aborda críticamente el monitoreo y mitigación del drift en sistemas complejos de modelos predictivos y análisis de datos, integrando conceptos esenciales como data contracts, trazabilidad y auditoría para garantizar la integridad y fiabilidad en entornos de ML Ops y AI Safety. Este enfoque se aplica tanto en el diseño como en la validación de sistemas aeroespaciales donde la retroalimentación de parámetros en tiempo real y la gestión de metadatos aseguran el cumplimiento con estándares técnicos en análisis de datos y modelado avanzado, complementando disciplinas como CFD y FEM en plataformas eVTOL y UAM.
Los laboratorios especializados incluyen bancos HIL/SIL orientados a la simulación de condiciones reales para la validación de modelos y el aseguramiento de la calidad en la adquisición y procesamiento de datos bajo normativas aplicables internacionales. La trazabilidad aplicada facilita la conformidad con estándares de certificación como DO-178C y ARP4754A, garantizando fiabilidad en software crítico y en integración sistémica. Los perfiles profesionales demandados comprenden ingenieros de datos aeroespaciales, analistas de calidad, especialistas en integridad de modelos, y auditores de sistemas, contribuyendo a la robustez de operaciones y la sustentabilidad técnica en el sector aeroespacial.
7.900 €
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.
3. Dominio de la Observabilidad: Drift, Data Contracts, Trazabilidad y Auditoría
Requisitos recomendados: Se recomienda contar con una base sólida en aerodinámica, control de sistemas y estructuras. Dominio de español/inglés a nivel B2+ / C1. Se ofrecen bridging tracks para facilitar la nivelación de conocimientos si es necesario.
1.1 Observabilidad: definición, alcance y diferencia frente al monitoreo; pilares Logs, Métricas y Trazas y su valor para el negocio
1.2 Drift de datos y de comportamiento: conceptos, señales de drift, umbrales y estrategias de detección proactiva
1.3 Contratos de Datos: definición, componentes (schema, semántica, calidad, versionado) y gobernanza para compatibilidad
1.4 Trazabilidad y data lineage: trazabilidad de datos y decisiones, mapeo end-to-end y herramientas de trazabilidad
1.5 Auditoría y cumplimiento: registros de auditoría, trazabilidad de cambios, seguridad y retención
1.6 Observabilidad para fiabilidad: SLO/SLI, alerting, gestión de incidentes y post-mortems
1.7 Calidad y gobernanza de datos: perfiles de datos, validación, gobernanza de calidad y políticas
1.8 Instrumentación y herramientas: OpenTelemetry, recopilación de logs, métricas y trazas; prácticas de instrumentación
1.9 Integración de herramientas y flujos: orquestación de logs, métricas y trazas; dashboards y flujos de telemetría entre sistemas
1.10 Caso práctico: clínica de caso para go/no-go de una iniciativa de observabilidad, con matriz de riesgos, costos y beneficios
2.1 Observabilidad: Introducción y visión general en entornos navales
2.2 Conceptos clave: métricas, logs, trazabilidad y auditoría
2.3 Drift: definición, detección y mitigación en sistemas de navegación y propulsión
2.4 Contratos de Datos: gobernanza, versionado y compatibilidad entre subsistemas
2.5 Trazabilidad de datos: rastreo end-to-end de fuentes, procesos y decisiones
2.6 Auditoría: cumplimiento normativo, registros y gobernanza de datos
2.7 Arquitectura de Observabilidad en buques: sensores, SCADA, comunicaciones y energía
2.8 Herramientas y stacks: OpenTelemetry, Prometheus, Grafana, ELK/EFK adaptados a entornos marinos
2.9 Casos de uso en naval: monitoreo de rendimiento, mantenimiento predictivo y seguridad operativa
2.10 Taller práctico: diseño de un pipeline de observabilidad para un buque con criterios de go/no-go
3.1 Observabilidad: Introducción, alcance y beneficios
3.2 Drift: definición, causas y efectos en datos y modelos
3.3 Contratos de Datos: especificaciones, gobernanza y cumplimiento
3.4 Trazabilidad: trazabilidad de datos y procesos a lo largo del pipeline
3.5 Auditoría: registros de auditoría, trazas y cumplimiento normativo
3.6 Arquitectura de Observabilidad: recopilación, almacenamiento y visualización
3.7 Instrumentación y métricas: logs, métricas, trazas y SLO/SLI
3.8 Observabilidad en entornos navales: casos de uso y requisitos de seguridad
3.9 Desafíos y mitigaciones: drift, contratos de datos y trazabilidad en operaciones complejas
3.10 Taller práctico: diseño de un plan de observabilidad para una flota naval
4.1 Fundamentos de la Observabilidad: pilares (logs, métricas, trazabilidad) y su papel ante el Drift
4.2 Drift: definición, tipos (de datos, de comportamiento) y señales de alerta
4.3 Instrumentación básica: captura estructurada de logs y métricas
4.4 Contratos de Datos: esquemas, validación y gobernanza de inputs/outputs
4.5 Trazabilidad de datos: lineage, provenance y trazado end-to-end
4.6 Auditoría y cumplimiento: registro de cambios, controles de acceso y auditoría
4.7 Instrumentación en entornos navales: sensores, telemetría y dashboards
4.8 Observabilidad en tiempo real: streaming de telemetría y alertas operativas
4.9 Gobernanza y calidad de datos: umbrales, políticas y reducción de ruido
4.10 Casos prácticos: ejercicios de implementación de observabilidad y drift
5.1 Introducción a la Observabilidad: Conceptos Fundamentales
5.2 ¿Qué es el Drift de Datos? Identificación y Tipos
5.3 Introducción a los Contratos de Datos: Definición y Beneficios
5.4 Implementación Inicial de Trazabilidad: Registro de Eventos Clave
5.5 Auditoría Básica: Monitoreo de la Integridad de los Datos
5.6 Herramientas y Tecnologías para Observabilidad Inicial
5.7 Casos de Uso: Aplicación de Observabilidad en Escenarios Sencillos
5.8 Principios de Diseño para la Observabilidad desde el Principio
5.9 Creación de Contratos de Datos Simples
5.10 Ejercicios Prácticos: Detección de Drift y Auditoría Inicial
6.1 Fundamentos de Observabilidad: Introducción, conceptos clave y beneficios.
6.2 Drift: Detección y análisis del cambio en datos.
6.3 Contratos de Datos: Diseño, implementación y gestión.
6.4 Trazabilidad: Implementación de seguimiento de datos y eventos.
6.5 Auditoría: Diseño e implementación de auditorías efectivas.
6.6 Herramientas y plataformas: Exploración de soluciones de observabilidad.
6.7 Casos de uso: Aplicaciones prácticas de observabilidad.
6.8 Mejores prácticas: Estrategias para una observabilidad efectiva.
6.9 Integración: Integración de observabilidad con otras áreas.
6.10 Proyecto final: Implementación de un sistema básico de observabilidad.
7. 1 Introducción a la Observabilidad: Definición y Principios Fundamentales
7. 2 El Concepto de Drift: Identificación y Tipos de Drift en Datos
7. 3 Contratos de Datos: Definición, Importancia y Beneficios
7. 4 Herramientas para la Detección de Drift: Introducción y Ejemplos
7. 5 Creación y Gestión de Contratos de Datos: Diseño y Implementación Básica
7. 6 Métricas Clave y Monitoreo Inicial: Selección e Implementación
7. 7 Casos de Estudio: Ejemplos Prácticos de Observabilidad y Drift
7. 8 Primeros Pasos en la Trazabilidad: Conceptos Iniciales
7. 9 Introducción a la Auditoría: Fundamentos y Propósito
7. 10 Conclusiones: Resumen y Próximos Pasos
8. 1 Introducción a la Observabilidad: Definición y Principios Clave
8. 2 El Problema del Drift: Identificación y Impacto en la Calidad de Datos
8. 3 Tipos de Drift: Concept Drift, Data Drift, y Model Drift
8. 4 Herramientas Básicas para la Detección de Drift
8. 5 Introducción a los Data Contracts: Definición y Beneficios
8. 6 Fundamentos de la Trazabilidad: Importancia en el Análisis Causa-Raíz
8. 7 Auditoría Inicial: Definición y Objetivos
8. 8 Configuración de Alertas y Monitoreo Básico
8. 9 Primeros Pasos en la Recolección de Métricas
8. 10 Casos de Estudio: Ejemplos Prácticos de Observabilidad Inicial
9.1 Introducción a la Observabilidad: Conceptos Clave
9.2 Drift en Sistemas: Detección y Mitigación
9.3 Contratos de Datos: Diseño e Implementación
9.4 Trazabilidad: Principios y Aplicaciones
9.5 Auditoría: Mecanismos y Mejores Prácticas
9.6 Herramientas de Observabilidad: Selección y Uso
9.7 Observabilidad en la Práctica: Casos de Estudio
9.8 Monitorización y Alertas: Configuración Efectiva
9.9 Buenas prácticas de Observabilidad
9.10 Análisis de Datos de Observabilidad
10.1 Introducción a la Observabilidad y sus Componentes Clave: Drift y Data Contracts
10.2 Definición y Detección del Drift en Datos
10.3 Diseño e Implementación de Data Contracts Sólidos
10.4 Herramientas y Técnicas para la Gestión de Drift y Data Contracts
10.5 Casos de Uso y Mejores Prácticas en la Aplicación de Drift y Data Contracts
10.6 Integración de Data Contracts en Pipelines de Datos
10.7 Monitorización y Alertas para el Drift y Cumplimiento de Data Contracts
10.8 Análisis de Causa Raíz de Problemas de Drift
10.9 Gobernanza de Datos y Data Contracts
10.10 Ejemplos Prácticos y Estudios de Caso
DO-160: Plan de ensayos ambientales y mitigación.
DO-160: Plan de ensayos ambientales y mitigación.
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