Admisión abierta 2026-2027Rellenar solicitud

Diplomado en Trazabilidad de Datos/Modelos y Auditoría Técnica

Diplomado online de 800 h: 8 módulos y 80 submódulos, de «Trazabilidad en sistemas basados en datos» a «Proyecto de trazabilidad y auditoría», pasando por «Fundamentos de la auditoría técnica».

Mapa del programa · pulsa un módulo
Módulo 1 · Trazabilidad en sistemas basados en datos
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.

Trazabilidad en sistemas basados en datos

Saldrás manejando por qué los modelos exigen trazabilidad, linaje de datos de extremo a extremo y metadatos de adquisición: vehículo, sensor y contexto. Es lo que se trabaja en «Trazabilidad en sistemas basados en datos», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Calidad y gestión de conjuntos de datos

Saldrás manejando modelo de calidad de datos de ISO/IEC 25012, serie ISO/IEC 5259 para analítica e IA y completitud y representatividad respecto al ODD. Es lo que se trabaja en «Calidad y gestión de conjuntos de datos», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Versionado de datos, código y modelos

Saldrás manejando control de versiones con Git y DVC, registro de modelos y artefactos y instantáneas inmutables de conjuntos de datos. Es lo que se trabaja en «Versionado de datos, código y modelos», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Fundamentos de la auditoría técnica

Saldrás manejando tipos de auditoría: interna, de segunda y de tercera parte, principios de auditoría según ISO 19011 y criterios, alcance y muestreo. Es lo que se trabaja en «Fundamentos de la auditoría técnica», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Auditoría de modelos y datos

Saldrás manejando revisión de la especificación de datos, verificación de métricas de rendimiento declaradas y pruebas de robustez y perturbaciones. Es lo que se trabaja en «Auditoría de modelos y datos», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Integración con procesos de ingeniería

Saldrás manejando automotive SPICE y procesos de aprendizaje automático, gestión de configuración según ISO 26262-8 y trazabilidad hacia el caso de seguridad. Es lo que se trabaja en «Integración con procesos de ingeniería», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Objetivos de aprendizaje

  • 01Diseñar el linaje de datos de modelos de conducción automatizada.
  • 02Evaluar la calidad de conjuntos de datos con normas reconocidas.
  • 03Versionar datos, código y modelos de forma reproducible.
  • 04Implantar registros que permitan explicar decisiones.
  • 05Planificar auditorías técnicas de modelos y datos.
  • 06Integrar la trazabilidad en procesos de ingeniería automotriz.
  • 07Redactar informes de auditoría con hallazgos accionables.

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

Trazabilidad en sistemas basados en datos

1.1Por qué los modelos exigen trazabilidad
1.2Linaje de datos de extremo a extremo
1.3Metadatos de adquisición: vehículo, sensor y contexto
1.4Identificadores únicos de grabaciones y fotogramas
1.5Relación entre requisitos, datos y modelos
1.6Trazabilidad exigida por ISO/PAS 8800
1.7Obligaciones de registro del Reglamento (UE) 2024/1689
1.8Costes y beneficios de la trazabilidad
1.9Modelos de madurez de gobernanza del dato
1.10Caso práctico: reconstrucción del linaje de un modelo de segmentación
Módulo 2 de 8 · 10 submódulos

Calidad y gestión de conjuntos de datos

2.1Modelo de calidad de datos de ISO/IEC 25012
2.2Serie ISO/IEC 5259 para analítica e IA
2.3Completitud y representatividad respecto al ODD
2.4Calidad del etiquetado y acuerdo entre anotadores
2.5Formato ASAM OpenLABEL
2.6Divisiones de entrenamiento, validación y prueba sin fuga
2.7Datos sintéticos y su procedencia
2.8Privacidad, anonimización y RGPD
2.9Retención y borrado de datos
2.10Taller: informe de calidad de un conjunto de datos de peatones
Módulo 3 de 8 · 10 submódulos

Versionado de datos, código y modelos

3.1Control de versiones con Git y DVC
3.2Registro de modelos y artefactos
3.3Instantáneas inmutables de conjuntos de datos
3.4Reproducibilidad de entrenamientos
3.5Gestión de semillas, entornos y contenedores
3.6Lista de materiales de software y de modelo
3.7Hashes y firmas de integridad
3.8Vinculación con la configuración del vehículo
3.9Políticas de retención de versiones
3.10Laboratorio: pipeline reproducible con DVC y MLflow
Módulo 4 de 8 · 10 submódulos

Registro y explicabilidad de decisiones

4.1Registradores de datos de eventos y DSSAD
4.2Registro de entradas y salidas de modelos
4.3Técnicas de explicabilidad: saliencia y SHAP
4.4Explicaciones a nivel de escenario
4.5Reconstrucción de incidentes a partir de registros
4.6Sincronización temporal de sensores
4.7Almacenamiento seguro y cadena de custodia
4.8Acceso de autoridades a los datos
4.9Límites de la explicabilidad en redes profundas
4.10Práctica: reconstrucción de un evento de frenado desde logs
Módulo 5 de 8 · 10 submódulos

Fundamentos de la auditoría técnica

5.1Tipos de auditoría: interna, de segunda y de tercera parte
5.2Principios de auditoría según ISO 19011
5.3Criterios, alcance y muestreo
5.4Evidencia objetiva en sistemas de IA
5.5Auditoría de procesos frente a auditoría de producto
5.6Listas de verificación para modelos
5.7Competencias del auditor técnico
5.8Hallazgos y clasificación de no conformidades
5.9Informe de auditoría
5.10Taller: programa de auditoría de un equipo de percepción
Módulo 6 de 8 · 10 submódulos

Auditoría de modelos y datos

6.1Revisión de la especificación de datos
6.2Verificación de métricas de rendimiento declaradas
6.3Pruebas de robustez y perturbaciones
6.4Evaluación de sesgo por subgrupos
6.5Análisis de cobertura del ODD
6.6Auditoría del proceso de anotación
6.7Reproducción independiente de resultados
6.8Auditoría de cambios entre versiones
6.9Riesgos de terceros y modelos preentrenados
6.10Caso práctico: auditoría de un modelo de detección de señales
Módulo 7 de 8 · 10 submódulos

Integración con procesos de ingeniería

7.1Automotive SPICE y procesos de aprendizaje automático
7.2Gestión de configuración según ISO 26262-8
7.3Trazabilidad hacia el caso de seguridad
7.4Puertas de calidad en la integración continua
7.5Gestión de cambios y análisis de impacto
7.6Evidencias para homologación
7.7Herramientas de gestión de requisitos y pruebas
7.8Métricas de trazabilidad para la dirección
7.9Mejora continua tras auditorías
7.10Práctica: matriz requisito-dato-modelo-prueba
Módulo 8 de 8 · 10 submódulos

Proyecto de trazabilidad y auditoría

8.1Selección del modelo de estudio
8.2Mapa de linaje de datos
8.3Plan de versionado y registro
8.4Diseño de registros de decisión
8.5Programa de auditoría técnica
8.6Ejecución de una auditoría simulada
8.7Informe de hallazgos
8.8Plan de acciones correctoras
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.

Metadatos de adquisición: vehículo, sensor y contexto
Módulo 1 · Trazabilidad en sistemas basados en datos
Taller: informe de calidad de un conjunto de datos de peatones
Módulo 2 · Calidad y gestión de conjuntos de datos
Hashes y firmas de integridad
Módulo 3 · Versionado de datos, código y modelos
Explicaciones a nivel de escenario
Módulo 4 · Registro y explicabilidad de decisiones
Tipos de auditoría: interna, de segunda y de tercera parte
Módulo 5 · Fundamentos de la auditoría técnica

Marca los cinco conceptos y te damos tu resultado.

Normas y estándares que vas a manejar

ISO/PAS 8800:2024ISO/IEC 5259Reglamento (UE) 2024/1689ISO/IEC 42001:2023ISO/IEC 25012ISO 19011:2018Automotive SPICE 4.0ASAM OpenLABEL

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 datos de conducción autónoma
Auditor técnico de IA
Especialista en MLOps
Responsable de calidad de datos
Ingeniero de configuración
Consultor de cumplimiento de IA

Para quién es

Ingeniero de datos de conducción autónoma
Auditor técnico de IA
Especialista en MLOps
Responsable de calidad de datos
Ingeniero de configuración
Consultor de cumplimiento de IA
Titulados en ingeniería o ciencias que busquen entrar en fabricantes de automóviles

Otras formaciones del área

Del mismo área y nivel, para completar tu itinerario.

En el blog técnico: Simulación de vuelta rápida en motorsport: modelos, datos y validación con pista · Del modelo físico al modelo híbrido físicamente guiado por datos · Cómo documentar de forma sólida un sistema complejo para auditorías técnicas.

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 DVC, MLflow, Git, CVAT, Apache Atlas, en versiones gratuitas, académicas o de evaluación. Los ensayos se estudian sobre procedimientos reales de auditorías de conjuntos de datos de entrenamiento, reproducción independiente de entrenamientos, reconstrucción de incidentes a partir de registros. 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 «Trazabilidad en sistemas basados en datos» y cierra con «Proyecto de trazabilidad y auditoría».

Se trabajan ISO/PAS 8800:2024, ISO/IEC 5259, Reglamento (UE) 2024/1689, ISO/IEC 42001:2023, ISO/IEC 25012 y ISO 19011:2018.

Los perfiles más directos son Ingeniero de datos de conducción autónoma, Auditor técnico de IA, Especialista en MLOps, Responsable de calidad de datos y Ingeniero de configuración.

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 DVC, MLflow, Git, CVAT, Apache Atlas. 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.