Ingeniería de machine learning e IA fundamentada en implementación real — desde inferencia en el edge hasta sistemas ML de producción.
En BolivarTech, la IA no es una palabra de moda — es una disciplina de ingeniería. Diseñamos y construimos sistemas de machine learning que resuelven problemas reales: visión computacional ejecutándose en hardware embebido, agentes de aprendizaje por refuerzo para toma de decisiones automatizada, pipelines de procesamiento de señales para datos de sensores ruidosos y modelos ML desplegados de manera confiable en entornos de producción.
Nuestro trabajo abarca el ciclo de vida completo de ML — desde la exploración de datos y el diseño de arquitectura de modelos hasta el entrenamiento, validación, optimización y despliegue — con especialización particular en edge AI, donde la IA se encuentra con hardware restringido y el mundo físico. Un diferenciador clave: implementamos sistemas ML en Rust junto a Python, aportando seguridad de memoria, rendimiento determinístico y abstracciones de costo cero a pipelines de IA de producción y runtimes de inferencia embebida.
Disciplinas de IA y ML que investigamos, construimos y desplegamos.
Despliegue de modelos de machine learning en microcontroladores y SBCs — STM32, NXP i.MX, Raspberry Pi y hardware personalizado. Cuantización, poda y optimización de modelos para inferencia en tiempo real usando OpenVINO, TensorFlow Lite, Hailo-8 y runtimes Rust bare-metal ejecutándose directamente en el hardware objetivo sin sistema operativo.
Sistemas de detección, seguimiento, conteo y restauración de imágenes. Experiencia en producción con arquitecturas basadas en YOLO, Vision Transformers (ViT) y modelos de restauración basados en codebooks para despliegues en edge y servidor.
Diseño y entrenamiento de agentes RL para sistemas de toma de decisiones automatizada — Proximal Policy Optimization (PPO), algoritmos genéticos y enfoques híbridos RL+evolutivos. Sistemas RL de producción implementados en Rust usando el framework Burn para loops de inferencia de alto throughput y baja latencia.
Procesamiento de señales mejorado con ML para sistemas embebidos — ajuste de filtros de Kalman con algoritmos evolutivos, estadísticas rolling, aproximación polinomial, procesamiento de datos GNSS/NMEA y análisis de señales de control de motores.
Diseño de pipelines ML de producción — ingesta de datos, ingeniería de características, entrenamiento, versionado, evaluación y despliegue de modelos. Pipelines de datos de alto rendimiento escritos en Rust para cargas de trabajo con requerimientos críticos de throughput. CI/CD para modelos ML, seguimiento de experimentos y monitoreo de drift en producción.
Sistemas dinámicos de evaluación de riesgos basados en ML, detección de anomalías estadísticas para datos de series temporales de sensores y modelos predictivos para aplicaciones industriales y financieras con requisitos de explicabilidad.
Frameworks, herramientas y plataformas con las que trabajamos.
Sistemas de IA y proyectos representativos que diseñamos y entregamos.
Detección de objetos, conteo de personas y seguimiento de trayectorias en tiempo real en hardware embebido — experiencia en producción con modelos YOLO en pipelines optimizados con OpenVINO y aceleradores AI dedicados (Hailo-8, Coral Edge TPU). Sin dependencia de la nube, preservando privacidad y con baja latencia.
Agentes de trading basados en RL usando PPO y algoritmos genéticos, con un encoder world model de Temporal Predictive Coding (TPC) para representación de estado latente bajo observabilidad parcial — construidos enteramente en Rust para máximo rendimiento.
Análisis con ML de datos de muestreo de corriente de motores, ajuste de ciclo de trabajo PWM y sintonización evolutiva de filtros de Kalman para procesamiento de señales robusto al ruido en sistemas de control embebidos — ejecutándose en targets STM32 y NXP en Rust.
Análisis multi-sistema GNSS/NMEA, algoritmos de multilateración para rastreo de activos y posicionamiento mejorado con ML para sistemas de localización IoT e industriales.
Investigación aplicada integrando Predictive Coding (PC) y Temporal Predictive Coding (TPC) como encoders world model en sistemas de RL. TPC construye representaciones latentes robustas que capturan dependencias temporales — actualmente un área de investigación de frontera con adopción productiva mínima a nivel global, que estamos activamente llevando hacia aplicaciones reales.
Ya sea que necesites IA ejecutándose en hardware restringido, un pipeline ML de producción u orientación experta sobre arquitectura de modelos, podemos ayudarte. Cuéntanos sobre tu problema y tus datos.
Contáctanos Volver