Objetivos principales del curso:

1. Diseñar e implementar aplicaciones de inteligencia artificial en plataformas FPGA utilizando herramientas como Vivado, Vitis AI y PetaLinux.

2. Comprender y aplicar redes neuronales recurrentes (SNN y RSNN) en entornos embebidos como PYNQ, incluyendo su entrenamiento, optimización y despliegue.

3. Desarrollar soluciones de IA en microcontroladores STM32, integrando sensores y modelos entrenados con ST Edge AI y NanoEdge AI Studio.

4. Adquirir habilidades prácticas mediante laboratorios guiados para el despliegue eficiente de modelos de IA en dispositivos de bajo consumo y alto rendimiento.

1. Capacidad para integrar soluciones de inteligencia artificial en plataformas hardware heterogéneas (FPGAs, MPSoCs, microcontroladores).

2. Dominio de herramientas de desarrollo y despliegue de IA para sistemas empotrados como Vivado, Vitis AI, PetaLinux, PYNQ y NanoEdge AI Studio.

3. Habilidad para diseñar, entrenar, cuantizar y optimizar modelos de IA adaptados a recursos limitados y requisitos de tiempo real.

4. Conocimiento práctico en la interacción entre hardware y software, incluyendo buses de comunicación como AXI y manejo de periféricos (GPIO, I2C, UART).

5. Competencia en el desarrollo de proyectos de IA embebida desde la recopilación de datos hasta el despliegue final en dispositivos edge.