AAIL Laboratorio de Inteligencia Artificial Aplicada

6.3.- INTELIGENCIA ARTIFICIAL, MACHINE LEARNING Y VISIÓN ARTIFICIAL

SISTEMAS INNOVADORES

El Laboratorio de Inteligencia Artificial Aplicada, "AAIL", ha sido diseñado por EDIBON para estudiar de forma práctica el desarrollo y aplicación de soluciones de Inteligencia Artificial, integrando adquisición de datos, almacenamiento, Machine Learning, Deep Learning, visión artificial, Edge Computing, comunicaciones IoT y actuación sobre procesos físicos.

Ver descripción general

Descripción General

El Laboratorio de Inteligencia Artificial Aplicada, "AAIL", ha sido diseñado por EDIBON para estudiar el ciclo completo de desarrollo de aplicaciones de Inteligencia Artificial a partir de datos procedentes de sensores, imágenes y variables de procesos físicos.

El laboratorio permite adquirir diferentes variables mediante sensores y almacenar la información obtenida para crear conjuntos de datos (datasets). Estos datos pueden ser preparados, analizados y utilizados para desarrollar y entrenar diferentes modelos de Machine Learning y Deep Learning.

Los modelos desarrollados pueden evaluarse y utilizarse posteriormente para realizar predicciones, clasificaciones o detectar determinados patrones a partir de nuevos datos.

Para el estudio de la visión artificial, el laboratorio dispone de una cámara que permite adquirir imágenes y vídeo, crear datasets propios y desarrollar aplicaciones de reconocimiento y clasificación mediante técnicas de procesamiento de imágenes e Inteligencia Artificial.

El procesamiento de los modelos puede realizarse localmente mediante Edge AI, permitiendo estudiar aplicaciones en las que los datos son procesados cerca del lugar donde se generan y obtener resultados en tiempo real.

El laboratorio incorpora además diferentes sensores y actuadores, permitiendo relacionar los resultados obtenidos mediante los algoritmos de Inteligencia Artificial con acciones sobre elementos físicos. De esta forma, el alumno puede comprender la integración entre adquisición de datos, Inteligencia Artificial y automatización.

Un servidor de datos permite almacenar y consultar los datos adquiridos, analizar históricos y visualizar la evolución de las diferentes variables. La comunicación entre los diferentes elementos permite además estudiar los fundamentos de IoT y comunicaciones aplicadas a sistemas inteligentes.

Se incluye un banco de trabajo para el uso de este laboratorio.

De esta forma, el alumno puede estudiar de manera práctica el ciclo completo de desarrollo e implementación de una aplicación de Inteligencia Artificial:

Adquisición →Almacenamiento →Preparación de datos →Entrenamiento →Evaluación →Inferencia →Decisión →Actuación.

EJERCICIOS Y PRÁCTICAS GUIADAS

EJERCICIOS GUIADOS INCLUIDOS EN EL MANUAL

Fundamentos de Inteligencia Artificial y Machine Learning:

  1. Introducción a la Inteligencia Artificial, Machine Learning y Deep Learning.
  2. Adquisición y preparación de datos.
  3. Creación de un conjunto de datos (dataset).
  4. Desarrollo y entrenamiento de un modelo de Machine Learning.
  5. Evaluación y validación de un modelo entrenado.
  6. Realización de predicciones a partir de nuevos datos.

Sensores, IoT y adquisición de datos:

  1. Adquisición de variables mediante sensores.
  2. Transmisión y almacenamiento de datos mediante comunicaciones IoT.
  3. Registro y visualización de variables en tiempo real.

Bases de datos:

  1. Almacenamiento y consulta de datos adquiridos.
  2. Análisis y representación de datos históricos.

Visión artificial:

  1. Adquisición y procesamiento de imágenes mediante cámara.
  2. Creación de un dataset de imágenes.
  3. Entrenamiento y utilización de un modelo para clasificación de imágenes.

Inteligencia Artificial aplicada:

  1. Utilización del resultado de un modelo de Inteligencia Artificial para actuar sobre un elemento físico.

Ejercicios prácticos que pueden realizarse con este equipo:

Inteligencia Artificial y Machine Learning:

  1. Comparación de diferentes algoritmos de Machine Learning.
  2. Aprendizaje supervisado y no supervisado.
  3. Análisis de precisión y errores de clasificación.
  4. Obtención e interpretación de matrices de confusión.
  5. Estudio de la influencia de los datos de entrenamiento.
  6. Optimización de parámetros de entrenamiento.
  7. Desarrollo de redes neuronales artificiales.
  8. Optimización de modelos para su ejecución mediante Edge AI.

Análisis y gestión de datos:

  1. Procesamiento y tratamiento de datos mediante herramientas de cálculo científico.
  2. Desarrollo de procesos de extracción, transformación y carga de datos (ETL).
  3. Exportación e intercambio de conjuntos de datos.
  4. Comparación entre datos adquiridos en tiempo real y datos históricos.
  5. Creación de dashboards personalizados.
  6. Análisis estadístico de variables adquiridas.

IoT y comunicaciones:

  1. Comunicación entre sensores, dispositivos Edge y servidor.
  2. Implementación de comunicaciones mediante MQTT.
  3. Implementación de comunicaciones mediante HTTP.
  4. Desarrollo de servicios web para intercambio de información.
  5. Monitorización remota de variables.
  6. Desarrollo de nodos de adquisición y telemetría.

Visión artificial:

  1. Clasificación de objetos por color.
  2. Identificación de objetos mediante visión artificial.
  3. Detección de piezas correctas y defectuosas.
  4. Seguimiento de objetos en tiempo real.
  5. Desarrollo de filtros y algoritmos de procesamiento de imágenes.
  6. Estudio de la influencia de las condiciones de iluminación.
  7. Desarrollo de aplicaciones propias de visión artificial.

Automatización e Inteligencia Artificial aplicada:

  1. Control de motores a partir de variables adquiridas.
  2. Control de temperatura mediante el módulo termoeléctrico.
  3. Regulación de variables mediante algoritmos de control.
  4. Utilización de modelos de Machine Learning para clasificación del estado de un proceso.
  5. Detección de comportamientos anómalos mediante análisis de datos.
  6. Utilización de resultados de inferencia para la toma automática de decisiones.
  7. Integración de sensores, Inteligencia Artificial y actuadores.
  8. Desarrollo de aplicaciones propias de Inteligencia Artificial aplicada.
Ver más

Calidad

SERVICIO POSVENTA

Solicitar información