Introducción a Machine Learning en la frontera (TF.js y edge tpu, kubeflow)

Edge TPU: Son circuitos integrados para aplicación específica que puedes utilizar en dispositivos embebidos para hacer entrenamiento y predicción en el campo.

• Beneficios: -- Puedes desplegar modelos inteligentes en dispositivos IoT para predecir en tiempo real -- Puedes almacenar, procesar y generar insights en la frontera sin preocuparte por la conectividad intermitente.

Tensorflow.js es una librería de JavaScript para entrenar y desplegar modelos de ML en el navegador

• Ejemplos: -- Cacería de Emojis --Detección de poses -- Crear controles para un videojuego con expresiones corporales

ML Kit for Firebase: los desarrolladores están buscando maneras de mejorar el contenido o experiencia usando ML, esta herramienta nos ayuda para la detección de texto, rostros, lectura de código de barras, detectar sitios de interés, detección de etiquetas.

Kubeflow: La razón de existir de esta herramienta es lograr que cualquier persona pueda desarrollar, desplegar y administrar cargas distribuidas de ML en Kubernetes