Máster online de 1900 h: 12 módulos y 120 submódulos, de «Inspección automática con IA» a «Trabajo Fin de Máster», pasando por «Software edge e integración».
Mapa del programa · pulsa un módulo
Módulo 1 · Inspección automática con IA
1900 hDuración total
12Módulos
120Submódulos
OnlineModalidad
Competencias y resultados
6 bloques de competencia, sacados de los módulos de este programa. Pulsa cualquiera y ves qué vas a saber hacer.
Inspección automática con IA
Saldrás manejando inspección manual frente a automática, tipologías de defectos industriales y requisitos de un sistema de inspección. Es lo que se trabaja en «Inspección automática con IA», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Modelos de clasificación y detección
Saldrás manejando redes convolucionales ResNet y EfficientNet, vision Transformers en inspección y detección con YOLO y RT-DETR. Es lo que se trabaja en «Modelos de clasificación y detección», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Hardware para inferencia en el borde
Saldrás manejando módulos NVIDIA Jetson Orin, aceleradores Hailo-8 para visión y coral Edge TPU. Es lo que se trabaja en «Hardware para inferencia en el borde», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Software edge e integración
Saldrás manejando contenedores Docker en el borde, orquestación ligera con K3s y comunicación con PLC y señales digitales. Es lo que se trabaja en «Software edge e integración», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Validación del sistema de inspección
Saldrás manejando plan de validación con muestras, matrices de confusión por defecto y análisis por atributos de concordancia. Es lo que se trabaja en «Validación del sistema de inspección», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Aplicaciones sectoriales
Saldrás manejando inspección de soldaduras y cordones, defectos superficiales en laminados y control de PCB y componentes. Es lo que se trabaja en «Aplicaciones sectoriales», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Objetivos de aprendizaje
01Especificar sistemas de inspección automática con IA.
02Construir conjuntos de datos de defectos de calidad.
03Entrenar modelos de clasificación, detección y anomalías.
04Seleccionar hardware de inferencia en el borde.
05Optimizar modelos con cuantización y compilación.
06Desplegar y mantener modelos con prácticas MLOps.
07Validar sistemas de inspección conforme a la normativa de IA.
Plan de estudios
12 módulos, 120 submódulos, 1900 h. Elige un módulo y ves su contenido completo.
1 de 12 módulos abiertos
Módulo 1 de 12 · 10 submódulos
Inspección automática con IA
1.1Inspección manual frente a automática
1.2Tipologías de defectos industriales
1.3Requisitos de un sistema de inspección
1.4Arquitectura de inspección en el borde
1.5Adquisición de imagen para IA
1.6Iluminación para resaltar defectos
1.7Costes de falsos rechazos y escapes
1.8Casos de éxito en industria
1.9Limitaciones de la visión clásica
1.10Caso práctico: especificación de una inspección
Módulo 2 de 12 · 10 submódulos
Datos para inspección
2.1Captura de imágenes en producción
2.2Etiquetado de defectos con CVAT
2.3Desequilibrio de clases y defectos raros
2.4Aumento de datos fotométrico y geométrico
2.5Generación de defectos sintéticos
2.6Datos sintéticos con renderizado
2.7Particionado de datos sin fuga
2.8Calidad y coherencia del etiquetado
2.9Gobernanza de datos industriales
2.10Práctica: dataset de defectos etiquetado
Módulo 3 de 12 · 10 submódulos
Modelos de clasificación y detección
3.1Redes convolucionales ResNet y EfficientNet
3.2Vision Transformers en inspección
3.3Detección con YOLO y RT-DETR
3.4Segmentación con U-Net y Mask R-CNN
3.5Transfer learning con pocos datos
3.6Funciones de pérdida para desequilibrio
3.7Ajuste de umbrales de decisión
3.8Métricas por defecto y por pieza
3.9Selección de arquitectura
3.10Laboratorio: detector de defectos con YOLO
Módulo 4 de 12 · 10 submódulos
Detección de anomalías
4.1Aprendizaje solo con piezas buenas
4.2Autoencoders y reconstrucción
4.3PatchCore y PaDiM
4.4Modelos de distribución normal
4.5Benchmark MVTec AD
4.6Umbral adaptativo y calibración
4.7Localización de anomalías por píxel
4.8Combinación con clasificación supervisada
4.9Robustez ante variaciones aceptables
4.10Práctica: PatchCore con Anomalib
Módulo 5 de 12 · 10 submódulos
Hardware para inferencia en el borde
5.1Módulos NVIDIA Jetson Orin
5.2Aceleradores Hailo-8 para visión
5.3Coral Edge TPU
5.4Cámaras inteligentes con IA
5.5PC industriales con GPU
5.6Gestión térmica en armario
5.7Alimentación y robustez industrial
5.8Comparativa de coste y rendimiento
5.9Criterios de selección
5.10Caso práctico: elección de hardware para línea rápida
Módulo 6 de 12 · 10 submódulos
Optimización de inferencia
6.1Exportación de modelos a ONNX
6.2Cuantización tras el entrenamiento
6.3Entrenamiento consciente de cuantización
6.4Compilación con TensorRT
6.5Inferencia con OpenVINO
6.6Procesamiento por lotes y streams
6.7Medición de latencia extremo a extremo
6.8Pipelines con GStreamer y DeepStream
6.9Precisión frente a velocidad
6.10Laboratorio: cuantización INT8 de un modelo
Módulo 7 de 12 · 10 submódulos
Software edge e integración
7.1Contenedores Docker en el borde
7.2Orquestación ligera con K3s
7.3Comunicación con PLC y señales digitales
7.4Publicación OPC UA de resultados
7.5Mensajería MQTT hacia la nube
7.6Interfaz de operador para revisión
7.7Almacenamiento local de imágenes
7.8Sincronización con encoders y disparos
7.9Tolerancia a fallos y watchdog
7.10Práctica: servicio de inferencia contenerizado
Módulo 8 de 12 · 10 submódulos
MLOps en el borde
8.1Registro de modelos y versionado
8.2Despliegue progresivo en dispositivos
8.3Monitorización de deriva
8.4Bucle de reetiquetado activo
8.5Reentrenamiento periódico de modelos
8.6Pruebas de regresión de modelos
8.7Gestión de flotas de dispositivos
8.8Trazabilidad de decisiones
8.9Herramientas MLflow y DVC
8.10Taller: pipeline de despliegue continuo
Módulo 9 de 12 · 10 submódulos
Validación del sistema de inspección
9.1Plan de validación con muestras
9.2Matrices de confusión por defecto
9.3Análisis por atributos de concordancia
9.4Pruebas de estrés y robustez
9.5Validación en entornos regulados
9.6Documentación técnica y evidencias
9.7Aceptación por el cliente
9.8Seguimiento en producción
9.9Mejora continua basada en rechazos
9.10Práctica: estudio de concordancia por atributos
Módulo 10 de 12 · 10 submódulos
Seguridad y normativa de la IA
10.1Reglamento europeo de inteligencia artificial
10.2Gestión de riesgos según ISO/IEC 23894
10.3Sistema de gestión de IA ISO/IEC 42001
10.4Ciberseguridad de dispositivos edge
10.5Norma IEC 62443 en OT
10.6Ataques adversarios a modelos de visión
10.7Protección de propiedad intelectual de modelos
10.8Privacidad en imágenes de planta
10.9Ética y supervisión humana
10.10Caso práctico: análisis de riesgos de un modelo
Módulo 11 de 12 · 10 submódulos
Aplicaciones sectoriales
11.1Inspección de soldaduras y cordones
11.2Defectos superficiales en laminados
11.3Control de PCB y componentes
11.4Inspección de envases y etiquetas
11.5Clasificación de alimentos
11.6Textiles y no tejidos
11.7Piezas inyectadas de plástico
11.8Inspección en fabricación aditiva
11.9Retorno económico por sector
11.10Caso práctico: inspección de envases farmacéuticos
Módulo 12 de 12 · 10 submódulos
Trabajo Fin de Máster
12.1Análisis del defecto y requisitos
12.2Diseño de adquisición e iluminación
12.3Creación del conjunto de datos
12.4Entrenamiento y comparación de modelos
12.5Optimización para el dispositivo edge
12.6Integración con la línea
12.7Validación estadística del sistema
12.8Conclusiones y escalado
12.9Memoria del TFM
12.10Defensa ante tribunal
¿Cuánto me va a llevar?
Mueve las horas que puedes dedicar cada semana y calculamos tu ritmo sobre las 1900 h del programa.
—meses a ese ritmo
—semanas por módulo
—frente a los 1900 horas · 12 a 18 meses previstos
¿Qué nivel tienes ya?
Cinco conceptos del propio temario. Marca lo que ya controlas y te decimos si te conviene el curso, el diplomado o el máster.
Caso práctico: especificación de una inspección
Módulo 1 · Inspección automática con IA
Ajuste de umbrales de decisión
Módulo 3 · Modelos de clasificación y detección
Cámaras inteligentes con IA
Módulo 5 · Hardware para inferencia en el borde
Contenedores Docker en el borde
Módulo 7 · Software edge e integración
Seguimiento en producción
Módulo 9 · Validación del sistema de inspección
Marca los cinco conceptos y te damos tu resultado.
Este programa se imparte en el área de Robótica, Automatización & Control, que dirige Prof. Kenji Takahashi. Debajo, los directores académicos más cercanos a este programa. El detalle de cada instituto está en la página de institutos.
Prof. Kenji TakahashiDirector Académico del SRA — Robotics & Autonomous Systems Institute.
Dr. Kevin O’ConnorDirector Académico del EET — Electronics & Embedded Technologies Institute.
Dra. Lucía Hernández VegaDirectora Académica del DAIS — Data, Artificial Intelligence & Simulation Institute.
1Rellenas la solicitud de admisiónTitulación o experiencia y firma, en una sola página.
2El sistema verifica la documentación al instanteEl sistema comprueba los datos y la firma al momento.
3Eliges modalidad de pago y reservas tu plazaPago único con descuento o entrada más cuotas mensuales. La matrícula de esta semana cierra el 27-11-2026.
¿Tienes titulación universitaria en ingeniería, ciencias o arquitectura, o experiencia profesional equivalente?
¿Trabajas o quieres trabajar en Robótica, Automatización & Control?
¿Puedes mantener un ritmo de estudio constante durante 1900 horas · 12 a 18 meses?
Responde las tres y te decimos por dónde seguir.
Requisitos de acceso
·Titulación universitaria en ingeniería, ciencias o arquitectura, o experiencia profesional acreditable equivalente.
·Conexión a internet y un ordenador capaz de ejecutar el software del programa.
·Nivel de español suficiente para seguir lectura de normativa técnica.
Cómo se estudia
Formación 100 % online en el campus de SEIUM, con material descargable, clases grabadas y tutor técnico asignado. Sin horarios fijos: el alumno avanza a su ritmo dentro de la convocatoria, lo que permite compatibilizarlo con el trabajo.
Cada módulo combina teoría, lectura guiada de la norma original y ejercicios aplicados. El software de trabajo es NVIDIA TensorRT, Intel OpenVINO, Anomalib, Ultralytics YOLO, MLflow, en versiones gratuitas, académicas o de evaluación. Los ensayos se estudian sobre procedimientos reales de entrenamiento de detectores de defectos, despliegue de modelos cuantizados en Jetson, validación por atributos en línea. La evaluación es continua por módulo más el TFM final.
Son 12 módulos con 120 submódulos y 1900 h de trabajo total. Abre por «Inspección automática con IA» y cierra con «Trabajo Fin de Máster».
Se trabajan Reglamento (UE) 2024/1689, ISO/IEC 42001:2023, ISO/IEC 23894:2023, IEC 62443-4-2:2019, EMVA 1288 y ISO/IEC 22989:2022.
Los perfiles más directos son Ingeniero de IA en el borde, Especialista en inspección automática, Ingeniero MLOps, Desarrollador de visión artificial y Ingeniero de calidad.
En un pago son 4.984 €, sobre una tarifa de 6.230 €. A plazos, una entrada de 2.486 € y 12 cuotas de 312 €, 6.230 € en total, sin intereses: lo mismo que la tarifa.
Titulación universitaria en ingeniería, ciencias o arquitectura, o experiencia profesional acreditable equivalente, Conexión a internet y un ordenador capaz de ejecutar el software del programa y Nivel de español suficiente para seguir lectura de normativa técnica.
El programa son 1900 horas totales repartidas en 12 a 18 meses. Eso son entre 10 y 15 horas semanales de media, compatibles con jornada laboral completa.
Se trabaja con NVIDIA TensorRT, Intel OpenVINO, Anomalib, Ultralytics YOLO, MLflow. Se usan versiones gratuitas, académicas o de evaluación, y el tutor indica la alternativa libre cuando existe.
Diploma propio de SEIUM al superar la evaluación continua y el Trabajo Fin de Máster. Es formación propia, no un título oficial del Ministerio.
Sí. Los módulos superados en un curso o diplomado del mismo área convalidan en el programa superior. Consulta la política de convalidaciones al matricularte.
Inicio de clases: 21 de diciembre de 20264.984 €Matricularme
Antes de decidir
¿Qué sacarías tú de este máster?
No es lo mismo llegar aquí recién titulado que con diez años en el sector. Dinos de dónde vienes.
Qué te aportaPasar de la teoría de carrera al criterio de proyecto: qué norma aplica a cada parte del trabajo, qué criterios de aceptación se fijan antes de ejecutar y cómo se deja todo documentado.
Dónde vas a sudarEl módulo de normativa y evidencia documental, si todavía no has trabajado dentro de un proyecto real con auditoría de por medio.
Con qué salesCon una memoria técnica propia, sobre un caso real, que puedes poner encima de la mesa en una entrevista.
Qué te aportaFormalizar lo que ya haces por oficio: distinguir requisito obligatorio de buena práctica, justificar por escrito las decisiones técnicas y dejar el trabajo trazable.
Dónde vas a sudarPoco en contenido. El esfuerzo real está en el proyecto final y en su defensa.
Con qué salesCon el máster acreditado y un proyecto hecho sobre un caso de tu propio trabajo.
Qué te aportaLa base técnica de Robótica, Automatización & Control y el marco normativo del ámbito desde cero, sin dar por sabido el vocabulario del sector.
Dónde vas a sudarLas primeras semanas, por terminología. A partir del segundo módulo se nivela.
Con qué salesCon un perfil de entrada acreditado en Robótica, Automatización & Control y un proyecto que demuestra que sabes aplicarlo.
¿Te va a dar la vida?
Calcula tu ritmo real
Son 1900 horas. Mueve el control y mira cuánto tardarías tú de verdad.
—para terminar
¿Y esto para qué me sirve?
Marca lo que más te interesa
Elige hasta 3 módulos y te digo cuánto pesan en el programa y a qué perfiles prepara.
Perfiles a los que prepara
Ingeniero de IA en el borde
Especialista en inspección automática
Ingeniero MLOps
En automoción, electrónica y farmacia.
Con sinceridad
¿Es para ti?
Sí, si quieres…
Trabajar en Robótica, Automatización & Control con criterio de norma, no solo de intuición.
Saber justificar por escrito por qué tomaste una decisión técnica.
Terminar con una memoria técnica tuya, sobre un caso real.
Avanzar a tu ritmo, compatible con una jornada completa.
No, si buscas…
Un título rápido sin entregar trabajo propio.
Clases en directo con horario fijo: el programa es asíncrono.
Empezar mañana: las clases empiezan justo un mes después de matricularte.
Formación de taller o práctica presencial con maquinaria.
¿Te queda una duda?
Pregunta algo concreto
Escríbela aquí y la pasamos al formulario de contacto con la formación ya identificada.