Auditoría de Latencia y Energía para Cámara Conservera en Murcia
Visión general
De qué trata este proyecto.
Recibirás un modelo de clasificación binaria (defecto/no defecto) entrenado en envases metálicos, junto con 5.000 imágenes de test. Despliega el mismo modelo en las tres plataformas usando los frameworks naturales de cada una (Coral Edge TPU compiler, ONNX Runtime, TensorRT). Mide latencia (p50 y p95), throughput sostenido, consumo en W, temperatura tras 60 minutos de carga, y coste total por línea incluyendo cámara y cableado. Entrega un dashboard de comparación y un memo de 3 páginas para compras y operaciones con una recomendación clara.
El Briefing
Lo que harás y lo que demostrarás.
Compara tres plataformas edge en latencia, energía y coste para una visión en línea de inspección de conservas y recomienda la mejor opción para 12 líneas.
Earning criteria — what you'll demonstrate
- Comparar plataformas edge con criterios reproducibles y honestos
- Convertir un mismo modelo a tres runtimes distintos sin sesgo
- Medir consumo real bajo carga sostenida (no solo inferencia aislada)
- Traducir un benchmark técnico en una decisión de compras
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
Habilidades
Habilidades que demostrarás.
Cada una aparece en tu credencial verificada.
Carreras
Roles para los que esto te prepara.
Títulos reales. Puentes de habilidades reales. Elige el que más se acerque a tu trayectoria.
Trayectorias profesionales que esto construye
Roles canónicosIngeniero MLOps
Auditar plataformas edge con métricas honestas y traducirlas en coste por línea es trabajo central de MLOps en empresas con flotas embebidas.
Este proyecto afina
- edge-deployment
- benchmarking
- hardware-aware-design
Ingeniero en Aprendizaje Automático
Convertir un modelo a tres runtimes y validar paridad de precisión es músculo que pide un MLE en empresas con producto físico.
Este proyecto afina
- onnx-runtime
- tensorrt
- edge-deployment
Arquitecto de Soluciones IA
Traducir trade-offs de hardware en decisión de compra para múltiples líneas es trabajo nuclear del AI Solutions Architect.
Este proyecto afina
- hardware-aware-design
- benchmarking
- edge-deployment