Diplomado en Producción de Pipelines de Graph Analytics
Diplomado online de 800 h: 8 módulos y 80 submódulos, de «Arquitectura de plataformas de grafos» a «Proyecto de pipeline de grafos», pasando por «Calidad y pruebas de pipelines».
Mapa del programa · pulsa un módulo
Módulo 1 · Arquitectura de plataformas de grafos
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.
Arquitectura de plataformas de grafos
Saldrás manejando modelos de datos: property graph y RDF, bases de datos nativas frente a motores de cómputo y neo4j, TigerGraph, Amazon Neptune y Memgraph. Es lo que se trabaja en «Arquitectura de plataformas de grafos», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Ingesta y construcción del grafo
Saldrás manejando extracción de entidades desde fuentes relacionales, resolución de entidades y deduplicación y modelado de nodos, relaciones y propiedades. Es lo que se trabaja en «Ingesta y construcción del grafo», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Algoritmos de analítica de grafos
Saldrás manejando centralidad: grado, intermediación y PageRank, detección de comunidades: Louvain y Leiden y componentes conexas y fuertemente conexas. Es lo que se trabaja en «Algoritmos de analítica de grafos», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Calidad y pruebas de pipelines
Saldrás manejando pruebas unitarias de transformaciones, pruebas de integración con contenedores efímeros y expectativas de datos con Great Expectations. Es lo que se trabaja en «Calidad y pruebas de pipelines», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Rendimiento y escalabilidad
Saldrás manejando índices y planificación de consultas, particionado y sharding de grafos y supernodos y estrategias de mitigación. Es lo que se trabaja en «Rendimiento y escalabilidad», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Observabilidad y operación
Saldrás manejando métricas de pipeline con Prometheus, paneles operativos en Grafana y trazas distribuidas con OpenTelemetry. Es lo que se trabaja en «Observabilidad y operación», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Objetivos de aprendizaje
01Seleccionar la plataforma de grafos adecuada según volumen, latencia y tipo de consulta.
02Diseñar procesos de ingesta masiva e incremental hacia bases de datos de grafos.
03Aplicar algoritmos de centralidad, comunidades y embeddings en producción.
04Orquestar pipelines de analítica de grafos con Airflow y Kubernetes.
05Implantar pruebas y controles de calidad sobre datos de grafos.
06Optimizar el rendimiento de consultas y algoritmos a gran escala.
07Operar plataformas de grafos con observabilidad, seguridad y alta disponibilidad.
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
Arquitectura de plataformas de grafos
1.1Modelos de datos: property graph y RDF
1.2Bases de datos nativas frente a motores de cómputo
1.3Neo4j, TigerGraph, Amazon Neptune y Memgraph
1.4Procesamiento distribuido con GraphX y GraphFrames
1.5Formatos de intercambio: GraphML, Parquet y CSV de aristas
1.6Lenguajes Cypher, Gremlin y SPARQL
1.7Estándar GQL ISO/IEC 39075
1.8Criterios de selección según volumen y latencia
1.9Arquitectura lambda y kappa para grafos
1.10Taller: comparar consultas Cypher y Gremlin
Módulo 2 de 8 · 10 submódulos
Ingesta y construcción del grafo
2.1Extracción de entidades desde fuentes relacionales
2.2Resolución de entidades y deduplicación
2.3Modelado de nodos, relaciones y propiedades
2.4Carga masiva con neo4j-admin y bulk loaders
2.5Ingesta incremental con CDC y Debezium
2.6Streaming con Kafka Connect hacia el grafo
2.7Validación de esquema y restricciones
2.8Versionado de esquemas de grafo
2.9Linaje de datos con OpenLineage
2.10Práctica: pipeline de carga incremental desde PostgreSQL
Módulo 3 de 8 · 10 submódulos
Algoritmos de analítica de grafos
3.1Centralidad: grado, intermediación y PageRank
3.2Detección de comunidades: Louvain y Leiden
3.3Componentes conexas y fuertemente conexas
3.4Caminos mínimos y algoritmos de rutas
3.5Similitud de nodos y predicción de enlaces
3.6Embeddings: FastRP y node2vec
3.7Proyecciones de grafo en memoria
3.8Complejidad y coste computacional
3.9Neo4j Graph Data Science en producción
3.10Laboratorio: segmentación de clientes con Leiden
Módulo 4 de 8 · 10 submódulos
Orquestación y automatización
4.1Diseño de DAG en Apache Airflow
4.2Dagster y orquestación orientada a activos
4.3Parametrización y reejecución idempotente
4.4Gestión de dependencias entre tareas
4.5Contenedores con Docker para cargas de grafos
4.6Despliegue en Kubernetes con Helm
4.7Infraestructura como código con Terraform
4.8Integración continua de pipelines
4.9Gestión de secretos y credenciales
4.10Caso práctico: DAG de recálculo diario de PageRank
Módulo 5 de 8 · 10 submódulos
Calidad y pruebas de pipelines
5.1Pruebas unitarias de transformaciones
5.2Pruebas de integración con contenedores efímeros
5.3Expectativas de datos con Great Expectations
5.4Detección de nodos huérfanos y aristas inválidas
5.5Métricas de calidad estructural del grafo
5.6Comparación de grafos entre versiones
5.7Datos sintéticos para pruebas
5.8Contratos de datos entre productores y consumidores
5.9Revisión de código y estándares
5.10Práctica: suite de pruebas para un pipeline de grafo
Módulo 6 de 8 · 10 submódulos
Rendimiento y escalabilidad
6.1Índices y planificación de consultas
6.2Particionado y sharding de grafos
6.3Supernodos y estrategias de mitigación
6.4Caché y precomputación de resultados
6.5Paralelismo en algoritmos iterativos
6.6Dimensionamiento de memoria y heap
6.7Benchmarking con LDBC Social Network Benchmark
6.8Optimización de costes en la nube
6.9Perfilado de consultas lentas
6.10Taller: optimización de consultas Cypher con PROFILE
Módulo 7 de 8 · 10 submódulos
Observabilidad y operación
7.1Métricas de pipeline con Prometheus
7.2Paneles operativos en Grafana
7.3Trazas distribuidas con OpenTelemetry
7.4Alertas y gestión de incidencias
7.5Copias de seguridad y recuperación del grafo
7.6Alta disponibilidad y clústeres causales
7.7Control de acceso y seguridad a nivel de propiedad
7.8Cumplimiento de protección de datos
7.9Servicio de resultados mediante API GraphQL
7.10Caso práctico: runbook de recuperación ante fallo
Módulo 8 de 8 · 10 submódulos
Proyecto de pipeline de grafos
8.1Definición del caso de uso analítico
8.2Diseño del modelo de grafo
8.3Implementación de la ingesta
8.4Orquestación de algoritmos
8.5Pruebas y calidad de datos
8.6Observabilidad y despliegue
8.7Análisis de rendimiento y costes
8.8Documentación técnica y runbooks
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.
Estándar GQL ISO/IEC 39075
Módulo 1 · Arquitectura de plataformas de grafos
Carga masiva con neo4j-admin y bulk loaders
Módulo 2 · Ingesta y construcción del grafo
Centralidad: grado, intermediación y PageRank
Módulo 3 · Algoritmos de analítica de grafos
Integración continua de pipelines
Módulo 4 · Orquestación y automatización
Métricas de calidad estructural del grafo
Módulo 5 · Calidad y pruebas de pipelines
Marca los cinco conceptos y te damos tu resultado.
Normas y estándares que vas a manejar
ISO/IEC 39075:2024 (lenguaje de consulta de grafos GQL)ISO/IEC 9075-16:2023 (SQL/PGQ, consultas de grafos de propiedades)Reglamento (UE) 2016/679 General de Protección de DatosISO/IEC 27001:2022 (seguridad de la información)ISO 8000 (calidad de datos)ISO/IEC 25012 (modelo de calidad de datos)W3C RDF 1.1 y SPARQL 1.1
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 Neo4j Graph Data Science, Apache Spark GraphFrames, Apache Airflow, Great Expectations, Grafana, en versiones gratuitas, académicas o de evaluación. Los ensayos se estudian sobre procedimientos reales de construcción de un pipeline incremental de grafo desde bases relacionales, orquestación diaria de algoritmos de centralidad y comunidades, optimización de consultas y pruebas de carga sobre grafos grandes. 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 «Arquitectura de plataformas de grafos» y cierra con «Proyecto de pipeline de grafos».
Se trabajan ISO/IEC 39075:2024 (lenguaje de consulta de grafos GQL), ISO/IEC 9075-16:2023 (SQL/PGQ, consultas de grafos de propiedades), Reglamento (UE) 2016/679 General de Protección de Datos, ISO/IEC 27001:2022 (seguridad de la información), ISO 8000 (calidad de datos) y ISO/IEC 25012 (modelo de calidad de datos).
Los perfiles más directos son Ingeniero de datos de grafos, Ingeniero de plataformas analíticas, Desarrollador de pipelines de datos, Arquitecto de datos y Ingeniero de MLOps y DataOps.
En un pago son 1.192 €, sobre una tarifa de 1.490 €. A plazos, una entrada de 596 € y 6 cuotas de 149 €, 1.490 € 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 Neo4j Graph Data Science, Apache Spark GraphFrames, Apache Airflow, Great Expectations, Grafana. 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 20261.192 €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 datos de grafos
Ingeniero de plataformas analíticas
Desarrollador de pipelines de datos
En banca y fintech, telecomunicaciones y comercio electrónico.
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.