En los últimos años, hemos estado observando el rápido crecimiento y la adopción de sistemas basados en IoT, mejorando múltiples áreas de nuestras vidas. Al mismo tiempo, el uso de técnicas de aprendizaje automático ha aumentado, a menudo para casos de uso similares a los vistos en sistemas de IoT. En esta encuesta, nuestro objetivo es centrarnos en la combinación de aprendizaje automático y el paradigma de la informática en el borde. El estudio presentado comienza con el tema de la informática en el borde, sus beneficios, como la reducción de la transmisión de datos, la mejora de la escalabilidad y la reducción de la latencia, así como los desafíos asociados con este paradigma informático, como el consumo de energía, los dispositivos limitados, la seguridad y la gestión de flotas de dispositivos. Luego presenta las motivaciones detrás de la combinación de aprendizaje automático e informática en el borde, como la disponibilidad de dispositivos en el borde más potentes, la mejora de la privacidad de los datos, la reducción de la latencia o la disminución de la dependencia de servicios centralizados. Luego, describe varias plataformas de informática en el borde, centrándose en su capacidad para habilitar flujos de trabajo de inteligencia en el borde. También revisa los marcos y bibliotecas de inteligencia en el borde actualmente disponibles, como TensorFlow Lite o PyTorch Mobile. Posteriormente, el documento se centra en los casos de uso existentes para la inteligencia en el borde en áreas como aplicaciones industriales, aplicaciones de salud, ciudades inteligentes, monitoreo ambiental o vehículos autónomos.