Admisión abierta 2026-2027Rellenar solicitud

Diplomado en Predicción Basada en Mapa y Hotspots de Peligro

Diplomado online de 800 h: 8 módulos y 80 submódulos, de «Predicción de movimiento en conducción» a «Proyecto de predicción y hotspots», pasando por «Hotspots integrados en la predicción».

Mapa del programa · pulsa un módulo
Módulo 1 · Predicción de movimiento en conducción
800 hDuración total
8Módulos
80Submódulos
OnlineModalidad

Competencias y resultados

6 bloques de competencia, sacados de los módulos de este programa. Pulsa cualquiera y ves qué vas a saber hacer.

Predicción de movimiento en conducción

Saldrás manejando papel de la predicción en la pila autónoma, horizontes y frecuencia de predicción y vehículos, peatones y ciclistas. Es lo que se trabaja en «Predicción de movimiento en conducción», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Representación del mapa para predicción

Saldrás manejando rasterización del mapa y del contexto, representación vectorial VectorNet y grafos de carriles LaneGCN. Es lo que se trabaja en «Representación del mapa para predicción», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Modelos condicionados por mapa

Saldrás manejando redes recurrentes con contexto de mapa, modelos basados en objetivos TNT y DenseTNT y transformers de escena como Wayformer. Es lo que se trabaja en «Modelos condicionados por mapa», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Hotspots integrados en la predicción

Saldrás manejando priores de riesgo por ubicación, ajuste de la incertidumbre en zonas peligrosas y comportamientos anómalos. Es lo que se trabaja en «Hotspots integrados en la predicción», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Evaluación y robustez

Saldrás manejando evaluación por tipo de escenario, casos de cola larga y robustez a errores del mapa. Es lo que se trabaja en «Evaluación y robustez», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Seguridad, validación y despliegue

Saldrás manejando requisitos SOTIF para la predicción, escenarios críticos derivados de hotspots y monitorización en operación. Es lo que se trabaja en «Seguridad, validación y despliegue», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Objetivos de aprendizaje

  • 01Comprender el papel de la predicción en la conducción autónoma.
  • 02Representar el mapa de forma eficaz para la predicción.
  • 03Implementar modelos de predicción condicionados por el mapa.
  • 04Identificar hotspots de peligro con métodos espaciales.
  • 05Integrar priores de riesgo en los modelos de predicción.
  • 06Evaluar la robustez de los predictores.
  • 07Validar módulos de predicción con criterios SOTIF.

Plan de estudios

8 módulos, 80 submódulos, 800 h. Elige un módulo y ves su contenido completo.

1 de 8 módulos abiertos
Módulo 1 de 8 · 10 submódulos

Predicción de movimiento en conducción

1.1Papel de la predicción en la pila autónoma
1.2Horizontes y frecuencia de predicción
1.3Vehículos, peatones y ciclistas
1.4Incertidumbre y multimodalidad
1.5Modelos físicos de movimiento
1.6Modelos basados en maniobras
1.7Datasets Argoverse 2 y Waymo Motion
1.8Métricas minADE, minFDE y miss rate
1.9Predicción marginal frente a conjunta
1.10Caso práctico: análisis de errores de predicción
Módulo 2 de 8 · 10 submódulos

Representación del mapa para predicción

2.1Rasterización del mapa y del contexto
2.2Representación vectorial VectorNet
2.3Grafos de carriles LaneGCN
2.4Reglas y estado de semáforos
2.5Rutas candidatas y centrolíneas
2.6Contexto de intersecciones
2.7Mapas incompletos o erróneos
2.8Coste computacional
2.9Predicción sin mapa previo
2.10Laboratorio: codificación vectorial de un mapa
Módulo 3 de 8 · 10 submódulos

Modelos condicionados por mapa

3.1Redes recurrentes con contexto de mapa
3.2Modelos basados en objetivos TNT y DenseTNT
3.3Transformers de escena como Wayformer
3.4Modelos de difusión para trayectorias
3.5Predicción conjunta de varios agentes
3.6Atención entre agentes
3.7Predicción de ocupación futura
3.8Destilación para despliegue
3.9Modelos autorregresivos de tokens de movimiento
3.10Laboratorio: entrenamiento en Argoverse 2
Módulo 4 de 8 · 10 submódulos

Hotspots de peligro

4.1Hotspots y tramos de concentración
4.2Métodos de Bayes empírico
4.3Estadístico Getis-Ord Gi*
4.4Agrupamiento espaciotemporal
4.5Eventos sustitutos: frenadas y maniobras bruscas
4.6Datos de flota para detectar conflictos
4.7Validación de hotspots con siniestros
4.8Visualización y comunicación
4.9Agregación por franja horaria
4.10Práctica: hotspots con datos de frenadas
Módulo 5 de 8 · 10 submódulos

Hotspots integrados en la predicción

5.1Priores de riesgo por ubicación
5.2Ajuste de la incertidumbre en zonas peligrosas
5.3Comportamientos anómalos
5.4Modelos sensibles al contexto local
5.5Atención del planificador a zonas críticas
5.6Transferencia entre ciudades
5.7Actualización continua de priores
5.8Beneficio en seguridad
5.9Ponderación del entrenamiento por riesgo
5.10Laboratorio: predicción con priores de hotspots
Módulo 6 de 8 · 10 submódulos

Evaluación y robustez

6.1Evaluación por tipo de escenario
6.2Casos de cola larga
6.3Robustez a errores del mapa
6.4Ataques adversarios sobre la predicción
6.5Calibración de probabilidades
6.6Métricas orientadas a la planificación
6.7Simulación en bucle cerrado
6.8Comparación con baselines
6.9Robustez ante agentes no vistos
6.10Caso práctico: informe de robustez de un predictor
Módulo 7 de 8 · 10 submódulos

Seguridad, validación y despliegue

7.1Requisitos SOTIF para la predicción
7.2Escenarios críticos derivados de hotspots
7.3Monitorización en operación
7.4Optimización para hardware embarcado
7.5Explicabilidad de las predicciones
7.6Datos personales en el análisis de flota
7.7Mejora con datos de campo
7.8Documentación para seguridad
7.9Latencia y frecuencia de actualización
7.10Taller: plan de validación de un módulo de predicción
Módulo 8 de 8 · 10 submódulos

Proyecto de predicción y hotspots

8.1Selección de datos y ciudad
8.2Análisis de hotspots de peligro
8.3Representación del mapa
8.4Modelo de predicción base
8.5Integración de priores de riesgo
8.6Evaluación estratificada
8.7Análisis de robustez
8.8Propuesta de despliegue
8.9Memoria y presentación
8.10Revisión final con el tutor

¿Cuánto me va a llevar?

Mueve las horas que puedes dedicar cada semana y calculamos tu ritmo sobre las 800 h del programa.

—meses a ese ritmo
—semanas por módulo
—frente a los 800 horas · 6 a 8 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.

Incertidumbre y multimodalidad
Módulo 1 · Predicción de movimiento en conducción
Rasterización del mapa y del contexto
Módulo 2 · Representación del mapa para predicción
Destilación para despliegue
Módulo 3 · Modelos condicionados por mapa
Eventos sustitutos: frenadas y maniobras bruscas
Módulo 4 · Hotspots de peligro
Ajuste de la incertidumbre en zonas peligrosas
Módulo 5 · Hotspots integrados en la predicción

Marca los cinco conceptos y te damos tu resultado.

Normas y estándares que vas a manejar

ISO 21448:2022 (SOTIF)ISO/PAS 8800:2024ISO 34502:2022Directiva (UE) 2019/1936Reglamento (UE) 2016/679 (RGPD)UL 4600Reglamento (UE) 2024/1689 (Ley de IA)

Cuerpo docente y expertos

Este programa se imparte en el área de Autónomos, ADAS & Vehículo Definido por Software, que dirige Dr. Markus Schneider. Debajo, los directores académicos más cercanos a este programa. El detalle de cada instituto está en la página de institutos.

Dr. Markus Schneider Dr. Markus SchneiderDirector Académico del Departamento EMH — Electromobility, Batteries & Hydrogen.
Dr. Kevin O’Connor Dr. Kevin O’ConnorDirector Académico del EET — Electronics & Embedded Technologies Institute.
Prof. Kenji Takahashi Prof. Kenji TakahashiDirector Académico del SRA — Robotics & Autonomous Systems Institute.

El claustro completo y los once institutos, con sus líneas de trabajo, están en institutos SEIUM y en liderazgo y consejo asesor.

Dónde se trabaja con esto

Perfiles a los que da acceso el programa.

Ingeniero de predicción de comportamiento
Científico de datos de movilidad
Ingeniero de machine learning
Analista de seguridad vial
Investigador en conducción autónoma
Ingeniero de validación

Para quién es

Ingeniero de predicción de comportamiento
Científico de datos de movilidad
Ingeniero de machine learning
Analista de seguridad vial
Investigador en conducción autónoma
Ingeniero de validación
Titulados en ingeniería o ciencias que busquen entrar en automoción

Otras formaciones del área

Del mismo área y nivel, para completar tu itinerario.

Áreas cercanas: todas las de Autónomos, ADAS & Vehículo Definido por Software · Aeroespacial, UAM, Drones & Espacio · Automoción & Motorsport · Civil, Rail & Smart Cities · Data, IA, Simulación & Analytics · Defensa, Ingeniería Militar & Sistemas Terrestres (enfoque académico, legal y ético) · Diseño, HMI & Producto · Electromovilidad, Baterías & Hidrógeno (Movilidad) · todas las facultades.

Opiniones de alumnos

Opiniones verificadas de alumnos de SEIUM, recogidas en Opynio.

Ver reseñas completas

De la solicitud al aula, sin esperas

  1. 1Rellenas la solicitud de admisiónTitulación o experiencia y firma, en una sola página.
  2. 2El sistema verifica la documentación al instanteEl sistema comprueba los datos y la firma al momento.
  3. 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.

El proceso completo, con documentación, plazos, convalidaciones y becas, está en admisión, cómo aplicar y becas y ayudas.

Comprueba tu acceso en tres respuestas

¿Tienes titulación universitaria en ingeniería, ciencias o arquitectura, o experiencia profesional equivalente?
¿Trabajas o quieres trabajar en Autónomos, ADAS & Vehículo Definido por Software?
¿Puedes mantener un ritmo de estudio constante durante 800 horas · 6 a 8 meses?

Responde las tres y te decimos por dónde seguir.

Requisitos de acceso

  • ·Formación técnica previa o experiencia profesional en el sector. No se exige titulación universitaria.
  • ·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 PyTorch, Argoverse 2 API, Waymax, QGIS, Python (PySAL), en versiones gratuitas, académicas o de evaluación. Los ensayos se estudian sobre procedimientos reales de entrenamiento de un predictor condicionado por mapa, detección de hotspots a partir de frenadas bruscas, evaluación estratificada de predicciones en intersecciones. La evaluación es continua por módulo más el proyecto integrador final.

Las modalidades, el calendario y las tasas son comunes a todos los programas: modalidades, calendario académico y tasas y financiación.

Preguntas frecuentes

Son 8 módulos con 80 submódulos y 800 h de trabajo total. Abre por «Predicción de movimiento en conducción» y cierra con «Proyecto de predicción y hotspots».

Se trabajan ISO 21448:2022 (SOTIF), ISO/PAS 8800:2024, ISO 34502:2022, Directiva (UE) 2019/1936, Reglamento (UE) 2016/679 (RGPD) y UL 4600.

Los perfiles más directos son Ingeniero de predicción de comportamiento, Científico de datos de movilidad, Ingeniero de machine learning, Analista de seguridad vial y Investigador en conducción autónoma.

En un pago son 1.432 €, sobre una tarifa de 1.790 €. A plazos, una entrada de 716 € y 6 cuotas de 179 €, 1.790 € en total, sin intereses: lo mismo que la tarifa.

Formación técnica previa o experiencia profesional en el sector. No se exige titulación universitaria, 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 800 horas totales repartidas en 6 a 8 meses. Eso son entre 10 y 15 horas semanales de media, compatibles con jornada laboral completa.

Se trabaja con PyTorch, Argoverse 2 API, Waymax, QGIS, Python (PySAL). 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 proyecto integrador. 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.

Las dudas comunes a todos los programas (titulación, convalidaciones, visado, idiomas) están resueltas en preguntas frecuentes, equivalencias y convalidaciones e idiomas.

Inicio de clases: 22 de diciembre de 20261.432 € Matricularme
Contactar con Seium
Pago al contado1.432 €ahorras 358 €
Reservar plaza
Seium - Universidad de ingeniería avanzada
Resumen de privacidad

Esta web utiliza cookies para que podamos ofrecerte la mejor experiencia de usuario posible. La información de las cookies se almacena en tu navegador y realiza funciones tales como reconocerte cuando vuelves a nuestra web o ayudar a nuestro equipo a comprender qué secciones de la web encuentras más interesantes y útiles.