En los últimos años, los rápidos avances en tecnologías de hardware y software han dado lugar a la capacidad de ejecutar algoritmos de inteligencia artificial (IA) en dispositivos de bajos recursos. La combinación de hardware electrónico de alta velocidad y bajo consumo de energía con algoritmos de IA eficientes está impulsando la aparición de IA en el dispositivo. Las redes neuronales profundas (DNN) son algoritmos de IA altamente efectivos utilizados para identificar patrones en datos complejos. Sin embargo, las DNN contienen muchos parámetros y operaciones que las hacen computacionalmente intensivas de ejecutar. En consecuencia, las DNN suelen ejecutarse en procesadores de backend de altos recursos. Esto provoca un aumento en la latencia de procesamiento de datos y el gasto energético. Por lo tanto, se están desarrollando estrategias modernas para facilitar la implementación de DNN en dispositivos con recursos limitados. Este documento presenta una revisión detallada de los métodos y estructuras actuales que se han desarrollado para implementar DNN en dispositivos con recursos limitados. En primer lugar, se presenta una visión general de las DNN. A continuación, se explican los métodos utilizados para implementar DNN en dispositivos con recursos restringidos. Después de esto, se revisan los trabajos existentes reportados en la literatura sobre la ejecución de DNN en dispositivos de bajos recursos. Los trabajos revisados se clasifican en tres categorías: software, hardware y co-diseño de hardware/software. Luego, se ofrece una discusión sobre los enfoques revisados, seguida de una lista de desafíos y perspectivas futuras de la IA en el dispositivo, junto con sus aplicaciones emergentes.