# Capítulo 01: Transformando el Despliegue de IA para el Edge

EdgeAI representa un cambio de paradigma en el despliegue de inteligencia artificial, trasladando las capacidades de IA desde el procesamiento basado en la nube a dispositivos locales en el edge. Este capítulo explora los conceptos fundamentales, las tecnologías clave y las aplicaciones prácticas que definen este enfoque transformador de implementación de IA.

## Estructura del Módulo

### [Sección 1: Fundamentos de EdgeAI](./01.EdgeAIFundamentals.md)
Esta sección establece las bases contrastando los modelos tradicionales de IA basada en la nube con los modelos de despliegue de IA en el edge. Examinamos tecnologías habilitadoras críticas, incluyendo la cuantización de modelos, la optimización de compresión y los Modelos de Lenguaje Pequeños (SLMs) que superan las limitaciones computacionales de los dispositivos en el edge. La discusión destaca cómo estas innovaciones ofrecen una mayor protección de la privacidad, una latencia ultra baja y capacidades robustas de procesamiento sin conexión.

### [Sección 2: Estudios de Caso del Mundo Real](./02.RealWorldCaseStudies.md)
A través de ejemplos concretos como los ecosistemas de modelos Phi y Mu de Microsoft y el sistema de informes de IA de Japan Airlines, esta sección demuestra implementaciones exitosas de EdgeAI en diversas industrias. Estos estudios de caso validan el rendimiento excepcional de los SLMs en tareas especializadas y muestran los beneficios prácticos de las estrategias de despliegue en el edge.

### [Sección 3: Guía Práctica de Implementación](./03.PracticalImplementationGuide.md)
Esta sección proporciona pautas completas para la preparación del entorno de aprendizaje práctico, cubriendo herramientas de desarrollo esenciales, requisitos de hardware, recursos de modelos principales y marcos de optimización. Establece la base técnica necesaria para que los aprendices construyan y desplieguen sus propias soluciones de EdgeAI.

### [Sección 4: Plataformas de Hardware para el Despliegue de Edge AI](./04.EdgeDeployment.md)
Esta sección explora el ecosistema de hardware que permite el despliegue de IA en el edge, cubriendo plataformas de Intel, Qualcomm, NVIDIA y PCs con Windows AI. Ofrece comparaciones detalladas de las capacidades de hardware, técnicas de optimización específicas de cada plataforma y consideraciones prácticas de despliegue en diversos escenarios de computación en el edge.

## Resultados Clave de Aprendizaje

Al final de este capítulo, los lectores comprenderán:
- Las diferencias fundamentales entre las arquitecturas de IA en la nube y en el edge
- Técnicas principales de optimización para el despliegue en el edge
- Aplicaciones reales y casos de éxito
- Habilidades prácticas para implementar soluciones de EdgeAI
- Selección de plataformas de hardware y enfoques de optimización específicos de cada plataforma
- Evaluación de rendimiento y mejores prácticas de despliegue

## Implicaciones Futuras

EdgeAI surge como una tendencia crítica que está moldeando el futuro del despliegue de IA, allanando el camino para sistemas de IA distribuidos, eficientes y que preservan la privacidad, capaces de operar independientemente de la conectividad en la nube mientras mantienen altos estándares de rendimiento.

---

**Descargo de responsabilidad**:  
Este documento ha sido traducido utilizando el servicio de traducción automática [Co-op Translator](https://github.com/Azure/co-op-translator). Si bien nos esforzamos por garantizar la precisión, tenga en cuenta que las traducciones automatizadas pueden contener errores o imprecisiones. El documento original en su idioma nativo debe considerarse como la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos hacemos responsables de malentendidos o interpretaciones erróneas que puedan surgir del uso de esta traducción.