se centra en el desarrollo integrado de sistemas embebidos y pipelines automatizados mediante Python y C++, optimizando la telemetría y el control en entornos de alta exigencia como la Fórmula 1 o competiciones aeroespaciales. Este enfoque interdisciplinario abarca áreas críticas como la dinámica de vehículos, el control en tiempo real y la visualización mediante dashboards especializados, apoyándose en metodologías Ágiles y CI/CD para garantizar robustez y trazabilidad. La interacción con hardware HIL y SIL permite testear algoritmos en prototipos virtuales mientras se cumplen lineamientos de seguridad funcional y confiabilidad operacional aplicables en contextos de alta presión y seguridad.
Los laboratorios de esta ingeniería implementan sistemas de adquisición de datos en tiempo real, análisis de vibraciones y gestión de EMC, alineados con normativas internacionales y estándares de calidad propios de sectores regulados. Se garantiza el cumplimiento con marcos normativos para software crítico como DO-178C y procedimientos de seguridad análogos, asegurando integridad y performance en sistemas embarcados. La formación atañe a perfiles profesionales como DevOps Engineers, Software Developers, System Architects y Test Engineers, habilitando la integración rápida y segura de componentes en entornos competitivos.
1.900 €
Aprenderás a integrar todo el proceso de desarrollo de producto desde la concepción del modelo hasta su validación final, aplicando metodologías centradas en el usuario. Desarrollarás competencias en diseño paramétrico, ergonomía, simulación, materiales sostenibles, visualización 3D y gestión de manufactura, garantizando soluciones eficientes, seguras y alineadas con los estándares industriales actuales.
Requisitos recomendados: base en programación, telemetría y sistemas; ES/EN B2+/C1. Ofrecemos bridging tracks si lo necesitas.
1.1 Race Software y Pit-Wall: fundamentos, alcance y visión
1.2 Arquitectura de software para carreras: Python, C++, módulos y interfaces
1.3 DevOps aplicado a carreras: pipelines, CI/CD, integración y entrega continua
1.4 Configuración de entornos para Pit-Wall: repositorios, entornos reproducibles y containers
1.5 Gestión de datos y telemetría: capturas, streaming y almacenamiento
1.6 Dashboards y visualización en tiempo real: métricas clave y alertas
1.7 Automatización de operaciones: scripts, tareas programadas y automatización de tareas repetitivas
1.8 Calidad, pruebas y mantenibilidad: pruebas unitarias/integración, refactorización y modularidad
1.9 Trabajo en equipo y gobernanza: roles, flujos de trabajo Git, SCRUM/Kanban
1.10 Caso clínico: go/no-go con matriz de riesgos y criterios de éxito
2.1 Pit-Wall: Arquitectura del flujo de trabajo entre simulación, control de código y pipelines
2.2 Entornos y configuración para Pit-Wall: dev, build, test y producción
2.3 Estrategia CI/CD para Pit-Wall: pipelines, triggers y control de versiones
2.4 Gestión de dependencias y compilación de Python y C++: entornos, compiladores y compatibilidad
2.5 Orquestación de pipelines: fases, gates, rollback y paralelismo
2.6 Dashboards y observabilidad en Pit-Wall: métricas de rendimiento, tiempos de construcción y tasa de fallos
2.7 Seguridad y cumplimiento: gestión de secretos, roles, auditoría y cumplimiento de normas
2.8 Gestión de riesgos y calidad de entrega: matriz de riesgo, umbrales y planes de mitigación
2.9 Automatización de pruebas y simulaciones: pruebas unitarias, integración y datos simulados
2.10 Case clinic: go/no-go con matriz de riesgo para decisión de despliegue Pit-Wall
3.1 Pit-Wall: introducción y arquitectura del sistema de carreras
3.2 Python en Pit-Wall: sintaxis esencial, manejo de módulos y bibliotecas relevantes
3.3 C++ en Pit-Wall: fundamentos de rendimiento, gestión de memoria y patrones de diseño
3.4 Control de versiones y gestión de código: Git, ramas y pull requests en proyectos Pit-Wall
3.5 Pipelines de integración y entrega continua: configuración de CI/CD para proyectos Pit-Wall
3.6 Automatización de pruebas y verificación de resultados: pruebas unitarias, de integración y rendimiento
3.7 Observabilidad en Pit-Wall: logging, métricas, dashboards y alertas en tiempo real
3.8 Gestión de entornos y dependencias: virtualenv/conda, CMake y configuración de compilación
3.9 DevOps para Race Software: cultura, prácticas colaborativas y release management
3.10 Caso práctico: diseño e implementación de un pipeline básico y simulación de carrera en Pit-Wall
4.1 Introducción a Race Software & DevOps: definición, objetivos, alcance en entornos navales y de competición
4.2 Pit-Wall: funciones, flujo de datos, integración con sensores y telemetría
4.3 Python para Race: fundamentos, bibliotecas clave, ejemplos de scripts de control
4.4 C++ para tiempo real: rendimiento, manejo de concurrencia, seguridad de memoria
4.5 Pipelines e automatización: CI/CD, pruebas, despliegues en simulaciones y en campo
4.6 Arquitectura de software de carreras: monolito vs microservicios, contenedores y orquestación
4.7 Dashboards y telemetría: diseño de KPIs, visualización en tiempo real, alertas
4.8 Pruebas y simulación: entornos de prueba, simuladores de carrera, validación de algoritmos
4.9 Prácticas de DevOps para entornos navales: seguridad, cumplimiento normativo y ciberseguridad
4.10 Caso práctico: go/no-go con matriz de riesgos
5.1 Introducción a DevOps y Race Software: fundamentos, objetivos, alcance naval y el rol del Pit-Wall en la gestión de carrera y simulación
5.2 Pit-Wall: arquitectura, interfaces, integración con simuladores, flujos de pruebas y competición
5.3 Python para Race Software en entornos navales: sintaxis básica, bibliotecas relevantes y manejo de datos
5.4 C++ para rendimiento en simulaciones navales: rendimiento, buenas prácticas, interoperabilidad con Python
5.5 Pipelines en DevOps: CI/CD para proyectos de Race Software, herramientas (GitHub Actions, Jenkins, GitLab CI)
5.6 Automatización y Orquestación: scripting, automatización de pruebas, despliegues y rollback en Pit-Wall
5.7 Dashboards y visualización de datos: monitorización de rendimiento, KPIs, streaming de datos de simulación
5.8 Seguridad, cumplimiento y gobernanza en DevOps naval: control de cambios, trazabilidad, auditoría y seguridad de código
5.9 Pruebas y calidad de software para Race Software: pruebas unitarias, de integración, simulaciones y validación
5.10 Caso práctico: go/no-go con matriz de riesgos y criterios de aceptación para lanzamiento de versión
6.1 Introducción a DevOps en Race Software: Pit-Wall y sus fundamentos
6.2 Arquitectura de Pit-Wall: componentes, interfaces y flujos de datos
6.3 Python y C++ para Pit-Wall: herramientas, bibliotecas y buenas prácticas
6.4 Pipelines en DevOps para Pit-Wall: CI, CD, integración y pruebas
6.5 Automatización de procesos en Pit-Wall: scripting, orquestación y automatización de tareas
6.6 Gestión de configuración y control de versiones: Git, branching y entornos reproducibles
6.7 Dashboards y visualización: monitorización de rendimiento y estado de la carrera
6.8 Pruebas y aseguramiento de calidad para Pit-Wall: unitarias, de integración y de rendimiento
6.9 Seguridad, cumplimiento y resiliencia en entornos Pit-Wall
6.10 Caso práctico: go/no-go con matriz de riesgo para Pit-Wall
7.1 Introducción a la Ingeniería Race Software & DevOps: visión general, objetivos y arquitectura Pit-Wall
7.2 Fundamentos de DevOps en entornos de carrera: CI/CD, automatización, observabilidad y métricas
7.3 Pit-Wall como centro de operaciones: roles, flujos de información y coordinación entre software y telemetría
7.4 Python y C++ para software de carreras: prácticas de programación, bibliotecas relevantes y rendimiento
7.5 Pipelines y automatización: diseño de pipelines desde commit hasta despliegue en simulación y pista
7.6 Gestión de configuraciones y reproducibilidad: control de versiones, Infrastructure as Code e entornos aislados
7.7 Dashboards y visualización de datos: monitorización en tiempo real, KPIs y telemetría de carrera
7.8 Pruebas y QA para software de carrera: pruebas unitarias, de integración y simulaciones de carrera
7.9 Seguridad, cumplimiento y ética: gestión de datos, credenciales, acceso y auditoría en Pit-Wall
7.10 Caso práctico: go/no-go y matriz de riesgos para una versión de software de carrera
8.1 Pit-Wall: Arquitectura de desarrollo con Python y C++
8.2 Entornos, control de versiones y gestión de dependencias
8.3 Pipelines CI/CD para Pit-Wall: construcción, pruebas y despliegue
8.4 Automatización de pipelines: scripting y orquestación
8.5 Python en Pit-Wall: buenas prácticas de código, rendimiento y seguridad
8.6 Integración de Race Software: simulaciones, interfaces y datos
8.7 Dashboards para monitorización: KPIs y visualización en tiempo real
8.8 Observabilidad, logs y trazabilidad en pipelines
8.9 Pruebas de rendimiento y regresión en entornos Pit-Wall
8.10 Caso práctico: go/no-go con matriz de riesgo para Pit-Wall
9.1 Introducción a Pit-Wall y su importancia en las carreras automovilísticas
9.2 Fundamentos de Ingeniería DevOps en Software de Competición
9.3 Conceptos básicos de Race Software: arquitectura y componentes clave
9.4 Python y C++ en el desarrollo de aplicaciones para Pit-Wall
9.5 Automatización de pipelines: integración y despliegue continuo
9.6 Monitorización y dashboards en entornos de carreras
9.7 Estrategias de automatización para mejorar el rendimiento en carrera
9.8 Mejores prácticas en Ingeniería DevOps aplicada a Race Software
9.9 Herramientas y tecnologías esenciales para Pit-Wall y DevOps
9.10 Casos de estudio: éxito en implementación de automatización y DevOps en carreras
10.1 Arquitectura Race Software & DevOps: fundamentos de Pit-Wall, Python y C++ para carreras
10.2 Patrones de diseño para Pit-Wall: modularidad, APIs e integración entre software de carrera y DevOps
10.3 Pipelines, automatización y pruebas: CI/CD, build, test y despliegue en entornos de simulación
10.4 Entornos reproducibles y configuración: manejo de dependencias, contenedores (Docker) y entornos
10.5 Observabilidad y dashboards: métricas, logs y visualización para Race Software
10.6 Gestión de datos y pipelines de simulación: ingestión, procesamiento y streaming de datos
10.7 Optimización y rendimiento en Python y C++: profiling y tuning
10.8 Seguridad, cumplimiento y gobernanza en Pit-Wall: acceso, secretos y auditoría
10.9 Pruebas de arquitectura: validación de rendimiento, resiliencia y escalabilidad
10.10 Caso práctico: go/no-go con matriz de riesgo para la arquitectura Pit-Wall
Director Académico del DSD — SEIUM Design & Industrial Design Institute
Profesor de Diseño Industrial, Diseño de Vehículos, Transportation Design, UX/HMI, Color & Trim, Iluminación y Desarrollo de Producto
El Prof. Luca Benedetti, de nacionalidad italiana, es Director Académico del DSD — SEIUM Design & Industrial Design Institute y responsable de diseño industrial, de producto y vehículos, experiencia de usuario, interacción persona-máquina, interfaces HMI, Color & Trim y prototipado.
Director Académico del SRA — SEIUM Robotics & Autonomous Systems Institute
Profesor de Robótica, Automatización Inteligente, Sistemas Autónomos, Percepción Artificial, Control Avanzado y Mecatrónica.
El Prof. Kenji Takahashi, de nacionalidad japonesa, es Director Académico del SRA — SEIUM Robotics & Autonomous Systems Institute y responsable de robótica industrial, robots móviles, mecatrónica, control avanzado, percepción artificial, navegación e inteligencia embebida y autónoma.
Directora Académica del DAIS — SEIUM Data, Artificial Intelligence & Simulation Institute
Profesora de Inteligencia Artificial, Ciencia de Datos, Ingeniería de Datos, MLOps, Simulación, Gemelos Digitales y Computación Científica
La Dra. Lucía Hernández Vega, de nacionalidad española, es Directora Académica del DAIS — SEIUM Data, Artificial Intelligence & Simulation Institute y responsable de inteligencia artificial, ciencia e ingeniería de datos, visión artificial, IA generativa, MLOps y gemelos digitales.
Director Académico del EET — SEIUM Electronics & Embedded Technologies Institute
Profesor de Electrónica, Sistemas Embebidos, Telecomunicaciones, Diseño de Hardware, FPGA, IoT y Sistemas de Tiempo Real
El Dr. Kevin O’Connor, de nacionalidad irlandesa, es Director Académico del EET — SEIUM Electronics & Embedded Technologies Institute y responsable de electrónica, sistemas embebidos, telecomunicaciones, diseño de circuitos, microcontroladores, FPGA, IoT y desarrollo de hardware electrónico.
Director Académico del SNO — SEIUM Naval & Offshore Institute
Profesor de Arquitectura Naval, Ingeniería Marítima, Sistemas de Propulsión, Construcción Naval e Ingeniería Offshore
El Dr. Javier Ferrer Salvatierra, de nacionalidad española, es Director Académico del SNO — SEIUM Naval & Offshore Institute y responsable de arquitectura naval, ingeniería marítima, construcción, propulsión, sistemas auxiliares, ingeniería offshore, seguridad y descarbonización marítima.
Directora Académica del RSC — SEIUM Rail & Smart Cities Institute
Profesora de Ingeniería Ferroviaria, Señalización, Movilidad Urbana, Infraestructuras Inteligentes y Sistemas de Transporte
La Dra. Isabel Martín Robles, de nacionalidad española, es Directora Académica del RSC — SEIUM Rail & Smart Cities Institute y profesora responsable de las áreas de ingeniería ferroviaria, señalización, sistemas de control del tráfico, movilidad urbana, transporte inteligente, infraestructuras conectadas y planificación de ciudades inteligentes.
Director Académico del SEN — SEIUM Energy & Networks Institute
Profesor de Sistemas Eléctricos de Potencia, Smart Grids, Energías Renovables, Almacenamiento y Digitalización de Redes
El Dr. Carlos Navarro Sanz, de nacionalidad española, es Director Académico del SEN — SEIUM Energy & Networks Institute y responsable de sistemas eléctricos, redes inteligentes, renovables, almacenamiento, operación, protecciones, subestaciones, digitalización y planificación energética.
Director Académico del Departamento PTW — Motorcycle & Two-Wheel Engineering
Profesor de Ingeniería de Motocicletas, Dinámica de Vehículos de Dos Ruedas, Chasis, Suspensiones y Sistemas de Propulsión
El Prof. Hiroshi Nakamura, de nacionalidad japonesa, es Director Académico del Dpto. de Motorcycle & Two-Wheel Engineering — PTW de SEIUM y responsable de ingeniería de motocicletas, dinámica, chasis, suspensiones, propulsión térmica y eléctrica, telemetría y validación experimental.
Director Académico del SAS — SEIUM Aero & Space Institute
Profesor de Ingeniería Aeroespacial, Helicópteros, Tiltrotor, eVTOL, Aviónica y Sistemas de Vuelo
El Dr. James Whitmore, de nacionalidad británica, es Director Académico del SAS — SEIUM Aero & Space Institute y responsable de ingeniería aeroespacial, diseño de aeronaves, helicópteros, eVTOL, movilidad aérea, aviónica, control de vuelo, sistemas espaciales y certificación.
Director Académico del Departamento EMH — Electromobility, Batteries & Hydrogen
Profesor de Electromovilidad, Ingeniería de Baterías, Sistemas BMS, Electrónica de Potencia e Hidrógeno Aplicado a la Movilidad
El Dr. Markus Schneider, de nacionalidad alemana, es Director Académico del Dpto. de Electromobility, Batteries & Hydrogen — EMH de SEIUM y responsable de electromovilidad, baterías, BMS, electrónica de potencia, infraestructura de recarga e hidrógeno aplicado al transporte.
Director Académico del SEIUM MotorSport Institute — SMI
Profesor de Ingeniería Motorsport, Dinámica Vehicular, Aerodinámica de Competición y Race Performance Engineering
El Dr. Alessandro Moretti, de nacionalidad italiana, es Director Académico del SEIUM MotorSport Institute — SMI y responsable de ingeniería motorsport, dinámica vehicular, aerodinámica de competición, chasis, suspensiones, telemetría y optimización del rendimiento en pista.
Consulta “Calendario & convocatorias”, “Becas & ayudas” y “Tasas & financiación” en el mega-menú de SEIUM
Nuestro equipo está listo para ayudarte. Contáctanos y te responderemos lo antes posible.
Si, contamos con certificacion internacional
Sí: modelos experimentales, datos reales, simulaciones aplicadas, entornos profesionales, casos de estudio reales.
No es obligatoria. Ofrecemos tracks de nivelación y tutorización
Totalmente. Cubre e-propulsión, integración y normativa emergente (SC-VTOL).
Recomendado. También hay retos internos y consorcios.
Sí. Modalidad online/híbrida con laboratorios planificados y soporte de visados (ver “Visado & residencia”).
Testimonios de clientes que avalan nuestra calificación