A lo largo de esta sesión, veremos como crear un modelo de Machine Learning desde cero para detectar posibles síntomas relacionados con la enfermedad de Parkinson. Para ello, utilizaremos Azure ML como herramienta principal para desarrollar todo nuestro ciclo de Machine Learning:

- Preprocesado
- Entrenamiento
- Testing
- Registro de versiones del modelo.

Se creará un pipeline de Azure Machine Learning para poder ejecutar y automatizar los pasos previamente mencionados.

Una vez que tenemos nuestro modelo entrenado, este se desplegará como módulo de IoT Edge. Este módulo será capaz de monitorizar la información de los sensores que tiene instalados el paciente y generar predicciones en tiempo real sobre la aparición de posibles síntomas de la enfermedad de Parkinson.

Debido a que este proceso necesita una continua monitorización del paciente, veremos como optimizar nuestro modelo para desplegarlo en una Jetson-Nano, la cual será la encarga de acceder a la información de los sensores y ejecutar el proceso de inferencia.