TinyML

Prefacio

Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: [e-mail]

Algo relacionado con la electrónica ha cautivado mi imaginación desde que tengo uso de razón. Hemos aprendido a excavar rocas de la tierra, a refinarlas de formas misteriosas y a producir un conjunto vertiginoso de componentes diminutos que combinamos -según leyes arcanas- para imbuirlos de alguna esencia de vida.

Para mi mente de ocho años, una pila, un interruptor y una bombilla de filamento eran suficientemente encantadores, por no hablar del procesador que había dentro del ordenador doméstico de mi familia. Y con el paso de los años, he desarrollado cierta comprensión de los principios de la electrónica y el software que hacen funcionar estos inventos. Pero lo que siempre me ha llamado la atención es la forma en que un sistema de elementos simples puede unirse para crear algo sutil y complejo, y el aprendizaje profundo realmente lleva esto a nuevas cotas.

Uno de los ejemplos de este libro es una red de aprendizaje profundo que, en cierto sentido, entiende cómo ver. Está formada por miles de "neuronas" virtuales, cada una de las cuales sigue unas reglas sencillas y produce un único número. Por sí solas, cada neurona no es capaz de mucho, pero combinadas y -a través del entrenamiento- con una chispa de conocimiento humano, pueden dar sentido a nuestro complejo mundo.

Hay algo de magia en esta idea: simples algoritmos que se ejecutan en diminutos ordenadores hechos de arena, metal y plástico pueden encarnar un fragmento de la comprensión humana. Esta es la esencia del TinyML, un término que Pete acuñó y presentará en el Capítulo 1. En las páginas de este libro encontrarás las herramientas que necesitarás para construir estas cosas tú mismo.

Gracias por ser nuestro lector. Éste es un tema complicado, pero nos hemos esforzado por mantener las cosas sencillas y explicar todos los conceptos que necesitarás. Esperamos que disfrutes con lo que hemos escrito, ¡y estamos deseando ver lo que creas!

Daniel Situnayake

Convenciones utilizadas en este libro

En este libro se utilizan las siguientes convenciones tipográficas:

Cursiva

Indica nuevos términos, URL, direcciones de correo electrónico, nombres de archivo y extensiones de archivo.

Constant width

Se utiliza en los listados de programas, así como dentro de los párrafos para referirse a elementos del programa como nombres de variables o funciones, bases de datos, tipos de datos, variables de entorno, sentencias y palabras clave.

Constant width bold

Muestra comandos u otros textos que deben ser tecleados literalmente por el usuario.

Constant width italic

Muestra el texto que debe sustituirse por valores proporcionados por el usuario o por valores determinados por el contexto.

Consejo

Este elemento significa un consejo o sugerencia.

Nota

Este elemento significa una nota general.

Advertencia

Este elemento indica una advertencia o precaución.

Utilizar ejemplos de código

El material complementario (ejemplos de código, ejercicios, etc.) se puede descargar en https://tinymlbook.com/supplemental.

Si tienes una pregunta técnica o un problema al utilizar los ejemplos de código, envía un correo electrónico a [e-mail].

Este libro está aquí para ayudarte a hacer tu trabajo. En general, si se ofrece código de ejemplo con este libro, puedes utilizarlo en tus programas y documentación. No es necesario que te pongas en contacto con nosotros para pedirnos permiso, a menos que estés reproduciendo una parte importante del código. Por ejemplo, escribir un programa que utilice varios trozos de código de este libro no requiere permiso. Vender o distribuir ejemplos de los libros de O'Reilly sí requiere permiso. Responder a una pregunta citando este libro y el código de ejemplo no requiere permiso. Incorporar una cantidad significativa del código de ejemplo de este libro en la documentación de tu producto sí requiere permiso.

Agradecemos la atribución, pero en general no la exigimos. Una atribución suele incluir el título, el autor, la editorial y el ISBN. Por ejemplo "TinyML por Pete Warden y Daniel Situnayake (O'Reilly). Copyright Pete Warden y Daniel Situnayake, 978-1-492-05204-3".

Si crees que el uso que haces de los ejemplos de código no se ajusta al uso legítimo o al permiso concedido anteriormente, no dudes en ponerte en contacto con nosotros en [e-mail].

Aprendizaje en línea O'Reilly

Nota

Durante más de 40 años, O'Reilly Media ha proporcionado formación tecnológica y empresarial, conocimientos y perspectivas para ayudar a las empresas a alcanzar el éxito.

Nuestra red única de expertos e innovadores comparten sus conocimientos y experiencia a través de libros, artículos y nuestra plataforma de aprendizaje online. La plataforma de aprendizaje en línea de O'Reilly te ofrece acceso bajo demanda a cursos de formación en directo, rutas de aprendizaje en profundidad, entornos de codificación interactivos y una amplia colección de textos y vídeos de O'Reilly y de más de 200 editoriales. Para más información, visita http://oreilly.com.

Cómo contactar con nosotros

Dirige tus comentarios y preguntas sobre este libro a la editorial:

• O'Reilly Media, Inc.
• 1005 Gravenstein Highway Norte
• Sebastopol, CA 95472
• 800-998-9938 (en Estados Unidos o Canadá)
• 707-829-0515 (internacional o local)
• 707-829-0104 (fax)

Tenemos una página web para este libro, donde se enumeran erratas, ejemplos y cualquier información adicional. Puedes acceder a esta página en https://oreil.ly/tiny.

Envía un correo electrónico a [e-mail] para comentar o hacer preguntas técnicas sobre este libro.

Para obtener noticias y más información sobre nuestros libros y cursos, consulta nuestro sitio web en http://www.oreilly.com.

Encuéntranos en Facebook: http://facebook.com/oreilly

Síguenos en Twitter: http://twitter.com/oreillymedia

Míranos en YouTube: http://www.youtube.com/oreillymedia

Agradecimientos

Nos gustaría dar las gracias especialmente a Nicole Tache por su maravillosa edición, a Jennifer Wang por su inspirador ejemplo de la varita mágica, y a Neil Tan por el innovador trabajo de ML embebido que realizó con la biblioteca uTensor. No podríamos haber escrito este libro sin el apoyo profesional de Rajat Monga y Sarah Sirajuddin. También nos gustaría dar las gracias a nuestras compañeras Joanne Ladolcetta y Lauren Ward por su paciencia.

Este libro es el resultado del trabajo de cientos de personas de todo el mundo del hardware, el software y la investigación, especialmente del equipo de TensorFlow. Aunque sólo podemos mencionar a unos pocos, y pedimos disculpas a todos los que hemos pasado por alto, nos gustaría dar las gracias a: Mehmet Ali Anil, Alasdair Allan, Raziel Álvarez, Paige Bailey, Massimo Banzi, Raj Batra, Mary Bennion, Jeff Bier, Lukas Biewald, Ian Bratt, Laurence Campbell, Andrew Cavanaugh, Lawrence Chan, Vikas Chandra, Marcus Chang, Tony Chiang, Aakanksha Chowdhery, Rod Crawford, Robert David, Tim Davis, Hongyang Deng, Wolff Dobson, Jared Duke, Jens Elofsson, Johan Euphrosine, Martino Facchin, Limor Fried, Nupur Garg, Nicholas Gillian, Evgeni Gousev, Alessandro Grande, Song Han, Justin Hong, Sara Hooker, Andrew Howard, Magnus Hyttsten, Advait Jain, Nat Jeffries, Michael Jones, Mat Kelcey, Kurt Keutzer, Fredrik Knutsson, Nick Kreeger, Nic Lane, Shuangfeng Li, Mike Liang, Yu-Cheng Ling, Renjie Liu, Mike Loukides, Owen Lyke, Cristian Maglie, Bill Mark, Matthew Mattina, Sandeep Mistry, Amit Mittra, Laurence Moroney, Boris Murmann, Ian Nappier, Meghna Natraj, Ben Nuttall, Dominic Pajak, Dave Patterson, Darío Pennisi, Jahnell Pereira, Raaj Prasad, Frederic Rechtenstein, Vikas Reddi, Rocky Rhodes, David Rim, Kazunori Sato, Nathan Seidle, Andrew Selle, Arpit Shah, Marcus Shawcroft, Zach Shelby, Suharsh Sivakumar, Ravishankar Sivalingam, Rex St. John, Dominic Symes, Olivier Temam, Phillip Torrone, Stephan Uphoff, Eben Upton, Lu Wang, Tiezhen Wang, Paul Whatmough, Tom White, Edd Wilder-James y Wei Xiao.