Admisión abierta 2026-2027Rellenar solicitud

Diplomado en Aprendizaje Jerárquico y Políticas Transferibles

Diplomado online de 800 h: 8 módulos y 80 submódulos, de «Estructura jerárquica de la conducción» a «Proyecto de política jerárquica», pasando por «Meta-aprendizaje y multitarea».

Mapa del programa · pulsa un módulo
Módulo 1 · Estructura jerárquica de la 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.

Estructura jerárquica de la conducción

Saldrás manejando tareas y subtareas, niveles estratégico, táctico y operacional y abstracción temporal de acciones. Es lo que se trabaja en «Estructura jerárquica de la conducción», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Algoritmos de RL jerárquico

Saldrás manejando marco de opciones y option-critic, redes feudales FuN y HIRO y corrección off-policy. Es lo que se trabaja en «Algoritmos de RL jerárquico», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Imitación jerárquica y primitivas

Saldrás manejando segmentación de demostraciones, primitivas de maniobra y políticas condicionadas a objetivos. Es lo que se trabaja en «Imitación jerárquica y primitivas», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Meta-aprendizaje y multitarea

Saldrás manejando aprendizaje multitarea, MAML y adaptación rápida y meta-RL basado en contexto. Es lo que se trabaja en «Meta-aprendizaje y multitarea», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Representaciones y modelos de mundo

Saldrás manejando representaciones del estado, modelos de mundo latentes y dreamer y planificación en imaginación. Es lo que se trabaja en «Representaciones y modelos de mundo», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Seguridad de políticas transferidas

Saldrás manejando garantías por nivel jerárquico, verificación de habilidades individuales y monitores en el nivel táctico. Es lo que se trabaja en «Seguridad de políticas transferidas», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Objetivos de aprendizaje

  • 01Comprender la estructura jerárquica de la tarea de conducción.
  • 02Aplicar algoritmos de aprendizaje por refuerzo jerárquico.
  • 03Aprender primitivas de maniobra a partir de demostraciones.
  • 04Transferir políticas entre tareas, dominios y vehículos.
  • 05Utilizar el meta-aprendizaje para la adaptación rápida.
  • 06Emplear modelos de mundo y representaciones aprendidas.
  • 07Garantizar la seguridad de políticas jerárquicas transferidas.

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

Estructura jerárquica de la conducción

1.1Tareas y subtareas
1.2Niveles estratégico, táctico y operacional
1.3Abstracción temporal de acciones
1.4Opciones y semi-MDP
1.5Habilidades reutilizables
1.6Exploración y asignación de crédito
1.7Ejemplos en robótica y conducción
1.8Retos de la jerarquía aprendida
1.9Jerarquías diseñadas frente a aprendidas
1.10Caso práctico: descomposición de una ruta urbana
Módulo 2 de 8 · 10 submódulos

Algoritmos de RL jerárquico

2.1Marco de opciones y option-critic
2.2Redes feudales FuN
2.3HIRO y corrección off-policy
2.4HAC y objetivos retrospectivos
2.5Hindsight Experience Replay
2.6Descubrimiento no supervisado de habilidades
2.7DIAYN y diversidad
2.8Comparativa de enfoques
2.9Terminación de opciones y su aprendizaje
2.10Laboratorio: option-critic en un entorno de carriles
Módulo 3 de 8 · 10 submódulos

Imitación jerárquica y primitivas

3.1Segmentación de demostraciones
3.2Primitivas de maniobra
3.3Políticas condicionadas a objetivos
3.4Planificador de alto nivel con habilidades
3.5Latentes de habilidad
3.6Composición de primitivas
3.7Datos de conducción segmentados
3.8Evaluación de primitivas
3.9Primitivas de movimiento dinámicas DMP
3.10Práctica: biblioteca de primitivas de maniobra
Módulo 4 de 8 · 10 submódulos

Aprendizaje por transferencia

4.1Transferencia entre tareas y dominios
4.2Ajuste fino y congelación de capas
4.3Representaciones compartidas
4.4Destilación de políticas
4.5Transferencia sim-to-real
4.6Transferencia entre vehículos
4.7Transferencia negativa
4.8Métricas de transferencia
4.9Adaptadores ligeros y LoRA
4.10Laboratorio: ajuste fino entre escenarios
Módulo 5 de 8 · 10 submódulos

Meta-aprendizaje y multitarea

5.1Aprendizaje multitarea
5.2MAML y adaptación rápida
5.3Meta-RL basado en contexto
5.4Estilos de conducción
5.5Nuevas ciudades
5.6Aprendizaje continuo sin olvido
5.7Modelos fundacionales para conducción
5.8Evaluación de la adaptación
5.9Conflictos de gradiente entre tareas
5.10Práctica: adaptación rápida con MAML
Módulo 6 de 8 · 10 submódulos

Representaciones y modelos de mundo

6.1Representaciones del estado
6.2Modelos de mundo latentes
6.3Dreamer y planificación en imaginación
6.4BEV como interfaz entre niveles
6.5Autoaprendizaje sin etiquetas
6.6Modelos de visión y lenguaje para decisión
6.7Interpretabilidad de habilidades
6.8Coste computacional
6.9Modelos de mundo generativos de vídeo
6.10Laboratorio: modelo de mundo en un simulador
Módulo 7 de 8 · 10 submódulos

Seguridad de políticas transferidas

7.1Garantías por nivel jerárquico
7.2Verificación de habilidades individuales
7.3Monitores en el nivel táctico
7.4Validación tras la transferencia
7.5ODD en nuevos dominios
7.6Requisitos de ISO/PAS 8800
7.7Ciclo de vida de modelos
7.8Documentación y trazabilidad
7.9Detección de dominio no soportado
7.10Taller: argumento de seguridad para una habilidad transferida
Módulo 8 de 8 · 10 submódulos

Proyecto de política jerárquica

8.1Tareas y habilidades
8.2Entorno y datos
8.3Nivel bajo de control
8.4Nivel alto de decisión
8.5Estrategia de transferencia
8.6Evaluación en dominio nuevo
8.7Análisis de seguridad
8.8Discusión de resultados
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.

Retos de la jerarquía aprendida
Módulo 1 · Estructura jerárquica de la conducción
Hindsight Experience Replay
Módulo 2 · Algoritmos de RL jerárquico
Primitivas de maniobra
Módulo 3 · Imitación jerárquica y primitivas
Adaptadores ligeros y LoRA
Módulo 4 · Aprendizaje por transferencia
Aprendizaje continuo sin olvido
Módulo 5 · Meta-aprendizaje y multitarea

Marca los cinco conceptos y te damos tu resultado.

Normas y estándares que vas a manejar

ISO/PAS 8800:2024ISO 21448:2022 (SOTIF)ISO 26262:2018Reglamento (UE) 2024/1689 (Ley de IA)ISO/IEC 23053:2022UL 4600ISO 34503:2023

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.

Investigador en aprendizaje por refuerzo
Ingeniero de machine learning
Ingeniero de decisión y planificación
Ingeniero de robótica
Científico de datos
Ingeniero de simulación

Para quién es

Investigador en aprendizaje por refuerzo
Ingeniero de machine learning
Ingeniero de decisión y planificación
Ingeniero de robótica
Científico de datos
Ingeniero de simulación
Titulados en ingeniería o ciencias que busquen entrar en automoción

Otras formaciones del área

Del mismo área y nivel, para completar tu itinerario.

En el blog técnico: Ingeniero de datos en motorsport: telemetría, herramientas y plan de aprendizaje.

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, CARLA, MetaDrive, Stable-Baselines3, Weights & Biases, en versiones gratuitas, académicas o de evaluación. Los ensayos se estudian sobre procedimientos reales de aprendizaje de primitivas de maniobra a partir de demostraciones, transferencia de políticas entre escenarios de MetaDrive, adaptación rápida a nuevos estilos de conducción. 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 «Estructura jerárquica de la conducción» y cierra con «Proyecto de política jerárquica».

Se trabajan ISO/PAS 8800:2024, ISO 21448:2022 (SOTIF), ISO 26262:2018, Reglamento (UE) 2024/1689 (Ley de IA), ISO/IEC 23053:2022 y UL 4600.

Los perfiles más directos son Investigador en aprendizaje por refuerzo, Ingeniero de machine learning, Ingeniero de decisión y planificación, Ingeniero de robótica y Científico de datos.

En un pago son 1.192 €, sobre una tarifa de 1.490 €. A plazos, una entrada de 596 € y 6 cuotas de 149 €, 1.490 € 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, CARLA, MetaDrive, Stable-Baselines3, Weights & Biases. 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 20261.192 € Matricularme
Contactar con Seium
Pago al contado1.192 €ahorras 298 €
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.