Admisión abierta 2026-2027Rellenar solicitud

Diplomado en Optimización Robusta y Estocástica

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 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 investigación operativa
Analista de riesgos cuantitativo
Planificador de sistemas energéticos
Científico de decisiones
Ingeniero de cadena de suministro
Investigador en optimización

Para quién es

Ingeniero de investigación operativa
Analista de riesgos cuantitativo
Planificador de sistemas energéticos
Científico de decisiones
Ingeniero de cadena de suministro
Investigador en optimización
Titulados en ingeniería o ciencias que busquen entrar en energía

Otras formaciones del área

Del mismo área y nivel, para completar tu itinerario.

En el blog técnico: Microredes para movilidad eléctrica: integración y optimización eficaz · Uso práctico de métodos de optimización en diseño de sistemas complejos.

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 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.

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 «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.

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 2026872 € Matricularme
Contactar con Seium
Pago al contado872 €ahorras 218 €
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.