Ir al contenido 
- Concepto y definición de Edge Computing
- - Evolución histórica y contexto tecnológico
- - Diferencias con Cloud Computing17
- Fundamentos de la Inteligencia Artificial
- - Tipos de aprendizaje automático
- - Arquitecturas de redes neuronales
- Convergencia: IA en el Edge
- - Ventajas de la implementación Edge
- - Desafíos técnicos
- Casos de uso y aplicaciones prácticas
- - Internet de las Cosas (IoT) inteligente
- - Análisis de video en tiempo real
- Tendencias y perspectivas futuras
- - Edge AI como servicio
- Modelos arquitectónicos fundamentales
- - Arquitectura distribuida de forma jerárquica
- - Patrones de despliegue Edge
- Infraestructura Edge especializada
- - Microcentros de datos
- - Edge gateways inteligentes
- Plataformas comerciales principales
- - Ecosistema AWS para Edge
- - Soluciones Microsoft Azure Edge
- Plataformas open source
- - Kubernetes en el Edge
- - Apache EdgeX Foundry
- Criterios de selección arquitectónica
- - Análisis de requisitos técnicos
- - Evaluación de plataformas
- Procesadores especializados para IA
- - Unidades de Procesamiento Gráfico (GPU)
- - Unidades de Procesamiento Tensorial (TPU)
- - Matrices de Compuertas Programables (FPGA)
- Sistemas embebidos y SoCs
- - Plataformas ARM-Based
- - Procesadores x86 para Edge
- Aceleradores Neuromorphic
- - Intel Loihi
- - IBM TrueNorth
- Criterios de selección de hardware
- - Análisis rendimiento/consumo
- - Factores económicos y operacionales
- Tendencias emergentes en hardware
- - Computación cuántica Edge
- - Procesamiento fotónico
- Sistemas operativos para Edge Computing
- - Linux embebido y sus distribuciones
- - Sistemas operativos de tiempo real (RTOS)
- - Sistemas híbridos
- Virtualización en el Edge
- - Contenedores ligeros
- - Máquinas virtuales ultra-ligeras
- Gestión de contenedores en Edge
- - Kubernetes ligero (K3s, MicroK8s)
- - Docker Swarm para Edge
- Optimización para recursos limitados
- - Técnicas de compresión y optimización
- - Estrategias de caché distribuido
- Seguridad en sistemas operativos Edge
- - Aislamiento y sandboxing
- - Actualizaciones seguras
- Frameworks de inferencia optimizados
- - TensorFlow Lite
- - PyTorch Mobile
- - ONNX Runtime
- Herramientas de optimización de modelos
- - Cuantización de modelos
- - Pruning y compresión
- Bibliotecas multiplataforma
- - OpenVINO
- - Apache TVM
- Desarrollo de aplicaciones Edge AI
- - Pipeline de desarrollo
- - Herramientas de debugging y profiling
- Integración con hardware especializado
- - Aceleradores de IA (TPU, NPU)
- - Optimización específica por hardware
- Diseño de modelos para Edge
- - Arquitecturas eficientes
- - Neural Architecture Search (NAS)
- Transfer Learning y Fine-Tuning
- - Modelos pre-entrenados
- - Estrategias de Fine-Tuning
- Federated learning
- - Algoritmos de agregación
- - Privacidad y seguridad
- Continual learning
- - Métodos anti-olvido
- - Adaptación en tiempo real
- Evaluación y validación
- - Métricas específicas para Edge
- - Testing en dispositivos reales
- Estrategias de despliegue
- - Pipelines de CI/CD
- - Gestión de versiones
- Contenerización de modelos
- - Docker para Edge
- - Kubernetes ligero
- Actualizaciones OTA
- - Estrategias de actualización
- - Rollback automático
- Monitoreo y observabilidad
- - Logging distribuido
- - Métricas de rendimiento
- Debugging remoto
- - Herramientas de diagnóstico
- - Acceso remoto seguro
- Amenazas específicas en Edge AI
- - Ataques adversariales
- - Ataques físicos
- Hardening de dispositivos
- - Configuración segura
- - Gestión de parches
- Privacidad diferencial
- - Técnicas de anonimización
- - Computación segura multipartita
- Autenticación y autorización
- - Gestión de identidades
- - Tokens y certificados
- Compliance y regulaciones
- - GDPR y privacidad
- - Estándares de seguridad industrial
- Incident response y forense
- - Detección de intrusiones
- - Análisis forense
