Wake-Word ‘Hola Casa’ con TinyML para Hogar Inteligente en Lisboa
Visión general
De qué trata este proyecto.
Recibirás una base de 20 horas de wake-word (‘Hola Casa’ en ES y ‘Olá Casa’ en PT) más ~80 horas de habla negativa multilingüe. Entrena un modelo TinyML (DS-CNN, BC-ResNet o variantes ≤80kB) que respete los presupuestos de 12kB RAM y 80kB Flash del microcontrolador. Reporta tasa de detección, tasa de falsa activación por hora y latencia. Empaqueta un firmware demo y documenta el diseño de privacidad: dónde se procesa el audio, qué se transmite, qué se guarda. Termina con un memo para el responsable de producto y para la oficina de protección de datos.
El Briefing
Lo que harás y lo que demostrarás.
Diseña y entrena un detector de wake-word bilingüe (ES/PT) que cumpla presupuestos estrictos de RAM/Flash y respete privacy-by-design.
Earning criteria — what you'll demonstrate
- Diseñar y curar un dataset de wake-word bilingüe
- Entrenar modelos TinyML respetando presupuestos de memoria
- Medir falsas activaciones por hora en condiciones realistas de hogar
- Articular un diseño de privacidad defendible ante producto y DPO
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 en IA
Convertir un modelo de audio en un firmware con presupuesto duro es el tipo de trabajo de día uno de un AI Engineer en hardware de consumo.
Este proyecto afina
- tinyml
- edge-deployment
- tflite-micro
Ingeniero NLP
Aunque el wake-word es audio, el pipeline (datos bilingües, evaluación honesta) es el mismo músculo que pide un NLP Engineer.
Este proyecto afina
- audio-ml
- keyword-spotting
- tinyml
Ingeniero en Aprendizaje Automático
Empaquetar un modelo y medirlo en hardware real con privacidad explícita es trabajo cotidiano de un MLE en IoT.
Este proyecto afina
- privacy-by-design
- tflite-micro
- edge-deployment