El Vehículo Aéreo No Tripulado asistido por Computación en el Borde (UAV-EC) aprovecha los UAV como servidores aéreos en el borde para proporcionar recursos de computación a los equipos de usuario (UE) en entornos en constante cambio. Un desafío crítico en UAV-EC radica en tomar decisiones de descarga adaptativas en tiempo real que determinen si y cómo los UE deben descargar tareas a los UAV. Este problema se formula típicamente como Programación No Lineal Mixta Entera (MINLP). Sin embargo, la mayoría de los métodos de descarga existentes sacrifican la puntualidad de la estrategia, lo que lleva a una degradación significativa del rendimiento en los sistemas UAV-EC, especialmente bajo la variabilidad de la calidad del canal inalámbrico y la movilidad impredecible de los UAV. En este documento, proponemos un nuevo marco que mejora la puntualidad de la estrategia de descarga en tales entornos dinámicos. Específicamente, optimizamos conjuntamente las decisiones de descarga, la potencia de transmisión de los UE y la asignación de recursos de computación, para maximizar la utilidad del sistema que abarca tanto la reducción de la latencia como la conservación de energía. Para abordar este problema de optimización combinacional y obtener una estrategia en tiempo real, diseñamos un algoritmo de Descarga en Línea Consciente de la Calidad de Experiencia (QoE) (QO2) que podría adaptar óptimamente las decisiones de descarga y las asignaciones de recursos a las condiciones del canal inalámbrico que varían con el tiempo. En lugar de resolver directamente el MIP a través de métodos tradicionales, el algoritmo QO2 utiliza una red neuronal profunda para aprender decisiones de descarga binarias a partir de la experiencia, mejorando enormemente la puntualidad de la estrategia. Esta operación basada en el aprendizaje mejora inherentemente la robustez del algoritmo QO2. Para fortalecer aún más la robustez, diseñamos una estrategia de Muestreo Proporcional Basada en Prioridades (PPS) que aprovecha patrones de optimización históricos. Resultados de simulación extensivos demuestran que QO2 supera a las líneas base de última generación en calidad de solución, logrando consistentemente soluciones casi óptimas. Más importante aún, exhibe una fuerte adaptabilidad a las condiciones dinámicas de la red. Estas características hacen de QO2 una solución prometedora para sistemas UAV-EC dinámicos.