Track – Industria, Innovación e Infraestructura – NXP
Track en alianza con:
+ Meta de ODS
Objetivo 9: Industria, Innovación e Infraestructura.
El objetivo actual hacia el año 2030 es modernizar la infraestructura con una nueva perspectiva, la cual es reconvertir las industrias para que sean sostenibles, utilizando los recursos con mayor eficiencia y promoviendo la adopción de tecnologías junto con procesos industriales limpios que no impacten al medio ambiente de forma negativa, logrando que todos los países tomen medidas de acuerdo con sus capacidades respectivas.
+ Objetivo Particular
Utilizar herramientas de machine learning en sistemas embebidos no conectados (Edge computing) reduciendo su nivel invasor e incrementar su eficiencia; sobre todo en la seguridad de los sistemas de infraestructura y procesos industriales en regiones de baja conectividad
+ Especificaciones técnicas y tecnológicas
El prototipo deberá presentarse operando en la tarjeta iMXRT1060-EVK, se podrá utilizar todos los sensores habilitados en la tarjeta, asimismo es permitido utilizar sensores y actuadores externos, a pesar de esto el procesamiento principal debe estar en esta tarjeta.
Cualquier método de entrada para los modelos de machine learning como: cámara, micrófono o algún otro sensor están permitidos
El prototipo deberá utilizar la herramienta eIQ (www.nxp.com/eiq) para el uso de modelos de machine learning en el microcontrolador,
Se pueden utilizar los modelos ya incorporados en la herramienta, sin embargo, se pueden utilizar modelos nuevos que puedan migrarse a eIQ, este tipo de iniciativa otorgará puntos extras.
+ Tipo de solución
Prototipo funcional.
+ Motivación de desarrollo del track
- Promoción y posicionamiento de NXP en México
- Promover el uso de herramientas para machine learning en sistemas embebidos
- Detección de talento
+ Dirigido a
Dirigido a Estudiantes, emprendedores, profesionistas y entusiastas en el área de Machine Learning.
+ Descripción del Track / Vertical
Fase 1: Explicación y justificación de la idea.
Subir toda la información a la plataforma de evaluación del Hackathon.
Fase 2: Desarrollo del prototipo
Entrega de fotos y video como evidencia del avance del prototipo.
Fase 3. FINAL del track
explicación-demo del prototipo y pruebas funcionales del proyecto ante el jurado.
+ Información adicional Relevante
-
Machine Learning Courses:
Video series on Neural Network basics
ARM Embedded Machine Learning for Dummies
Google Machine Learning Crash Course
Deploying a CNN in Cortex-M with CMSIS-NN
+ Elementos a Evaluar
● Capacidad tecnológica
● Uso de las herramientas recomendadas
● Creatividad-Innovación
● Funcionalidad del prototipo
● Funcionalidad – prototipo
+ Entregable / Solución Esperada
Prototipo funcional utilizando el software eIQ en la tarjeta de evaluación iMXRT1060-EVK
+ Mentores / Jurado
Mentores
- Juan Carlos Pacheco
- Víctor Jimenez
- Sabina Bruce
- Jose Ruiz
Jurado
- Carlos Neri
- Alejandra Guzmán
- Gerardo Rodriguez
+ Términos y condiciones relevantes para el patrocinador
- Los participantes finalistas deberán subir el proyecto a la comunidad de NXP explicando su funcionamiento. En el caso de no tener la entrada en la comunidad se le restaran puntos.
- Los participantes pueden quedarse con la tarjeta de evaluación después de haber culminado el hackaton bajo la petición formal por el equipo/integrante durante la evaluación.
- La propiedad de la idea y la implementación de la misma es propiedad de los concursantes.