-agentes • Aplicaciones RAG de producción • Despliegue multiplataforma • Optimización de rendimiento

Estructura del Repositorio

code

edgeai-for-beginners/
├── 📖 introduction.md  # Foundation: EdgeAI Overview & Learning Framework
├── 📚 Module01-04/     # Fundamentals → SLMs → Deployment → Optimization  
├── 🔧 Module05-06/     # SLMOps → AI Agents → Function Calling
├── 💻 Module07/        # Platform Samples (VS Code, Windows, Jetson, Mobile)
├── 🏭 Module08/        # Foundry Local Toolkit + 10 Comprehensive Samples
│   ├── samples/01-06/  # Foundation: REST, SDK, RAG, Agents, Routing
│   └── samples/07-10/  # Advanced: API Client, Windows App, Enterprise Agents, Tools
├── 🌐 translations/    # Multi-language support (8+ languages)
└── 📋 STUDY_GUIDE.md   # Structured learning paths & time allocation

Aspectos Destacados del Curso

✅ Aprendizaje Progresivo: Teoría → Práctica → Despliegue en producción
✅ Estudios de Casos Reales: Microsoft, Japan Airlines, implementaciones empresariales
✅ Ejemplos Prácticos: Más de 50 ejemplos, 10 demos completas de Foundry Local
✅ Enfoque en Rendimiento: Mejoras de velocidad del 85%, reducciones de tamaño del 75%
✅ Multiplataforma: Windows, móvil, embebido, híbrido nube-borde
✅ Listo para Producción: Monitoreo, escalado, seguridad, marcos de cumplimiento

📖 Guía de Estudio Disponible: Camino estructurado de 20 horas con asignación de tiempo y herramientas de autoevaluación.

EdgeAI representa el futuro del despliegue de IA: local-primero, preservando la privacidad y eficiente. Domina estas habilidades para construir la próxima generación de aplicaciones inteligentes.

Otros Cursos

¡Nuestro equipo produce otros cursos! Echa un vistazo:

LangChain

Azure / Edge / MCP / Agentes

Serie de IA Generativa

Aprendizaje Básico

Serie Copilot

Obtener ayuda

Si te quedas atascado o tienes alguna pregunta sobre cómo crear aplicaciones de IA, únete a:

Si tienes comentarios sobre el producto o errores mientras construyes, visita:

Descargo de responsabilidad:
Este documento ha sido traducido utilizando el servicio de traducción automática Co-op Translator. Aunque nos esforzamos por la precisión, tenga en cuenta que las traducciones automáticas pueden contener errores o inexactitudes. El documento original en su idioma nativo debe considerarse la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos responsabilizamos por malentendidos o interpretaciones erróneas que surjan del uso de esta traducción.

← 返回课程