Diplomado en Domain Randomization y Cobertura Estocástica
Diplomado online de 800 h: 8 módulos y 80 submódulos, de «Incertidumbre y variabilidad en validación» a «Proyecto de cobertura estocástica», pasando por «Métricas de cobertura estocástica».
Mapa del programa · pulsa un módulo
Módulo 1 · Incertidumbre y variabilidad en validación
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.
Incertidumbre y variabilidad en validación
Saldrás manejando variabilidad del entorno, del tráfico y del sensor, incertidumbre aleatoria y epistémica y espacio de parámetros de un escenario lógico. Es lo que se trabaja en «Incertidumbre y variabilidad en validación», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Domain randomization para percepción
Saldrás manejando origen de la técnica en robótica, aleatorización de texturas, iluminación y cámara y aleatorización estructurada frente a uniforme. Es lo que se trabaja en «Domain randomization para percepción», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Muestreo estocástico de escenarios
Saldrás manejando monte Carlo simple y estratificado, hipercubo latino y secuencias cuasi aleatorias y muestreo por importancia y entropía cruzada. Es lo que se trabaja en «Muestreo estocástico de escenarios», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Métricas de cobertura estocástica
Saldrás manejando cobertura de parámetros y de combinaciones, cobertura de situaciones y del ODD y cobertura basada en criterios de neuronas. Es lo que se trabaja en «Métricas de cobertura estocástica», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Robustez de redes neuronales
Saldrás manejando perturbaciones naturales frente a adversarias, evaluación de robustez según ISO/IEC TR 24029-1 y conjuntos corrompidos tipo ImageNet-C aplicados a conducción. Es lo que se trabaja en «Robustez de redes neuronales», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Integración en el proceso de validación
Saldrás manejando asignación de presupuesto de simulación, pipelines automáticos de aleatorización y trazabilidad de semillas y configuraciones. Es lo que se trabaja en «Integración en el proceso de validación», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Objetivos de aprendizaje
01Modelar la variabilidad de escenarios mediante distribuciones.
02Aplicar domain randomization para mejorar la generalización.
03Utilizar técnicas de muestreo eficientes para eventos raros.
04Buscar escenarios críticos con optimización y falsificación.
05Medir la cobertura estocástica de una campaña.
06Evaluar la robustez de redes neuronales ante perturbaciones.
07Integrar la cobertura estocástica en el caso 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
Incertidumbre y variabilidad en validación
1.1Variabilidad del entorno, del tráfico y del sensor
1.2Incertidumbre aleatoria y epistémica
1.3Espacio de parámetros de un escenario lógico
1.4Distribuciones de probabilidad de parámetros
1.5Dependencias y correlaciones entre parámetros
1.6Problema de los eventos raros
1.7Relación con insuficiencias SOTIF
1.8Papel de la simulación estocástica en el caso de seguridad
1.9Errores comunes en el muestreo
1.10Caso práctico: espacio paramétrico de un adelantamiento
Módulo 2 de 8 · 10 submódulos
Domain randomization para percepción
2.1Origen de la técnica en robótica
2.2Aleatorización de texturas, iluminación y cámara
2.3Aleatorización estructurada frente a uniforme
2.4Aleatorización de geometría y distractores
2.5Efecto en la generalización sim-to-real
2.6Aleatorización adaptativa y automática
2.7Combinación con adaptación de dominio
2.8Medición de la robustez resultante
2.9Riesgos de aleatorización excesiva
2.10Laboratorio: detector entrenado con texturas aleatorias
Módulo 3 de 8 · 10 submódulos
Muestreo estocástico de escenarios
3.1Monte Carlo simple y estratificado
3.2Hipercubo latino y secuencias cuasi aleatorias
3.3Muestreo por importancia y entropía cruzada
3.4Métodos de subconjuntos para probabilidades pequeñas
3.5Cadenas de Markov y muestreo MCMC
3.6Modelos de comportamiento estocásticos del tráfico
3.7Generación con modelos generativos aprendidos
3.8Estimación de probabilidad de fallo e intervalos
3.9Coste computacional por método
3.10Práctica: estimación de fallo con muestreo por importancia
Módulo 4 de 8 · 10 submódulos
Búsqueda de escenarios críticos
4.1Funciones de criticidad y de aptitud
4.2Optimización bayesiana sobre escenarios
4.3Algoritmos genéticos y evolutivos
4.4Aprendizaje por refuerzo adversario
4.5Búsqueda de fronteras de fallo
4.6Diversidad frente a criticidad
4.7Falsificación con lógica temporal de señales
4.8Validación de escenarios críticos encontrados
4.9Integración en la cadena de simulación
4.10Taller: falsificación de un ACC con optimización bayesiana
Módulo 5 de 8 · 10 submódulos
Métricas de cobertura estocástica
5.1Cobertura de parámetros y de combinaciones
5.2Cobertura de situaciones y del ODD
5.3Cobertura basada en criterios de neuronas
5.4Entropía y diversidad del conjunto de prueba
5.5Cobertura de fronteras de decisión
5.6Criterios de parada basados en convergencia
5.7Cobertura de escenarios desconocidos
5.8Visualización de la cobertura
5.9Comunicación de cobertura en el caso de seguridad
5.10Práctica: mapa de cobertura de un barrido Monte Carlo
Módulo 6 de 8 · 10 submódulos
Robustez de redes neuronales
6.1Perturbaciones naturales frente a adversarias
6.2Evaluación de robustez según ISO/IEC TR 24029-1
6.3Conjuntos corrompidos tipo ImageNet-C aplicados a conducción
6.4Verificación formal de redes con cotas
6.5Aumentos de datos para robustez
6.6Calibración de la incertidumbre
6.7Detección de entradas fuera de distribución
6.8Robustez temporal en secuencias de vídeo
6.9Requisitos de robustez en ISO/PAS 8800
6.10Caso práctico: evaluación de robustez de un segmentador ante lluvia
Módulo 7 de 8 · 10 submódulos
Integración en el proceso de validación
7.1Asignación de presupuesto de simulación
7.2Pipelines automáticos de aleatorización
7.3Trazabilidad de semillas y configuraciones
7.4Credibilidad de los modelos estocásticos
7.5Combinación con pruebas en pista
7.6Argumentos estadísticos para la autoridad
7.7Repetición tras cambios de software
7.8Indicadores para la dirección técnica
7.9Riesgos y limitaciones del enfoque
7.10Taller: pipeline de aleatorización con informes automáticos
Módulo 8 de 8 · 10 submódulos
Proyecto de cobertura estocástica
8.1Selección de la función y escenarios
8.2Definición de distribuciones de parámetros
8.3Diseño de la aleatorización de dominio
8.4Campaña de muestreo estocástico
8.5Búsqueda de escenarios críticos
8.6Análisis de cobertura
8.7Estimación de probabilidad de fallo
8.8Argumento para el caso de seguridad
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.
Errores comunes en el muestreo
Módulo 1 · Incertidumbre y variabilidad en validación
Aleatorización adaptativa y automática
Módulo 2 · Domain randomization para percepción
Muestreo por importancia y entropía cruzada
Módulo 3 · Muestreo estocástico de escenarios
Taller: falsificación de un ACC con optimización bayesiana
Módulo 4 · Búsqueda de escenarios críticos
Cobertura de escenarios desconocidos
Módulo 5 · Métricas de cobertura estocástica
Marca los cinco conceptos y te damos tu resultado.
Normas y estándares que vas a manejar
ISO 21448:2022ISO/PAS 8800:2024ISO 34502:2022ISO/IEC TR 24029-1:2021ASAM OpenSCENARIOUL 4600ISO 26262:2018
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 SchneiderDirector Académico del Departamento EMH — Electromobility, Batteries & Hydrogen.
Dr. Kevin O’ConnorDirector Académico del EET — Electronics & Embedded Technologies Institute.
Prof. Kenji TakahashiDirector Académico del SRA — Robotics & Autonomous Systems Institute.
1Rellenas la solicitud de admisiónTitulación o experiencia y firma, en una sola página.
2El sistema verifica la documentación al instanteEl sistema comprueba los datos y la firma al momento.
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.
¿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 CARLA, Python con NumPy y SciPy, Optuna, Foretellix Foretify, PyTorch, en versiones gratuitas, académicas o de evaluación. Los ensayos se estudian sobre procedimientos reales de campañas Monte Carlo en simulación, búsqueda automática de escenarios críticos, evaluación de robustez de redes de percepción. La evaluación es continua por módulo más el proyecto integrador final.
Son 8 módulos con 80 submódulos y 800 h de trabajo total. Abre por «Incertidumbre y variabilidad en validación» y cierra con «Proyecto de cobertura estocástica».
Se trabajan ISO 21448:2022, ISO/PAS 8800:2024, ISO 34502:2022, ISO/IEC TR 24029-1:2021, ASAM OpenSCENARIO y UL 4600.
Los perfiles más directos son Ingeniero de validación virtual, Especialista en simulación estocástica, Ingeniero de percepción, Científico de datos de seguridad y Ingeniero SOTIF.
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 CARLA, Python con NumPy y SciPy, Optuna, Foretellix Foretify, 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.
Inicio de clases: 22 de diciembre de 20261.432 €Matricularme
Antes de decidir
¿Qué sacarías tú de este diplomado?
No es lo mismo llegar aquí recién titulado que con diez años en el sector. Dinos de dónde vienes.
Qué te aportaPasar de la teoría de carrera al criterio de proyecto: qué norma aplica a cada parte del trabajo, qué criterios de aceptación se fijan antes de ejecutar y cómo se deja todo documentado.
Dónde vas a sudarEl módulo de normativa y evidencia documental, si todavía no has trabajado dentro de un proyecto real con auditoría de por medio.
Con qué salesCon una memoria técnica propia, sobre un caso real, que puedes poner encima de la mesa en una entrevista.
Qué te aportaFormalizar lo que ya haces por oficio: distinguir requisito obligatorio de buena práctica, justificar por escrito las decisiones técnicas y dejar el trabajo trazable.
Dónde vas a sudarPoco en contenido. El esfuerzo real está en el proyecto final y en su defensa.
Con qué salesCon el diplomado acreditado y un proyecto hecho sobre un caso de tu propio trabajo.
Qué te aportaLa base técnica de Autónomos, ADAS & Vehículo Definido por Software y el marco normativo del ámbito desde cero, sin dar por sabido el vocabulario del sector.
Dónde vas a sudarLas primeras semanas, por terminología. A partir del segundo módulo se nivela.
Con qué salesCon un perfil de entrada acreditado en Autónomos, ADAS & Vehículo Definido por Software y un proyecto que demuestra que sabes aplicarlo.
¿Te va a dar la vida?
Calcula tu ritmo real
Son 800 horas. Mueve el control y mira cuánto tardarías tú de verdad.
—para terminar
¿Y esto para qué me sirve?
Marca lo que más te interesa
Elige hasta 3 módulos y te digo cuánto pesan en el programa y a qué perfiles prepara.
Perfiles a los que prepara
Ingeniero de validación virtual
Especialista en simulación estocástica
Ingeniero de percepción
En fabricantes de automóviles, empresas de conducción autónoma y proveedores de simulación.
Con sinceridad
¿Es para ti?
Sí, si quieres…
Trabajar en Autónomos, ADAS & Vehículo Definido por Software con criterio de norma, no solo de intuición.
Saber justificar por escrito por qué tomaste una decisión técnica.
Terminar con una memoria técnica tuya, sobre un caso real.
Avanzar a tu ritmo, compatible con una jornada completa.
No, si buscas…
Un título rápido sin entregar trabajo propio.
Clases en directo con horario fijo: el programa es asíncrono.
Empezar mañana: las clases empiezan justo un mes después de matricularte.
Formación de taller o práctica presencial con maquinaria.
¿Te queda una duda?
Pregunta algo concreto
Escríbela aquí y la pasamos al formulario de contacto con la formación ya identificada.