Admisión abierta 2026-2027Rellenar solicitud

Diplomado en Pipelines Multimodales y Sincronización

Diplomado online de 800 h: 8 módulos y 80 submódulos, de «Datos multimodales» a «Proyecto de pipeline multimodal», pasando por «Preparación para aprendizaje».

Mapa del programa · pulsa un módulo
Módulo 1 · Datos multimodales
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 multimodales

Saldrás manejando modalidades de imagen, audio, texto y señal, características de cada modalidad y frecuencias de muestreo heterogéneas. Es lo que se trabaja en «Datos multimodales», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Sincronización temporal

Saldrás manejando relojes, deriva y jitter, protocolo NTP y sus límites y precision Time Protocol IEEE 1588. Es lo que se trabaja en «Sincronización temporal», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Captura y registro

Saldrás manejando middlewares ROS 2 y DDS, grabación con rosbag2 y MCAP y formato ASAM MDF 4. Es lo que se trabaja en «Captura y registro», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Preparación para aprendizaje

Saldrás manejando datasets multimodales y su organización, etiquetado sincronizado entre modalidades y loaders eficientes en PyTorch. Es lo que se trabaja en «Preparación para aprendizaje», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Inferencia multimodal en tiempo real

Saldrás manejando requisitos de latencia de extremo a extremo, inferencia en edge con Jetson y optimización con TensorRT. Es lo que se trabaja en «Inferencia multimodal en tiempo real», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Calidad, operación y gobierno

Saldrás manejando validación de la sincronización en producción, detección de deriva por modalidad y observabilidad de flujos multimodales. Es lo que se trabaja en «Calidad, operación y gobierno», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Objetivos de aprendizaje

  • 01Caracterizar los datos de distintas modalidades y sus requisitos.
  • 02Sincronizar sensores mediante protocolos de tiempo de precisión.
  • 03Registrar datos multisensor de forma fiable y reproducible.
  • 04Construir pipelines de procesado batch y streaming multimodales.
  • 05Preparar datasets multimodales coherentes para el aprendizaje.
  • 06Desplegar inferencia multimodal con requisitos de latencia.
  • 07Operar y gobernar pipelines con calidad y 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

Datos multimodales

1.1Modalidades de imagen, audio, texto y señal
1.2Características de cada modalidad
1.3Frecuencias de muestreo heterogéneas
1.4Datos de sensores y logs de eventos
1.5Formatos de almacenamiento multimodal
1.6Volumen y coste de almacenamiento
1.7Calidad según ISO/IEC 5259
1.8Metadatos y contexto
1.9Privacidad en datos multimodales
1.10Taller: inventario de fuentes de una planta industrial
Módulo 2 de 8 · 10 submódulos

Sincronización temporal

2.1Relojes, deriva y jitter
2.2Protocolo NTP y sus límites
2.3Precision Time Protocol IEEE 1588
2.4gPTP según IEEE 802.1AS
2.5Marcado de tiempo por hardware
2.6Disparo y sincronización por hardware
2.7Alineación a posteriori por correlación
2.8Interpolación y remuestreo
2.9Medición de errores de sincronización
2.10Laboratorio: sincronización de cámaras con PTP
Módulo 3 de 8 · 10 submódulos

Captura y registro

3.1Middlewares ROS 2 y DDS
3.2Grabación con rosbag2 y MCAP
3.3Formato ASAM MDF 4
3.4Registro en vehículos y robots
3.5Compresión de vídeo y nubes de puntos
3.6Pérdida de datos y buffers
3.7Ancho de banda y almacenamiento a bordo
3.8Reproducción determinista de grabaciones
3.9Herramientas de visualización Foxglove
3.10Práctica: registro multisensor con rosbag2
Módulo 4 de 8 · 10 submódulos

Pipelines de procesado

4.1Arquitecturas batch y streaming
4.2Apache Kafka y Flink
4.3Procesado con GStreamer
4.4Pipelines con NVIDIA DeepStream
4.5Extracción y transformación de características
4.6Alineación de ventanas temporales
4.7Joins entre flujos asíncronos
4.8Backpressure y latencia
4.9Orquestación con Airflow
4.10Laboratorio: pipeline de vídeo y audio con GStreamer
Módulo 5 de 8 · 10 submódulos

Preparación para aprendizaje

5.1Datasets multimodales y su organización
5.2Etiquetado sincronizado entre modalidades
5.3Loaders eficientes en PyTorch
5.4WebDataset y formatos en shards
5.5Aumento de datos coherente entre modalidades
5.6Gestión de modalidades ausentes
5.7Particiones sin fuga temporal
5.8Versionado de datasets
5.9Catálogos de escenas
5.10Práctica: dataloader multimodal sincronizado
Módulo 6 de 8 · 10 submódulos

Inferencia multimodal en tiempo real

6.1Requisitos de latencia de extremo a extremo
6.2Inferencia en edge con Jetson
6.3Optimización con TensorRT
6.4Ejecución concurrente de modelos
6.5Planificación de recursos de GPU
6.6Sincronización en inferencia
6.7Tolerancia a fallos de fuentes
6.8Monitorización de latencia y calidad
6.9Despliegue con contenedores
6.10Caso práctico: inspección industrial con vídeo y vibración
Módulo 7 de 8 · 10 submódulos

Calidad, operación y gobierno

7.1Validación de la sincronización en producción
7.2Detección de deriva por modalidad
7.3Observabilidad de flujos multimodales
7.4Pruebas automáticas de datos
7.5Gestión de incidencias
7.6Seguridad y cifrado de flujos
7.7Requisitos de protección de datos
7.8Documentación del pipeline
7.9Costes de operación
7.10Caso práctico: auditoría de un pipeline de vehículo instrumentado
Módulo 8 de 8 · 10 submódulos

Proyecto de pipeline multimodal

8.1Definición de fuentes y requisitos
8.2Diseño de la sincronización
8.3Captura y registro de datos
8.4Pipeline de procesado
8.5Preparación del dataset
8.6Inferencia en tiempo real
8.7Medición de latencias y errores
8.8Conclusiones y escalado del pipeline
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.

Calidad según ISO/IEC 5259
Módulo 1 · Datos multimodales
gPTP según IEEE 802.1AS
Módulo 2 · Sincronización temporal
Middlewares ROS 2 y DDS
Módulo 3 · Captura y registro
Backpressure y latencia
Módulo 4 · Pipelines de procesado
Aumento de datos coherente entre modalidades
Módulo 5 · Preparación para aprendizaje

Marca los cinco conceptos y te damos tu resultado.

Normas y estándares que vas a manejar

IEEE 1588-2019 (PTP)IEEE 802.1AS-2020 (gPTP)ASAM MDF 4.2ISO 23150:2023ISO/IEC 5259-2:2024Reglamento (UE) 2016/679 (RGPD)SMPTE ST 2059-2

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 multimodales
Ingeniero de sistemas embebidos
Ingeniero de MLOps
Ingeniero de percepción
Arquitecto de pipelines de datos
Ingeniero de robótica

Para quién es

Ingeniero de datos multimodales
Ingeniero de sistemas embebidos
Ingeniero de MLOps
Ingeniero de percepción
Arquitecto de pipelines de datos
Ingeniero de robótica
Titulados en ingeniería o ciencias que busquen entrar en automoción

Otras formaciones del área

Del mismo área y nivel, para completar tu itinerario.

En el blog técnico: Cómo estructurar un pipeline de datos para series temporales de sensores · Diseño de arquitecturas de percepción multimodal para robots y vehículos · Cómo Diseñar tu Roadmap de Ingeniería Avanzada Multimodal.

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 ROS 2, GStreamer, NVIDIA DeepStream, Apache Kafka, Foxglove, en versiones gratuitas, académicas o de evaluación. Los ensayos se estudian sobre procedimientos reales de sincronización de cámaras y sensores mediante PTP, registro multisensor en vehículos y robots, inferencia multimodal en tiempo real en dispositivos edge. 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 multimodales» y cierra con «Proyecto de pipeline multimodal».

Se trabajan IEEE 1588-2019 (PTP), IEEE 802.1AS-2020 (gPTP), ASAM MDF 4.2, ISO 23150:2023, ISO/IEC 5259-2:2024 y Reglamento (UE) 2016/679 (RGPD).

Los perfiles más directos son Ingeniero de datos multimodales, Ingeniero de sistemas embebidos, Ingeniero de MLOps, Ingeniero de percepción y Arquitecto de pipelines 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 ROS 2, GStreamer, NVIDIA DeepStream, Apache Kafka, Foxglove. 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.