Enable javascript in your browser for better experience. Need to know to enable it? Go here.
Última actualización : Oct 26, 2022
NO EN LA EDICIÓN ACTUAL
Este blip no está en la edición actual del Radar. Si ha aparecido en una de las últimas ediciones, es probable que siga siendo relevante. Si es más antiguo, es posible que ya no sea relevante y que nuestra valoración sea diferente hoy en día. Desgraciadamente, no tenemos el ancho de banda necesario para revisar continuamente los anuncios de ediciones anteriores del Radar. Entender más
Oct 2022
Assess ? Vale la pena explorarlo con el objetivo de entender cómo afectará a tu empresa.

Seguimos entusiasmados con la técnica TinyML y la posibilidad de crear modelos de aprendizaje automático (ML, machine learning) diseñados para ejecutarse en dispositivos móviles y de baja potencia. Hasta hace poco, la ejecución de un modelo de ML se ha considerado computacionalmente costosa y en algunos casos, requería hardware específico. Si bien la creación de los modelos todavía se encuadra generalmente en esta clasificación, ahora pueden crearse dichos modelos de forma que se puedan ejecutar en dispositivos pequeños, de bajo coste y bajo consumo. Si ha estado considerando la posibilidad de utilizar ML pero pensaba que no era realista debido a las limitaciones de capacidad de cómputo o de red, entonces vale la pena evaluar esta técnica.

Mar 2022
Assess ? Vale la pena explorarlo con el objetivo de entender cómo afectará a tu empresa.

Hasta hace poco, la ejecución de un modelo de machine-learning (ML) se consideraba costosa desde el punto de vista computacional y, en algunos casos, requería un hardware de propósito especial. Si bien la creación de los modelos todavía entra dentro de esta clasificación, es posible crearlos de forma que puedan ejecutarse en dispositivos pequeños, de bajo coste y bajo consumo de energía. Esta técnica, denominada TinyML, ha abierto la posibilidad de ejecutar modelos de ML en situaciones que muchos podrían considerar inviables. Por ejemplo, en dispositivos que funcionan con baterías o en entornos desconectados con una conectividad limitada o irregular, el modelo puede ejecutarse localmente sin un coste prohibitivo. Si te has planteado utilizar el ML pero has creído que no era realista debido a las limitaciones informáticas o de red, merece la pena evaluar esta técnica.

Publicado : Mar 29, 2022

Descargar Radar Tecnológico Volumen 29

 

English | Español | Português | 中文

Mantente informado sobre la tecnología

 

Suscríbete ahora

Visita nuestro archivo para leer los volúmenes anteriores