Detección de Fallas Vibracionales en Tractores en Mendoza
Visión general
De qué trata este proyecto.
Entrena un modelo para detectar fallas en tractores con datos IMU y optimiza su firmware. Recibe un certificado verificable.
El Briefing
Lo que harás y lo que demostrarás.
Embebe un clasificador de 6 modos de falla vibracional en el ECU del tractor con presupuesto duro y diseña la estrategia LoRaWAN de fleet management.
Earning criteria — what you'll demonstrate
- Diseñar pipelines de inferencia de series temporales en microcontrolador
- Aplicar QAT en arquitecturas 1D-CNN/TCN respetando presupuestos de memoria
- Tomar decisiones de protocolo IoT (qué se envía, cuándo, qué se descarta)
- Operar fleet management de modelos embebidos a escala de decenas
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
Edge ML and On-Device Machine Learning
Master · Ai Ml
Fit score: 1
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 en Aprendizaje Automático
Series temporales embebidas con QAT y restricciones de hardware son trabajo central de MLE en IoT industrial y agritech.
Este proyecto afina
- tinyml
- time-series-ml
- qat
Ingeniero MLOps
Fleet management de 80 dispositivos con OTA y rollback es exactamente el alcance MLOps en edge.
Este proyecto afina
- edge-deployment
- model-compression
- iot-protocols
Ingeniero en IA
Conectar sensor, modelo, microcontrolador y red LoRaWAN es el pegamento clásico de un AI Engineer en agritech.
Este proyecto afina
- iot-protocols
- tinyml
- edge-deployment