Skip to content

ai-iot-stack.md

Latest commit

 

History

History
61 lines (47 loc) · 4.75 KB

ai-iot-stack.md

File metadata and controls

61 lines (47 loc) · 4.75 KB
Raw

El AI-IoT-Stack — la innovación del curso 2027

De dónde venimos

Este curso ha cambiado de fondo en cada ciclo:

  1. Electrónica pura (Arduino): el foco era el hardware — pines, protocolos, control directo.
  2. IoT-Stack: el foco se movió a mover datos a escala — MQTT, EdgeX Foundry, InfluxDB, Grafana/Prometheus — con menos énfasis en electrónica y más en el pipeline de datos.
  3. 2027 — AI-IoT-Stack: el mismo pipeline de datos, pero con una capa de inteligencia que decide y razona, no solo que almacena y grafica.

No es una moda: es la misma progresión que está viviendo la industria (edge computing + modelos de lenguaje aplicados a IoT). El curso adopta esa progresión un ciclo antes de que sea "obvia" para que los egresados 2027 lleguen ya con ese criterio.

Las capas del AI-IoT-Stack

┌─────────────────────────────────────────────────────────────┐
│ 6. Visualización y acción                                    │
│    Grafana · Prometheus · ThingsBoard · actuadores            │
├─────────────────────────────────────────────────────────────┤
│ 5. Inteligencia (dos rutas, no excluyentes)                    │
│    ├─ Edge AI / TinyML → inferencia local, sin salir del chip  │
│    └─ Orquestación con LLM → razonamiento, lenguaje natural,    │
│       decisiones contextuales vía API (ChatGPT, Claude, etc.)  │
├─────────────────────────────────────────────────────────────┤
│ 4. Persistencia                                                │
│    InfluxDB (series temporales)                                │
├─────────────────────────────────────────────────────────────┤
│ 3. Mensajería                                                  │
│    MQTT (Mosquitto/EMQX) · EdgeX Foundry                       │
├─────────────────────────────────────────────────────────────┤
│ 2. Conectividad                                                │
│    UART/SPI/I²C · WiFi/BT · LoRaWAN (bajo consumo)             │
├─────────────────────────────────────────────────────────────┤
│ 1. Percepción                                                  │
│    Sensores y actuadores (temperatura, movimiento, MEMS, etc.)  │
└─────────────────────────────────────────────────────────────┘

La diferencia clave frente al IoT-Stack "clásico" está en la capa 5: en vez de que el dato solo llegue a un dashboard para que una persona lo interprete, el sistema mismo puede:

  • Clasificar o detectar anomalías en el borde (TinyML), sin depender de la nube ni de conectividad constante.
  • Consultar un LLM para traducir un estado técnico ("temp=38.4, humedad=22%, tendencia+") en una recomendación en lenguaje natural, o para generar documentación/alertas automáticamente.

Mapeo a las unidades del curso

Capa del stack Unidad Dónde vive el material
Percepción, conectividad básica U01–U02 class-material/u1, u2
Mensajería U02 class-material/u2 (MQTT, EdgeX)
Persistencia y visualización U03 class-material/u3
Conectividad avanzada + orquestación con LLM U04 class-material/u4
Edge AI / TinyML + seguridad U05 class-material/u5
Stack completo integrado U06 (proyecto final) class-material/u6, assignments/proyectos

Precedente ya en el repo

La práctica de class-material/u3/3.4 (Raspberry Pi Pico W consultando la API de ChatGPT vía HTTP en Wokwi) es la primera semilla de esta capa de inteligencia. U04 la retoma y la formaliza como parte central del stack, no como una demo aislada.

Estado

Esta es la primera versión del concepto (ciclo 2027). Conforme se generen las prácticas de U04/U05, este documento se actualiza para reflejar ejemplos concretos, diagramas de referencia por proyecto y la rúbrica del proyecto integrador que exija demostrar al menos una capa de inteligencia (Edge AI o LLM) funcionando sobre el resto del stack.