Admisión abierta 2026-2027Rellenar solicitud

Diplomado en Arquitecturas de Datos Industriales y Feature Stores

Diplomado online de 800 h: 8 módulos y 80 submódulos, de «Datos industriales y sus fuentes» a «Proyecto de plataforma de datos», pasando por «Feature stores».

Mapa del programa · pulsa un módulo
Módulo 1 · Datos industriales y sus fuentes
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.

Datos industriales y sus fuentes

Saldrás manejando datos de proceso, eventos, calidad y mantenimiento, pirámide ISA-95 y flujos de datos y historiadores de proceso. Es lo que se trabaja en «Datos industriales y sus fuentes», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Arquitecturas de referencia

Saldrás manejando arquitectura lambda y kappa, data lake, data warehouse y lakehouse y unified Namespace con MQTT. Es lo que se trabaja en «Arquitecturas de referencia», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Ingesta y contextualización

Saldrás manejando conectores OPC UA, Modbus y MQTT, captura de cambios (CDC) desde bases de datos y ingesta por lotes y en streaming. Es lo que se trabaja en «Ingesta y contextualización», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Feature stores

Saldrás manejando concepto y componentes de un feature store, almacén offline y almacén online y registro y descubrimiento de características. Es lo que se trabaja en «Feature stores», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Rendimiento, escalado y coste

Saldrás manejando particionado y clustering de tablas, compactación y gestión de ficheros pequeños y cachés y almacenamiento en memoria. Es lo que se trabaja en «Rendimiento, escalado y coste», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Seguridad y operación

Saldrás manejando segmentación de red según IEC 62443, zonas desmilitarizadas industriales y control de acceso y roles. Es lo que se trabaja en «Seguridad y operación», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Objetivos de aprendizaje

  • 01Identificar las fuentes y particularidades de los datos industriales.
  • 02Diseñar arquitecturas lakehouse y Unified Namespace para planta.
  • 03Construir pipelines de ingesta y contextualización robustos.
  • 04Desarrollar características de series temporales sin fugas de información.
  • 05Implantar feature stores con consistencia entre entrenamiento y servicio.
  • 06Optimizar el rendimiento y el coste de la plataforma.
  • 07Asegurar y operar la plataforma de datos con buenas prácticas.

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

Datos industriales y sus fuentes

1.1Datos de proceso, eventos, calidad y mantenimiento
1.2Pirámide ISA-95 y flujos de datos
1.3Historiadores de proceso
1.4Series temporales de alta frecuencia
1.5Datos de lotes y contexto de producción
1.6Metadatos y jerarquías de activos
1.7Retos: heterogeneidad, latencia y volumen
1.8Datos OT frente a datos IT
1.9Casos de uso analíticos en planta
1.10Taller: inventario de fuentes de datos de una planta
Módulo 2 de 8 · 10 submódulos

Arquitecturas de referencia

2.1Arquitectura lambda y kappa
2.2Data lake, data warehouse y lakehouse
2.3Unified Namespace con MQTT
2.4Arquitectura medallion: bronce, plata y oro
2.5Edge, fog y nube
2.6Formatos Parquet, Delta Lake e Iceberg
2.7Bases de datos de series temporales
2.8Modelado semántico de activos
2.9Patrones de integración OT/IT
2.10Laboratorio: lakehouse con Delta Lake y Spark
Módulo 3 de 8 · 10 submódulos

Ingesta y contextualización

3.1Conectores OPC UA, Modbus y MQTT
3.2Captura de cambios (CDC) desde bases de datos
3.3Ingesta por lotes y en streaming
3.4Alineación temporal y remuestreo
3.5Contextualización con órdenes y lotes
3.6Gestión de etiquetas y nomenclatura
3.7Calidad del dato en la ingesta
3.8Esquemas y evolución de esquemas
3.9Orquestación con Airflow y Dagster
3.10Práctica: pipeline de ingesta de un historiador
Módulo 4 de 8 · 10 submódulos

Ingeniería de características

4.1Características de series temporales
4.2Ventanas deslizantes y agregaciones
4.3Características de frecuencia
4.4Codificación de variables categóricas
4.5Características de contexto de proceso
4.6Fugas de información temporal
4.7Uniones con corrección point-in-time
4.8Librerías tsfresh y featuretools
4.9Reutilización de características entre modelos
4.10Laboratorio: características para predicción de calidad
Módulo 5 de 8 · 10 submódulos

Feature stores

5.1Concepto y componentes de un feature store
5.2Almacén offline y almacén online
5.3Registro y descubrimiento de características
5.4Feast como feature store abierto
5.5Feature stores de Databricks, SageMaker y Vertex
5.6Materialización y actualización
5.7Consistencia entre entrenamiento y servicio
5.8Características en streaming
5.9Versionado y linaje de características
5.10Práctica: despliegue de Feast con datos de planta
Módulo 6 de 8 · 10 submódulos

Rendimiento, escalado y coste

6.1Particionado y clustering de tablas
6.2Compactación y gestión de ficheros pequeños
6.3Cachés y almacenamiento en memoria
6.4Latencia de servicio online
6.5Escalado horizontal del cómputo
6.6Coste de almacenamiento y cómputo
6.7Retención y archivado
6.8Pruebas de carga
6.9Observabilidad de pipelines
6.10Caso práctico: optimización de un lakehouse industrial
Módulo 7 de 8 · 10 submódulos

Seguridad y operación

7.1Segmentación de red según IEC 62443
7.2Zonas desmilitarizadas industriales
7.3Control de acceso y roles
7.4Cifrado en tránsito y en reposo
7.5Gestión de secretos
7.6Despliegue con infraestructura como código
7.7CI/CD de pipelines de datos
7.8Recuperación ante desastres
7.9Documentación de la arquitectura
7.10Taller: diseño de la arquitectura de seguridad de datos
Módulo 8 de 8 · 10 submódulos

Proyecto de plataforma de datos

8.1Caso de uso y requisitos de la plataforma de datos
8.2Arquitectura objetivo de la plataforma
8.3Ingesta y contextualización
8.4Modelo de datos
8.5Ingeniería de características
8.6Puesta en marcha del feature store
8.7Pruebas de rendimiento de la plataforma de datos
8.8Plan de operación de la plataforma de datos
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: heterogeneidad, latencia y volumen
Módulo 1 · Datos industriales y sus fuentes
Arquitectura medallion: bronce, plata y oro
Módulo 2 · Arquitecturas de referencia
Conectores OPC UA, Modbus y MQTT
Módulo 3 · Ingesta y contextualización
Librerías tsfresh y featuretools
Módulo 4 · Ingeniería de características
Feature stores de Databricks, SageMaker y Vertex
Módulo 5 · Feature stores

Marca los cinco conceptos y te damos tu resultado.

Normas y estándares que vas a manejar

IEC 62264 (ISA-95: integración empresa-control)IEC 62541 (OPC Unified Architecture)IEC 62443 (Seguridad de sistemas de automatización y control)ISO/IEC 20547-3 (Arquitectura de referencia de big data)OASIS MQTT 5.0ISO 8000 (Calidad de datos)

Cuerpo docente y expertos

Este programa se imparte en el área de Data, IA, Simulación & Analytics, que dirige Dra. Lucía Hernández Vega. Debajo, los directores académicos más cercanos a este programa. El detalle de cada instituto está en la página de institutos.

Dra. Lucía Hernández Vega Dra. Lucía Hernández VegaDirectora Académica del DAIS — Data, Artificial Intelligence & Simulation Institute.
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 industrial
Arquitecto de datos
Ingeniero de machine learning
Especialista en integración OT/IT
Ingeniero de plataformas de datos
Consultor de analítica industrial

Para quién es

Ingeniero de datos industrial
Arquitecto de datos
Ingeniero de machine learning
Especialista en integración OT/IT
Ingeniero de plataformas de datos
Consultor de analítica industrial
Titulados en ingeniería o ciencias que busquen entrar en fabricación discreta

Otras formaciones del área

Del mismo área y nivel, para completar tu itinerario.

¿Buscas el programa completo de este tema?

Mismo campo, recorrido largo y titulación de máster: Máster en Ingeniería de Datos Industrial & MLOps de Plataforma.

En el blog técnico: Introducción a arquitecturas cloud-edge para datos de vehículos conectados · Arquitecturas de vehículo definido por software: conceptos clave para ingenieros · Smart charging para flotas eléctricas: arquitectura, control y KPIs.

Áreas cercanas: todas las de Data, IA, Simulación & Analytics · Aeroespacial, UAM, Drones & Espacio · Automoción & Motorsport · Autónomos, ADAS & Vehículo Definido por Software · Civil, Rail & Smart Cities · 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 Data, IA, Simulación & Analytics?
¿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 Apache Spark con Delta Lake, Feast, Apache Airflow, InfluxDB o TimescaleDB, Databricks, en versiones gratuitas, académicas o de evaluación. Los ensayos se estudian sobre procedimientos reales de construcción de un lakehouse con datos de historiador, despliegue de un feature store con servicio online, pruebas de corrección point-in-time de características. 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 «Datos industriales y sus fuentes» y cierra con «Proyecto de plataforma de datos».

Se trabajan IEC 62264 (ISA-95: integración empresa-control), IEC 62541 (OPC Unified Architecture), IEC 62443 (Seguridad de sistemas de automatización y control), ISO/IEC 20547-3 (Arquitectura de referencia de big data), OASIS MQTT 5.0 y ISO 8000 (Calidad de datos).

Los perfiles más directos son Ingeniero de datos industrial, Arquitecto de datos, Ingeniero de machine learning, Especialista en integración OT/IT y Ingeniero de plataformas de datos.

En un pago son 1.032 €, sobre una tarifa de 1.290 €. A plazos, una entrada de 516 € y 6 cuotas de 129 €, 1.290 € 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 Apache Spark con Delta Lake, Feast, Apache Airflow, InfluxDB o TimescaleDB, Databricks. 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 20261.032 € Matricularme
Contactar con Seium
Pago al contado1.032 €ahorras 258 €
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.