Estudiantes de la carrera de Ingeniería Biomédica PUCP-UPCH expusieron su proyecto en evento del TinyML4D, red académica internacional a la cual Cayetano pertenece
De izquierda a derecha: Dr. Pedro Segura, jefe de carrera de Ingeniería Biomédica; el Ing. Moises Meza, docente e investigador de Ingeniería UPCH; los tres estudiantes de Ingeniería Biomédica PUCP-UPCH; y el Ing. Lewis De La Cruz, docente e investigador de Ingeniería UPCH.
La Universidad Peruana Cayetana Heredia es una de las dos universidades peruanas en pertenecer a la red académica internacional TinyML for Developing Countries (TinyML4D), la cual viene desarrollando contenido para investigadores y profesionales enfocados en habilitar soluciones innovadoras para los desafíos únicos que enfrentan los países en desarrollo miembros.
Cabe mencionar que la TinyML4D pertenece a la Tiny Machine Learning Open Education Initiative (TinyMLedu), grupo internacional de académicos y profesionales de la industria que trabajan para mejorar el acceso global a materiales educativos para el campo de vanguardia de TinyML.
¿Qué es TinyML?
El TinyML, emergente del Machine Learning, es un campo de aprendizaje automático que incluye hardware, algoritmos y software capaces de realizar análisis de datos de sensores en dispositivos de baja potencia, baja consumo y de coste bajo, los cuales abundan en el mercado e industrias.
Así, cuenta con los siguiente beneficios:
Latencia: Debido a que no es necesario transferir los datos a un servidor para la inferencia, debido a que el modelo opera en dispositivos periféricos.
Ahorro de energía: Los microcontroladores necesitan una cantidad muy pequeña de energía, lo que les permite operar durante largos períodos sin necesidad de cargarse. Además, no requiere una infraestructura de servidor extensa.
Ancho de banda reducido: Se requiere poca o ninguna conexión a Internet para la inferencia.
Privacidad de datos : Sus datos no se guardan en servidores porque el modelo se ejecuta en el microcontrolador.
Implementación en las aulas
Cayetano Heredia es la única universidad peruana de TinyML4D que ha incluido contenidos de TinyML en un curso, el cual es Introducción a Señales Biomédicas, perteneciente a la carrera de Ingeniería Biomédica PUCP-UPCH, cuyos docentes son el Ing. Moises Meza y el Ing. Lewis De La Cruz.
Algunos de los beneficios que esto proporciona a la carrera son:
Facilita a los estudiantes el uso de kits específicos de Tiny Machine Learning, los cuales familiarizan al alumno con este tipo de tecnología para entender futuras charlas y cursos internacionales donde sea necesario conocer su manejo, como son los que ofrece anualmente la TinyML4D Academic Network .
Además, permite que los proyectos desarrollados en el curso Introducción a Señales Biomédicas y en el Laboratorio de Ingeniería Biomédica puedan exponerse en sesiones internacionales del TinyML4D, recibiendo comentarios de expertos de Harvard o del ICTP.
Exposición de estudiantes en evento internacional del TinyML4D
Al pertenecer nuestra universidad al TinyML4D, tres estudiantes de la carrera de Ingeniería Biomédica PUCP-UPCH pudieron exponer su proyecto “Eye to eye: non-invasive anaemia detector using ML”, desarrollado en el Laboratorio de Ingeniería Biomédica en el «TinyML Show and Tell», reunión virtual del ICTP apoyada por la TinyML4D Academic Network, realizada el 26 de enero.
De esta manera, cada uno nos comentó su experiencia con el TinyML y cómo Cayetano ha contribuido a su formación en el conocimiento y desarrollo constante de habilidades para su crecimiento académico y profesional en el tema.
Ángel Cebrian
“Conocí el TinyML mediante una conversación en el curso de Fundamentos de Biodiseño de la carrera de Ingeniería Biomédica PUCP-UPCH y sentí mucha curiosidad sobre qué es, lo que proporciona este tipo de tecnología y qué podría hacer para mejorar la calidad de vida de las personas en nuestro país. Al saber que la universidad proporciona el conocimiento y las herramientas para practicar en el campo, me uní al Laboratorio de Ingeniería Biomédica donde, usando el kit TinyML de Arduino con la placa Arduino nano 33 ble sense, empecé proyectos básicos para comprender cómo utilizar esta tecnología que permite hacer bastantes aplicaciones usando el mínimo posible de energía”.
Sobre sus proyecciones a largo plazo, nos comentó lo siguiente:
“En un futuro me gustaría crear proyectos innovadores en el área de rehabilitación y monitoreo continuo a pacientes mediante wearables, utilizando Tiny Machine Learning para aumentar la calidad de recuperación del paciente y evitar posibles infecciones, o que no se olvide de tomar sus pastillas sin necesidad de un monitoreo humano continuo”.
Kimberly Soto
“Mi introducción en el mundo del Machine Learning se dio gracias al curso de Fundamentos de Biodiseño, en el cual tuvimos la oportunidad de elaborar un proyecto para la presunción de anemia no invasiva. Así, el tema me dio mucha curiosidad para saber qué más se puede desarrollar con este nuevo conocimiento. Luego, fuimos invitados por Edge Impulse al evento de TinyML, donde tuvimos la oportunidad de explicar y saber cómo podríamos mejorar el proyecto con diferentes doctores y profesores expertos en Machine Learning, quienes nos dieron consejos y mucha seguridad de continuar en esta rama. Además, con la ayuda de nuestros docentes en el Laboratorio de Ingeniería Biomédica, pudimos resolver muchas dudas, practicar con sensores y desarrollar diferentes tipos de enfoque en cuanto al Machine Learning. Para mí fue muy importante también la preparación en los cursos de la carrera que fui descubriendo y las lecturas acorde al tema. Así, ahora puedo ver más enfoques del Machine Learning y clasificaciones que aplicar en los proyectos base que estamos iniciando».
Sobre sus proyecciones a largo plazo, nos comentó lo siguiente:
“Me gustaría mucho especializarme en el ámbito de señales e imágenes biomédicas, y apoyar a la par en el área de mecánica y rehabilitación. Considero que con el Tiny Machine Learning podremos avanzar en estas dos áreas, ayudando sobre todo al sector salud. Además, me gustaría ahondar en el tema de desarrollar proyectos comunes y adaptarlos a la necesidad del mundo actual, así como trabajar con la realidad social de nuestro país, incorporando la portabilidad de equipos wearable de TinyML, sería un gran progreso para el país.
Gabriela Sánchez
“Descubrí TinyML en mi 4to ciclo, mientras mi equipo y yo buscábamos una idea innovadora para brindar un diagnóstico presuntivo de anemia. Investigando y siendo asesorados por nuestros profesores, nos adentramos en el mundo de TinyML. Entonces, nos dimos cuenta del alcance de esta inteligencia artificial. De esta manera, con la ayuda de la plataforma de Edge Impulse, logramos desarrollar una solución a nuestra problemática. Me pareció fascinante conocer cómo TinyML puede ejecutarse en dispositivos integrados sin depender de conexiones a la nube, y en especial, cómo esta tecnología puede aplicarse en el ámbito de la salud, para el desarrollo de nuevos dispositivos biomédicos portátiles y mejorar las deficiencias de los existentes”.
Sobre sus proyecciones a largo plazo, nos comentó lo siguiente:
“En el futuro, aspiro a seguir aprendiendo e innovando en el área de TinyML, ya que considero que es un campo muy versátil y lleno de infinitas posibilidades. Me interesa especialmente enfocarlo en el diagnóstico temprano de enfermedades y en el campo de la rehabilitación. Además, considero que el uso de TinyML es la clave para transformar la atención médica tal como la conocemos y contribuir a mejorar la calidad de vida de los pacientes en todo el mundo”.
Felicitamos a nuestros estudiantes por este gran paso en su crecimiento académico y profesional; además, resaltamos el compromiso de nuestra universidad por ofrecer una calidad educativa enfocada en ofrecer a nuestros alumnos oportunidades de desarrollo y mejora constante.
