EdgeAI para Principiantes

Sigue estos pasos para comenzar a usar estos recursos:

1. Haz fork del repositorio: Haz clic en
2. Clona el repositorio: git clone https://github.com/microsoft/edgeai-for-beginners.git
3. Únete al Discord de Azure AI Foundry y conoce expertos y desarrolladores

🌐 Soporte Multilingüe

Soportado vía GitHub Action (Automatizado y Siempre Actualizado)

Árabe | Bengalí | Búlgaro | Birmano (Myanmar) | Chino (Simplificado) | Chino (Tradicional, Hong Kong) | Chino (Tradicional, Macao) | Chino (Tradicional, Taiwán) | Croata | Checo | Danés | Holandés | Estonio | Finlandés | Francés | Alemán | Griego | Hebreo | Hindi | Húngaro | Indonesio | Italiano | Japonés | Kannada | Jemer | Coreano | Lituano | Malayo | Malayalam | Marathi | Nepalí | Pidgin Nigeriano | Noruego | Persa (Farsi) | Polaco | Portugués (Brasil) | Portugués (Portugal) | Punjabi (Gurmukhi) | Rumano | Ruso | Serbio (Cirílico) | Eslovaco | Esloveno | Español | Swahili | Sueco | Tagalo (Filipino) | Tamil | Telugu | Tailandés | Turco | Ucraniano | Urdu | Vietnamita

¿Prefieres clonar localmente?

Este repositorio incluye traducciones en más de 50 idiomas, lo que aumenta significativamente el tamaño de la descarga. Para clonar sin traducciones, usa sparse checkout:

Bash / macOS / Linux:

git clone --filter=blob:none --sparse https://github.com/microsoft/edgeai-for-beginners.git
cd edgeai-for-beginners
git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'

CMD (Windows):

git clone --filter=blob:none --sparse https://github.com/microsoft/edgeai-for-beginners.git
cd edgeai-for-beginners
git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"

Esto te brinda todo lo necesario para completar el curso con una descarga mucho más rápida.

Si deseas que se añadan más idiomas de traducción, están listados aquí

Introducción

Bienvenido a EdgeAI para Principiantes – tu viaje completo al mundo transformador de la Inteligencia Artificial en el Edge. Este curso cierra la brecha entre las poderosas capacidades de IA y su implementación práctica y real en dispositivos edge, habilitándote para aprovechar el potencial de la IA directamente donde se generan los datos y se deben tomar decisiones.

Lo que dominarás

Este curso te lleva desde los conceptos fundamentales hasta implementaciones listas para producción, cubriendo:

• Modelos de Lenguaje Pequeños (SLMs) optimizados para despliegue en edge
• Optimización consciente del hardware en plataformas diversas
• Inferencia en tiempo real con capacidades de preservación de privacidad
• Estrategias de despliegue en producción para aplicaciones empresariales

Por qué EdgeAI importa

Edge AI representa un cambio de paradigma que aborda desafíos modernos críticos:

• Privacidad y Seguridad: Procesa datos sensibles localmente sin exponerlos a la nube
• Rendimiento en Tiempo Real: Elimina la latencia de red para aplicaciones críticas en tiempo
• Eficiencia de Costos: Reduce gastos de ancho de banda y computación en la nube
• Operaciones Resilientes: Mantiene la funcionalidad durante caídas de red
• Cumplimiento Regulatorio: Cumple con requisitos de soberanía de datos

Edge AI

Edge AI se refiere a ejecutar algoritmos de IA y modelos de lenguaje localmente en hardware, cerca de donde se generan los datos, sin depender de recursos en la nube para la inferencia. Reduce la latencia, mejora la privacidad y permite la toma de decisiones en tiempo real.

Principios Básicos:

• Inferencia en el dispositivo: Modelos de IA que corren en dispositivos edge (teléfonos, routers, microcontroladores, PCs industriales)
• Capacidad offline: Funciona sin conexión persistente a internet
• Baja latencia: Respuestas inmediatas adecuadas para sistemas en tiempo real
• Soberanía de datos: Los datos sensibles permanecen localmente, mejorando seguridad y cumplimiento

Modelos de Lenguaje Pequeños (SLMs)

Los SLMs como Phi-4, Mistral-7B y Gemma son versiones optimizadas de modelos grandes (LLMs), entrenados o destilados para:

• Reducción del uso de memoria: Uso eficiente de la memoria limitada de dispositivos edge
• Menor demanda de cómputo: Optimizado para desempeño en CPU y GPU de edge
• Tiempos de arranque rápidos: Inicialización rápida para aplicaciones responsivas

Desbloquean capacidades poderosas de PLN mientras cumplen con las restricciones de:

• Sistemas embebidos: Dispositivos IoT y controladores industriales
• Dispositivos móviles: Smartphones y tablets con capacidad offline
• Dispositivos IoT: Sensores y dispositivos inteligentes con recursos limitados
• Servidores Edge: Unidades de procesamiento local con recursos GPU limitados
• Computadoras personales: Escenarios de despliegue en escritorio y laptop

Módulos del Curso y Navegación

Módulo	Tema	Área de Enfoque	Contenido Clave	Nivel	Duración
📖 00	Introducción a EdgeAI	Fundamentos y Contexto	Visión General de EdgeAI • Aplicaciones en la Industria • Introducción a SLM • Objetivos de Aprendizaje	Principiante	1-2 hrs
📚 01	Fundamentos de EdgeAI	Comparación Cloud vs Edge AI	Fundamentos de EdgeAI • Casos de Estudio Reales • Guía de Implementación • Despliegue en Edge	Principiante	3-4 hrs
🧠 02	Fundamentos de Modelos SLM	Familias y arquitectura de modelos	Familia Phi • Familia Qwen • Familia Gemma • BitNET • μModel • Phi-Silica	Principiante	4-5 hrs
🚀 03	Práctica de Despliegue SLM	Despliegue local y en la nube	Aprendizaje Avanzado • Entorno Local • Despliegue en la Nube	Intermedio	4-5 hrs
⚙️ 04	Kit de Optimización de Modelos	Optimización multiplataforma	Introducción • Llama.cpp • Microsoft Olive • OpenVINO • Apple MLX • Síntesis de Flujo de Trabajo	Intermedio	5-6 hrs
🔧 05	Producción SLMOps	Operaciones en producción	Introducción a SLMOps • Destilación de Modelos • Afinamiento • Despliegue en Producción	Avanzado	5-6 hrs
🤖 06	Agentes de IA y Llamado a Funciones	Marcos de agentes y MCP	Introducción a Agentes • Llamado a Funciones • Protocolo de Contexto de Modelos	Avanzado	4-5 hrs
💻 07	Implementación en Plataforma	Ejemplos multiplataforma	Kit de herramientas de IA • Foundry Local • Desarrollo en Windows	Avanzado	3-4 hrs
🏭 08	Kit de Herramientas Foundry Local	Ejemplos listos para producción	Aplicaciones de ejemplo (ver detalles abajo)	Experto	8-10 hrs

🏭 Módulo 08: Aplicaciones de Ejemplo

• 01: Inicio rápido REST Chat
• 02: Integración SDK OpenAI
• 03: Descubrimiento de Modelos y Benchmarking
• 04: Aplicación Chainlit RAG
• 05: Orquestación Multi-Agente
• 06: Enrutador Models-as-Tools
• 07: Cliente API Directo
• 08: Aplicación Chat Windows 11
• 09: Sistema Multi-Agente Avanzado
• 10: Framework Foundry Tools

🎓 Taller: Ruta de Aprendizaje Práctica

Materiales comprensivos para taller práctico con implementaciones listas para producción:

• Guía del Taller - Objetivos de aprendizaje completos, resultados y navegación de recursos
• Ejemplos en Python (6 sesiones) - Actualizados con mejores prácticas, manejo de errores y documentación completa
• Cuadernos Jupyter (8 interactivos) - Tutoriales paso a paso con benchmarks y monitoreo de rendimiento
• Guías de Sesión - Guías en markdown detalladas para cada sesión del taller
• Herramientas de Validación - Scripts para verificar calidad de código y ejecutar pruebas rápidas

Lo que construirás:

• Aplicaciones de chat AI locales con soporte de streaming
• Pipelines RAG con evaluación de calidad (RAGAS)
• Herramientas de benchmarking y comparación de múltiples modelos
• Sistemas de orquestación multi-agente
• Enrutamiento inteligente de modelos con selección basada en tareas

🎙️ Taller Para Agentic: Hands-On - El Estudio de Podcast de IA

¡Construye un pipeline de producción de podcasts impulsado por IA desde cero! Este taller inmersivo te enseña a crear un sistema multi-agente completo que transforma ideas en episodios de podcast profesionales.

🎬 Comienza el Taller AI Podcast Studio

Tu Misión: Lanza "Future Bytes": un podcast tecnológico impulsado completamente por agentes de IA que construirás tú mismo. Sin dependencias en la nube, sin costos de API: todo se ejecuta localmente en tu máquina.

Qué Lo Hace Único:

• 🤖 Orquestación Real Multi-Agente - Construye agentes de IA especializados que investigan, escriben y producen audio
• 🎯 Pipeline Completo de Producción - Desde la selección de temas hasta la salida final del audio del podcast
• 💻 Despliegue 100% Local - Utiliza Ollama y modelos locales (Qwen-3-8B) para privacidad y control total
• 🎤 Integración de Texto a Voz - Transforma guiones en conversaciones con múltiples voces naturales
• ✋ Flujos de Trabajo con Intervención Humana - Puertas de aprobación que aseguran calidad manteniendo la automatización

Aprendizaje en Tres Actos:

Acto	Enfoque	Habilidades Clave	Duración
Acto 1: Conoce Tus Asistentes de IA	Construye tu primer agente de IA	Integración de herramientas • Búsqueda web • Resolución de problemas • Razonamiento agente	2-3 hrs
Acto 2: Ensambla Tu Equipo de Producción	Orquesta múltiples agentes	Coordinación de equipos • Flujos de aprobación • Interfaz DevUI • Supervisión humana	3-4 hrs
Acto 3: Da Vida a Tu Podcast	Genera audio para podcast	Texto a voz • Síntesis multi-voceros • Audio de larga duración • Automatización completa	2-3 hrs

Tecnologías Utilizadas:

• Microsoft Agent Framework - Orquestación y coordinación multi-agente
• Ollama - Ejecución local de modelos de IA (sin necesidad de nube)
• Qwen-3-8B - Modelo de lenguaje open source optimizado para tareas agenticas
• APIs de Texto a Voz - Síntesis natural de voz para generación de podcasts

Soporte de Hardware:

• ✅ Modo CPU - Funciona en cualquier computadora moderna (se recomienda 8GB+ RAM)
• 🚀 Aceleración GPU - Inferencia mucho más rápida con GPUs NVIDIA/AMD
• ⚡ Soporte NPU - Aceleración con unidad de procesamiento neuronal de próxima generación

Perfecto Para:

• Desarrolladores aprendiendo sistemas de IA multi-agentes
• Cualquier persona interesada en automatización de IA y flujos de trabajo
• Creadores de contenido explorando producción asistida por IA
• Estudiantes que estudian patrones prácticos de orquestación de IA

Comienza a Construir: 🎙️ El Taller AI Podcast Studio →

📊 Resumen del Camino de Aprendizaje

• Duración Total: 36-45 horas
• Camino para Principiantes: Módulos 01-02 (7-9 horas)
• Camino Intermedio: Módulos 03-04 (9-11 horas)
• Camino Avanzado: Módulos 05-07 (12-15 horas)
• Camino Experto: Módulo 08 (8-10 horas)

Qué Construirás

🎯 Competencias Clave

• Arquitectura AI en el Borde: Diseña sistemas de IA local-primero con integración en la nube
• Optimización de Modelos: Cuantiza y comprime modelos para despliegue en el borde (85% más rápido, 75% menos tamaño)
• Despliegue Multiplataforma: Windows, móvil, embebido y sistemas híbridos nube-borde
• Operaciones de Producción: Monitoreo, escalado y mantenimiento de IA en producción en el borde

🏗️ Proyectos Prácticos

• Aplicaciones Locales Foundry Chat: Aplicación nativa Windows 11 con cambio de modelos
• Sistemas Multi-Agente: Coordinador con agentes especialistas para flujos complejos
• Aplicaciones RAG: Procesamiento local de documentos con búsqueda vectorial
• Enrutadores de Modelos: Selección inteligente entre modelos según análisis de tareas
• Frameworks de API: Clientes listos para producción con streaming y monitoreo de salud
• Herramientas Multiplataforma: Patrones de integración LangChain/Semantic Kernel

🏢 Aplicaciones Industriales

Manufactura • Cuidado de la Salud • Vehículos Autónomos • Ciudades Inteligentes • Apps Móviles

Inicio Rápido

Camino de Aprendizaje Recomendado (20-30 horas total):

1. 📖 Introducción (Introduction.md): Fundamentos de EdgeAI + contexto industrial + marco de aprendizaje
2. 📚 Fundamentos (Módulos 01-02): Conceptos EdgeAI + familias de modelos SLM
3. ⚙️ Optimización (Módulos 03-04): Despliegue + frameworks de cuantización
4. 🚀 Producción (Módulos 05-06): SLMOps + agentes de IA + llamadas a funciones
5. 💻 Implementación (Módulos 07-08): Ejemplos de plataforma + toolkit Foundry Local

Cada módulo incluye teoría, ejercicios prácticos y ejemplos de código listos para producción.

Impacto en la Carrera

Roles Técnicos: Arquitecto de Soluciones EdgeAI • Ingeniero ML (Edge) • Desarrollador IoT AI • Desarrollador AI Móvil

Sectores Industriales: Manufactura 4.0 • Tecnología en Salud • Sistemas Autónomos • FinTech • Electrónica de Consumo

Proyectos para Portafolio: Sistemas multi-agentes • Aplicaciones RAG de producción • Despliegue multiplataforma • Optimización de rendimiento

Estructura del Repositorio

edgeai-for-beginners/
├── 📖 introduction.md  # Foundation: EdgeAI Overview & Learning Framework
├── 📚 Module01-04/     # Fundamentals → SLMs → Deployment → Optimization  
├── 🔧 Module05-06/     # SLMOps → AI Agents → Function Calling
├── 💻 Module07/        # Platform Samples (VS Code, Windows, Jetson, Mobile)
├── 🏭 Module08/        # Foundry Local Toolkit + 10 Comprehensive Samples
│   ├── samples/01-06/  # Foundation: REST, SDK, RAG, Agents, Routing
│   └── samples/07-10/  # Advanced: API Client, Windows App, Enterprise Agents, Tools
├── 🌐 translations/    # Multi-language support (8+ languages)
└── 📋 STUDY_GUIDE.md   # Structured learning paths & time allocation

Aspectos Destacados del Curso

✅ Aprendizaje Progresivo: Teoría → Práctica → Despliegue en producción
✅ Estudios de Casos Reales: Microsoft, Japan Airlines, implementaciones empresariales
✅ Ejemplos Prácticos: Más de 50 ejemplos, 10 demos completas de Foundry Local
✅ Enfoque en Rendimiento: Mejoras de velocidad del 85%, reducciones de tamaño del 75%
✅ Multiplataforma: Windows, móvil, embebido, híbrido nube-borde
✅ Listo para Producción: Monitoreo, escalado, seguridad, marcos de cumplimiento

📖 Guía de Estudio Disponible: Camino estructurado de 20 horas con asignación de tiempo y herramientas de autoevaluación.

---

EdgeAI representa el futuro del despliegue de IA: local-primero, preservando la privacidad y eficiente. Domina estas habilidades para construir la próxima generación de aplicaciones inteligentes.

Otros Cursos

¡Nuestro equipo produce otros cursos! Echa un vistazo:

LangChain

Azure / Edge / MCP / Agentes

---

Serie de IA Generativa

---

Aprendizaje Básico

---

Serie Copilot

Obtener ayuda

Si te quedas atascado o tienes alguna pregunta sobre cómo crear aplicaciones de IA, únete a:

Si tienes comentarios sobre el producto o errores mientras construyes, visita:

---

Descargo de responsabilidad:
Este documento ha sido traducido utilizando el servicio de traducción automática Co-op Translator. Aunque nos esforzamos por la precisión, tenga en cuenta que las traducciones automáticas pueden contener errores o inexactitudes. El documento original en su idioma nativo debe considerarse la fuente autorizada. Para información crítica, se recomienda una traducción profesional realizada por humanos. No nos responsabilizamos por malentendidos o interpretaciones erróneas que surjan del uso de esta traducción.