Admisión abierta 2026-2027Rellenar solicitud

Diplomado en Arquitecturas Accelerator-Aware y Medición de Rendimiento

Diplomado online de 800 h: 8 módulos y 80 submódulos, de «Aceleradores para IA embarcada» a «Proyecto de arquitectura accelerator-aware», pasando por «Perfilado y cuellos de botella».

Mapa del programa · pulsa un módulo
Módulo 1 · Aceleradores para IA embarcada
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.

Aceleradores para IA embarcada

Saldrás manejando GPU, NPU, FPGA y ASIC, arrays sistólicos y unidades tensoriales y precisión reducida. Es lo que se trabaja en «Aceleradores para IA embarcada», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Redes conscientes del acelerador

Saldrás manejando operadores soportados por el hardware, búsqueda de arquitectura con restricciones y familias de redes eficientes. Es lo que se trabaja en «Redes conscientes del acelerador», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Compiladores y runtimes

Saldrás manejando representaciones intermedias y ONNX, tensorRT, TVM y XLA y fusión de operadores. Es lo que se trabaja en «Compiladores y runtimes», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Perfilado y cuellos de botella

Saldrás manejando perfiladores de GPU, ocupación y memoria y transferencias CPU-acelerador. Es lo que se trabaja en «Perfilado y cuellos de botella», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Benchmarks y comparativas

Saldrás manejando MLPerf Inference y MLPerf Automotive, benchmarks de percepción y benchmarks internos. Es lo que se trabaja en «Benchmarks y comparativas», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Arquitectura de sistema y seguridad

Saldrás manejando particionado de la pila entre aceleradores, redundancia en cómputo de IA y seguridad funcional de aceleradores. Es lo que se trabaja en «Arquitectura de sistema y seguridad», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Objetivos de aprendizaje

  • 01Comparar arquitecturas de aceleradores para IA embarcada.
  • 02Diseñar redes neuronales adaptadas al hardware.
  • 03Utilizar compiladores y runtimes de inferencia.
  • 04Aplicar una metodología rigurosa de medición de rendimiento.
  • 05Perfilar y eliminar cuellos de botella.
  • 06Realizar comparativas justas entre plataformas.
  • 07Integrar aceleradores en la arquitectura del sistema con criterios de seguridad.

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

Aceleradores para IA embarcada

1.1GPU, NPU, FPGA y ASIC
1.2Arrays sistólicos
1.3Unidades tensoriales y precisión reducida
1.4Memoria on-chip y reutilización de datos
1.5Modelo roofline
1.6TOPS, TOPS/W y utilización real
1.7Lectura crítica de hojas de datos
1.8Hojas de ruta de proveedores
1.9Flujo de datos weight-stationary y output-stationary
1.10Caso práctico: comparativa de aceleradores comerciales
Módulo 2 de 8 · 10 submódulos

Redes conscientes del acelerador

2.1Operadores soportados por el hardware
2.2Búsqueda de arquitectura con restricciones
2.3Familias de redes eficientes
2.4Backbones para BEV
2.5Atención eficiente en transformers
2.6Cuantización durante el entrenamiento
2.7Sparsity estructurada
2.8Compatibilidad de capas
2.9Predictores de latencia por capa
2.10Laboratorio: búsqueda de arquitectura con límite de latencia
Módulo 3 de 8 · 10 submódulos

Compiladores y runtimes

3.1Representaciones intermedias y ONNX
3.2TensorRT, TVM y XLA
3.3Fusión de operadores
3.4Planificación de memoria
3.5Calibración INT8
3.6Runtimes de proveedores
3.7Discrepancias numéricas
3.8Portabilidad entre plataformas
3.9Autotuning de kernels
3.10Práctica: compilación de un modelo con Apache TVM
Módulo 4 de 8 · 10 submódulos

Medición de rendimiento

4.1Latencia, throughput y jitter
4.2Medición en frío y en caliente
4.3Percentiles y colas de distribución
4.4Extremo a extremo frente a por capa
4.5Condiciones reproducibles
4.6Estadística de las mediciones
4.7Contadores hardware
4.8Errores frecuentes en benchmarking
4.9Control de frecuencia y temperatura durante la medida
4.10Laboratorio: banco de medición reproducible
Módulo 5 de 8 · 10 submódulos

Perfilado y cuellos de botella

5.1Perfiladores de GPU
5.2Ocupación y memoria
5.3Transferencias CPU-acelerador
5.4Preprocesado como cuello de botella
5.5Roofline aplicado
5.6Trazas de sistema completas
5.7Oportunidades de mejora
5.8Informes de perfilado
5.9Ancho de banda de DRAM compartido
5.10Práctica: análisis roofline de un detector
Módulo 6 de 8 · 10 submódulos

Benchmarks y comparativas

6.1MLPerf Inference y MLPerf Automotive
6.2Benchmarks de percepción
6.3Benchmarks internos
6.4Comparación justa entre plataformas
6.5Precisión frente a rendimiento
6.6Consumo medido
6.7Presentación de resultados
6.8Regresión continua de rendimiento
6.9Coste total por inferencia
6.10Caso práctico: informe comparativo de dos plataformas
Módulo 7 de 8 · 10 submódulos

Arquitectura de sistema y seguridad

7.1Particionado de la pila entre aceleradores
7.2Redundancia en cómputo de IA
7.3Seguridad funcional de aceleradores
7.4Errores transitorios
7.5Soft errors y ECC
7.6Cualificación AEC-Q100
7.7Evidencias de rendimiento
7.8Ciclo de vida del hardware
7.9Ejecución dual con comparación
7.10Taller: arquitectura de cómputo para un ADAS L3
Módulo 8 de 8 · 10 submódulos

Proyecto de arquitectura accelerator-aware

8.1Requisitos de la aplicación
8.2Acelerador elegido
8.3Adaptación de la red
8.4Compilación y despliegue
8.5Plan de medición
8.6Perfilado y optimización
8.7Comparativa de resultados
8.8Recomendaciones de arquitectura
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.

Caso práctico: comparativa de aceleradores comerciales
Módulo 1 · Aceleradores para IA embarcada
Sparsity estructurada
Módulo 2 · Redes conscientes del acelerador
Planificación de memoria
Módulo 3 · Compiladores y runtimes
Latencia, throughput y jitter
Módulo 4 · Medición de rendimiento
Informes de perfilado
Módulo 5 · Perfilado y cuellos de botella

Marca los cinco conceptos y te damos tu resultado.

Normas y estándares que vas a manejar

ISO 26262:2018ISO/PAS 8800:2024AEC-Q100JEDEC JESD89AISO 21448:2022 (SOTIF)MLPerf AutomotiveIEC 61508:2010

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 rendimiento de IA
Arquitecto de hardware para IA
Ingeniero de compiladores
Ingeniero de machine learning embebido
Ingeniero de benchmarking
Ingeniero de sistemas ADAS

Para quién es

Ingeniero de rendimiento de IA
Arquitecto de hardware para IA
Ingeniero de compiladores
Ingeniero de machine learning embebido
Ingeniero de benchmarking
Ingeniero de sistemas ADAS
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: Arquitecturas de vehículo definido por software: conceptos clave para ingenieros · Smart charging para flotas eléctricas: arquitectura, control y KPIs · Arquitecturas de sensores para conducción automatizada en entorno urbano.

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 NVIDIA Nsight Compute, Apache TVM, ONNX Runtime, NVIDIA TensorRT, PyTorch, en versiones gratuitas, académicas o de evaluación. Los ensayos se estudian sobre procedimientos reales de compilación y despliegue de un detector en un acelerador, análisis roofline de una red de percepción, comparativa de rendimiento entre dos plataformas. 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 «Aceleradores para IA embarcada» y cierra con «Proyecto de arquitectura accelerator-aware».

Se trabajan ISO 26262:2018, ISO/PAS 8800:2024, AEC-Q100, JEDEC JESD89A, ISO 21448:2022 (SOTIF) y MLPerf Automotive.

Los perfiles más directos son Ingeniero de rendimiento de IA, Arquitecto de hardware para IA, Ingeniero de compiladores, Ingeniero de machine learning embebido y Ingeniero de benchmarking.

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 NVIDIA Nsight Compute, Apache TVM, ONNX Runtime, NVIDIA TensorRT, PyTorch. 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.