Diplomado online de 800 h: 8 módulos y 80 submódulos, de «Incertidumbre en optimización» a «Proyecto de optimización bajo incertidumbre», pasando por «Optimización robusta».
Mapa del programa · pulsa un módulo
Módulo 1 · Incertidumbre en optimización
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 en optimización
Saldrás manejando fuentes de incertidumbre en ingeniería, coste de ignorar la incertidumbre y valor de la solución estocástica (VSS). Es lo que se trabaja en «Incertidumbre en optimización», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Programación estocástica en dos etapas
Saldrás manejando formulación con recurso, forma extensiva determinista y recurso completo y relativo. Es lo que se trabaja en «Programación estocástica en dos etapas», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Programación estocástica multietapa
Saldrás manejando árboles de escenarios, restricciones de no anticipatividad y generación y reducción de escenarios. Es lo que se trabaja en «Programación estocástica multietapa», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Optimización robusta
Saldrás manejando conjuntos de incertidumbre: caja, elipsoide y poliedro, contrapartida robusta tratable y presupuesto de incertidumbre de Bertsimas-Sim. Es lo que se trabaja en «Optimización robusta», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Optimización distribucionalmente robusta
Saldrás manejando conjuntos de ambigüedad, bolas de Wasserstein y ambigüedad por momentos. Es lo que se trabaja en «Optimización distribucionalmente robusta», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Evaluación y aplicación
Saldrás manejando simulación fuera de muestra, métricas de rendimiento y riesgo y análisis de sensibilidad de parámetros. Es lo que se trabaja en «Evaluación y aplicación», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Objetivos de aprendizaje
01Cuantificar el impacto de la incertidumbre en las decisiones.
02Formular y resolver problemas estocásticos en dos etapas.
03Aplicar métodos multietapa como SDDP y Progressive Hedging.
04Incorporar restricciones probabilísticas y medidas de riesgo.
05Construir contrapartidas robustas con conjuntos de incertidumbre.
06Aplicar optimización distribucionalmente robusta guiada por datos.
07Evaluar y comunicar soluciones bajo incertidumbre.
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 en optimización
1.1Fuentes de incertidumbre en ingeniería
1.2Coste de ignorar la incertidumbre
1.3Valor de la solución estocástica (VSS)
1.4Valor esperado de la información perfecta (EVPI)
1.5Representación con distribuciones y conjuntos
1.6Decisiones aquí y ahora y de recurso
1.7Enfoques: estocástico, robusto y distribucionalmente robusto
1.8Medidas de riesgo: VaR y CVaR
1.9Elección del enfoque
1.10Taller: cálculo de VSS y EVPI en un problema sencillo
Módulo 2 de 8 · 10 submódulos
Programación estocástica en dos etapas
2.1Formulación con recurso
2.2Forma extensiva determinista
2.3Recurso completo y relativo
2.4Descomposición L-shaped de Van Slyke y Wets
2.5Variante de Benders multicorte
2.6Aproximación por media muestral (SAA)
2.7Validación estadística de soluciones
2.8Modelado con Pyomo y mpi-sppy
2.9Aplicaciones en capacidad y producción
2.10Práctica: dimensionado de capacidad en dos etapas
Módulo 3 de 8 · 10 submódulos
Programación estocástica multietapa
3.1Árboles de escenarios
3.2Restricciones de no anticipatividad
3.3Generación y reducción de escenarios
3.4Programación dinámica dual estocástica (SDDP)
3.5Algoritmo Progressive Hedging de Rockafellar y Wets
3.6Políticas frente a planes
3.7Planificación hidrotérmica como caso clásico
3.8Coste computacional de los árboles
3.9Comparación con reoptimización periódica
3.10Laboratorio: SDDP para gestión de un embalse
Módulo 4 de 8 · 10 submódulos
Restricciones probabilísticas y riesgo
4.1Restricciones de azar individuales y conjuntas
4.2Aproximaciones convexas conservadoras
4.3Formulación de CVaR en programación lineal
4.4Optimización media-riesgo con escenarios
4.5Restricciones de dominancia estocástica
4.6Aproximación por escenarios
4.7Calibración del nivel de riesgo
4.8Interpretación para la dirección
4.9Aplicaciones en suministro y energía
4.10Práctica: planificación con restricción de CVaR
Módulo 5 de 8 · 10 submódulos
Optimización robusta
5.1Conjuntos de incertidumbre: caja, elipsoide y poliedro
5.2Contrapartida robusta tratable
5.3Presupuesto de incertidumbre de Bertsimas-Sim
5.4Robustez ajustable y reglas de decisión lineales
5.5Optimización robusta en dos etapas
5.6Precio de la robustez
5.7Conjuntos construidos con datos
5.8Herramientas: RSOME y modelado en JuMP
5.9Comparación con el enfoque estocástico
5.10Laboratorio: scheduling robusto con presupuesto de incertidumbre
Módulo 6 de 8 · 10 submódulos
Optimización distribucionalmente robusta
6.1Conjuntos de ambigüedad
6.2Bolas de Wasserstein
6.3Ambigüedad por momentos
6.4Reformulaciones tratables como programas cónicos
6.5Garantías fuera de muestra
6.6Relación con regularización
6.7Optimización guiada por datos
6.8Predict-then-optimize frente a enfoques integrados
6.9Aplicaciones industriales de la robustez distribucional
6.10Caso práctico: inventario con ambigüedad de Wasserstein
Módulo 7 de 8 · 10 submódulos
Evaluación y aplicación
7.1Simulación fuera de muestra
7.2Métricas de rendimiento y riesgo
7.3Análisis de sensibilidad de parámetros
7.4Comunicación de soluciones robustas
7.5Integración en procesos de planificación
7.6Escalado computacional de modelos grandes
7.7Casos en energía, logística y producción
7.8Errores de modelado frecuentes
7.9Selección final del enfoque
7.10Taller: evaluación comparativa de enfoques
Módulo 8 de 8 · 10 submódulos
Proyecto de optimización bajo incertidumbre
8.1Problema y fuentes de incertidumbre
8.2Modelo determinista de referencia
8.3Modelo estocástico en dos etapas
8.4Modelo robusto con presupuesto de incertidumbre
8.5Evaluación fuera de muestra
8.6Análisis de riesgo con CVaR
8.7Recomendación para la dirección
8.8Conclusiones técnicas y limitaciones
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.
Fuentes de incertidumbre en ingeniería
Módulo 1 · Incertidumbre en optimización
Modelado con Pyomo y mpi-sppy
Módulo 2 · Programación estocástica en dos etapas
Algoritmo Progressive Hedging de Rockafellar y Wets
Módulo 3 · Programación estocástica multietapa
Aproximaciones convexas conservadoras
Módulo 4 · Restricciones probabilísticas y riesgo
Comparación con el enfoque estocástico
Módulo 5 · Optimización robusta
Marca los cinco conceptos y te damos tu resultado.
Normas y estándares que vas a manejar
ISO 31000:2018 (Gestión del riesgo)IEC 31010:2019 (Técnicas de evaluación del riesgo)JCGM 101:2008 (Propagación de distribuciones por Monte Carlo)ISO 22301:2019 (Continuidad de negocio)Formato SMPS (Stochastic MPS)
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 VegaDirectora Académica del DAIS — Data, Artificial Intelligence & Simulation Institute.
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 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 Pyomo con mpi-sppy, JuMP con SDDP.jl, RSOME, Gurobi, Python con SciPy, en versiones gratuitas, académicas o de evaluación. Los ensayos se estudian sobre procedimientos reales de evaluación fuera de muestra de soluciones robustas y estocásticas, generación y reducción de árboles de escenarios, análisis del precio de la robustez. 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 en optimización» y cierra con «Proyecto de optimización bajo incertidumbre».
Se trabajan ISO 31000:2018 (Gestión del riesgo), IEC 31010:2019 (Técnicas de evaluación del riesgo), JCGM 101:2008 (Propagación de distribuciones por Monte Carlo), ISO 22301:2019 (Continuidad de negocio) y Formato SMPS (Stochastic MPS).
Los perfiles más directos son Ingeniero de investigación operativa, Analista de riesgos cuantitativo, Planificador de sistemas energéticos, Científico de decisiones y Ingeniero de cadena de suministro.
En un pago son 872 €, sobre una tarifa de 1.090 €. A plazos, una entrada de 436 € y 6 cuotas de 109 €, 1.090 € 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 Pyomo con mpi-sppy, JuMP con SDDP.jl, RSOME, Gurobi, Python con SciPy. 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 2026872 €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 Data, IA, Simulación & Analytics 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 Data, IA, Simulación & Analytics 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 investigación operativa
Analista de riesgos cuantitativo
Planificador de sistemas energéticos
En energía, cadena de suministro y finanzas.
Con sinceridad
¿Es para ti?
Sí, si quieres…
Trabajar en Data, IA, Simulación & Analytics 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.