SEIUM, Universidad de Ingenieria Avanzada
Campus virtual
SEIUM, Universidad de Ingenieria Avanzada

Curso de Big Data Urbano y Predicción de Tráfico

Sobre nuestro Curso de Big Data Urbano y Predicción de Tráfico

El curso en big data urbano y predicción de tráfico de SEIUM es una formación 100 % online de 300 horas, estructurada en 6 módulos y 60 submódulos. Cubre big data urbano y predicción de tráfico desde los fundamentos hasta la validación y la puesta en operación, con el marco normativo de referencia del sector aplicado sobre casos reales y no como un anexo teórico.

El trabajo práctico se realiza con las herramientas habituales en el sector. Cada módulo cierra con un entregable que el tutor corrige individualmente, y el programa culmina en un proyecto integrador documentado.

Curso de Ética y gobernanza de aeronaves no tripuladas
Curso de Big Data Urbano y Predicción de Tráfico
  • Modalidad: Online
  • Duración: 4 meses
  • Horas: 300 H
  • Idioma: ES / EN
  • Fecha de matrícula: 16-10-2026
  • Plazas disponibles: 11

445 €

Aplicar Ahora

Competencias y resultados

Qué aprenderás

Base técnica aplicada

Explicarás los principios físicos y de ingeniería que gobiernan Big Data Urbano y Predicción de Tráfico, con las magnitudes, el vocabulario y los órdenes de medida que se usan en proyecto real.

Marco normativo y criterios

Identificarás la normativa aplicable, distinguirás el requisito obligatorio de la buena práctica y sabrás qué evidencia documental exige cada criterio de aceptación.

Análisis y dimensionado

Plantearás las hipótesis de partida, resolverás el cálculo o el dimensionado de los elementos críticos y justificarás cada decisión con criterios trazables.

Herramientas y software

Manejarás las herramientas de cálculo, simulación, medida y documentación habituales en Civil, Rail & Smart Cities, desde la preparación del modelo hasta la validación del resultado.

Diagnóstico y resolución

Detectarás los fallos y las desviaciones más frecuentes, los clasificarás por criticidad y propondrás la corrección con su plan de verificación.

Entrega profesional

Redactarás la documentación técnica —memoria, cálculos, planos o informe de ensayo— en el formato que esperan el cliente, la dirección facultativa y el organismo de control.

Curso de Ética y gobernanza de aeronaves no tripuladas

Para quien va dirigido nuestro:

Curso de Big Data Urbano y Predicción de Tráfico

  • Profesionales y estudiantes con interés en el análisis de datos urbanos y la predicción de tráfico, incluyendo:
    • Ingenieros/as de datos
    • Científicos/as de datos
    • Analistas de datos
    • Urbanistas
  • Profesionales de sectores relacionados con el transporte y la movilidad urbana, tales como:
    • Planificadores urbanos
    • Gestores de tráfico
    • Empresas de transporte
    • Autoridades de transporte público
  • Personas con conocimientos básicos en:
    • Estadística
    • Programación (Python, R u otros)
    • Bases de datos
  • Standards-driven curriculum: trabajarás con CS-27/CS-29, DO-160, DO-178C/DO-254, ARP4754A/ARP4761, ADS-33E-PRF desde el primer módulo.
  • Laboratorios acreditables (EN ISO/IEC 17025) con banco de rotor, EMC/Lightning pre-compliance, HIL/SIL, vibraciones/acústica.
  • TFM orientado a evidencia: safety case, test plan, compliance dossier y límites operativos.
  • Mentorado por industria: docentes con trayectoria en rotorcraft, tiltrotor, eVTOL/UAM y flight test.
  • Modalidad flexible (híbrido/online), cohortes internacionales y soporte de SEIUM Career Services.
  • Ética y seguridad: enfoque safety-by-design, ciber-OT, DIH y cumplimiento como pilares.

6 módulos · 60 submódulos · 300 horas

1Introducción al Big Data y Tráfico Urbano (50 h)
  • 1.1. Introducción al Big Data en el contexto urbano
  • 1.2. Importancia del análisis del tráfico urbano
  • 1.3. Fuentes de datos masivos en el entorno urbano
  • 1.4. Desafíos y oportunidades del Big Data en la gestión del tráfico
  • 1.5. Conceptos clave: Big Data, modelado predictivo y análisis de datos
  • 1.6. Herramientas y tecnologías para el análisis de Big Data
  • 1.7. El papel de la inteligencia artificial y el aprendizaje automático
  • 1.8. Ética y privacidad en el análisis de datos de tráfico
  • 1.9. Caso de estudio: ejemplos de éxito en la gestión del tráfico
  • 1.10. Tendencias futuras en el uso de Big Data para el tráfico urbano
2Recolección y Preparación de Datos Masivos (50 h)
  • 2.1. Fuentes de Datos Masivos Urbanos: Tipos y Orígenes
  • 2.2. Extracción, Transformación y Carga (ETL) de Datos de Tráfico
  • 2.3. Limpieza y Preprocesamiento de Datos: Gestión de Valores Faltantes y Anómalos
  • 2.4. Almacenamiento y Organización de Datos Masivos para Análisis
  • 2.5. Herramientas y Tecnologías para la Preparación de Datos: Hadoop, Spark, etc.
  • 2.6. Calidad de Datos: Validación y Aseguramiento de la Integridad
  • 2.7. Integración de Datos: Fusión de Múltiples Fuentes de Información
  • 2.8. Estructuración de Datos: Diseño de Esquemas para Análisis Eficiente
  • 2.9. Escalabilidad: Preparación de Datos para el Crecimiento Futuro
  • 2.10. Consideraciones de Privacidad y Seguridad en la Recolección y Preparación de Datos
3Big Data Urbano: Análisis y Predicción (50 h)
  • 3.1. Introducción al Big Data en el contexto urbano: fuentes y tipos de datos
  • 3.2. Recolección y preparación de datos: técnicas de limpieza y transformación
  • 3.3. Análisis exploratorio de datos (EDA) en el tráfico urbano
  • 3.4. Modelado predictivo: conceptos clave y selección de modelos
  • 3.5. Modelos predictivos: regresión, series temporales y aprendizaje automático
  • 3.6. Validación y evaluación de modelos predictivos
  • 3.7. Implementación de modelos predictivos: herramientas y plataformas
  • 3.8. Visualización de datos y comunicación de resultados
  • 3.9. Estrategias para la optimización del flujo vehicular basadas en datos
  • 3.10. Casos de estudio: aplicaciones reales de Big Data en la gestión del tráfico urbano
4Predicción de Tráfico con Big Data Urbano (50 h)
  • 4.1. Introducción al Big Data en el Tráfico Urbano
  • 4.2. Fuentes de Datos Masivos para el Análisis del Tráfico
  • 4.3. Limpieza y Preprocesamiento de Datos Urbanos
  • 4.4. Modelos Predictivos de Tráfico: Fundamentos
  • 4.5. Modelado Predictivo Avanzado: Regresión y Series Temporales
  • 4.6. Técnicas de Machine Learning para Predicción de Tráfico
  • 4.7. Evaluación y Validación de Modelos de Predicción
  • 4.8. Implementación de Sistemas de Predicción de Tráfico
  • 4.9. Optimización del Flujo Vehicular Basada en Predicciones
  • 4.10. Casos de Estudio y Aplicaciones Prácticas
5Predicción de Tráfico con Big Data (50 h)
  • 5.1. Introducción al Big Data en la Predicción de Tráfico Urbano
  • 5.2. Recopilación y Limpieza de Datos Masivos de Tráfico
  • 5.3. Fuentes de Datos: Sensores, Cámaras, Redes Sociales y Dispositivos Móviles
  • 5.4. Análisis Exploratorio de Datos (EDA) para Identificar Patrones
  • 5.5. Modelado Predictivo: Regresión, Series Temporales y Aprendizaje Automático
  • 5.6. Evaluación y Validación de Modelos Predictivos de Tráfico
  • 5.7. Optimización de Modelos para la Precisión en la Predicción
  • 5.8. Implementación de Sistemas de Predicción de Tráfico en Tiempo Real
  • 5.9. Estrategias de Visualización de Datos y Comunicación de Resultados
  • 5.10. Casos de Estudio: Aplicaciones Reales de la Predicción de Tráfico
6Big Data Urbano: Flujo Vehicular Predictivo (50 h)
  • 6.1. Recopilación y Procesamiento de Datos Masivos Urbanos
  • 6.2. Limpieza y Preparación de Datos para Análisis de Tráfico
  • 6.3. Exploración y Visualización de Datos de Tráfico Urbano
  • 6.4. Modelado Predictivo del Tráfico: Regresión y Series Temporales
  • 6.5. Modelos Avanzados: Redes Neuronales y Machine Learning para Tráfico
  • 6.6. Validación y Evaluación de Modelos Predictivos
  • 6.7. Implementación de Estrategias de Optimización del Flujo Vehicular
  • 6.8. Uso de Herramientas y Plataformas de Big Data
  • 6.9. Análisis de Sensibilidad y Escenarios en Predicción de Tráfico
  • 6.10. Estudio de Casos: Aplicaciones Reales y Desafíos en el Tráfico Urbano
  • Metodología hands-on: test-before-you-trust, design reviews, failure analysis, compliance evidence.
  • Software (según licencias/partners): MATLAB/Simulink, Python (NumPy/SciPy), OpenVSP, SU2/OpenFOAM, Nastran/Abaqus, AMESim/Modelica, herramientas de acústica, toolchains de planificación DO-178C.
  • Laboratorios SEIUM: banco de rotor a escala, vibraciones/acústica, EMC/Lightning pre-compliance, HIL/SIL para AFCS, adquisición de datos con strain gauging.
  • Estándares y cumplimiento: EN 9100, 17025, ISO 27001, GDPR.

Lo que sales sabiendo hacer

Objetivos de aprendizaje

  • Dominar los fundamentos técnicos de big data urbano y predicción de tráfico y su vocabulario normativo.
  • Aplicar ETCS/ERTMS, EN 50126 y EN 50128 a decisiones reales de diseño y validación.
  • Construir y correlacionar modelos de cálculo con Autodesk Civil 3D y Revit.
  • Planificar y ejecutar campañas de ensayo en laboratorio de materiales de construcción y simulador de tráfico.
  • Analizar datos de operación y traducirlos en decisiones de ingeniería.
  • Elaborar el dossier técnico y de cumplimiento que exige el cliente o el regulador.
  • Dirigir técnicamente un proyecto de big data urbano y predicción de tráfico de principio a fin.

Cómo se estudia

Metodología

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 Autodesk Civil 3D, Revit, Navisworks, OpenRail, PTV Vissim, en versiones gratuitas, académicas o de evaluación. Los ensayos se estudian sobre procedimientos reales de laboratorio de materiales de construcción, simulador de tráfico, banco de ensayo de señalización. La evaluación es continua por módulo más el proyecto integrador final.

El marco con el que se trabaja

Normas y estándares

  • Eurocódigos (EN 1990 a EN 1999)
  • ISO 19650 (BIM)
  • UNE-EN 17037
  • ISO 37120 (ciudades sostenibles)

Dónde se aplica

Salidas profesionales

  • Coordinador BIM
  • Especialista en interoperabilidad
  • Técnico de movilidad urbana
  • Gestor de activos de infraestructura
  • Analista de tráfico

Sectores de destino: obra civil, ferrocarril, metro ligero, movilidad urbana, gestión de activos, smart city. SEIUM no garantiza la obtención de empleo: se trata de una formación propia orientada a la capacitación técnica.

Anatomía del sistema

Cómo se construye el modelo

Pulsa cada etapa para ver qué es y en qué módulo se estudia.

ABCD1234560102030405060708realimentaciónBIG DATA URBANO Y PREDICCIÓN DE TRÁFICODIAGRAMA DE BLOQUESSEIUMESC. S/E12345678

Adquisición

De dónde salen los datos, con qué frecuencia y qué sesgos trae el muestreo.

Se trabaja en el Módulo 3 del plan de estudios.

Preparación

Limpieza, valores ausentes, normalización y construcción de variables.

Se trabaja en el Módulo 4 del plan de estudios.

Modelado

Elección del algoritmo, ajuste de hiperparámetros y control del sobreajuste.

Se trabaja en el Módulo 5 del plan de estudios.

Simulación

Modelos físicos y gemelos digitales: hipótesis, mallado y coste de cálculo.

Se trabaja en el Módulo 6 del plan de estudios.

Validación

Métricas, validación cruzada y contraste contra datos reales medidos.

Se trabaja en el Módulo 6 del plan de estudios.

Despliegue

Puesta en producción, latencia, versionado y trazabilidad de las decisiones.

Se trabaja en el Módulo 6 del plan de estudios.

Monitorización

Deriva de los datos, reentrenamiento y alertas cuando el modelo se degrada.

Se trabaja en el Módulo 6 del plan de estudios.

Gobernanza

Reproducibilidad, documentación del modelo y requisitos regulatorios.

Se trabaja en el Módulo 2 del plan de estudios.

Marco de referencia

Normas y estándares que vas a manejar

ISO/IEC 25012

Modelo de calidad del dato: exactitud, completitud, coherencia y actualidad.

ISO/IEC 42001

Sistema de gestión de la inteligencia artificial dentro de una organización.

ASME V&V 10 y 20

Verificación y validación de modelos de simulación frente a datos experimentales.

Reglamento europeo de IA

Clasificación por riesgo y obligaciones de documentación y supervisión.

Tu dedicación

300 horas: cuánto te va a llevar

La formación es 100 % online y asíncrona, así que el calendario lo pones tú. Estas son las tres velocidades más habituales.

5 h por semana

60

semanas

13,9 meses aproximadamente

10 h por semana

30

semanas

6,9 meses aproximadamente

15 h por semana

20

semanas

4,6 meses aproximadamente

Proyectos tipo capstones

Definición del alcance

Eliges un caso real de Civil, Rail & Smart Cities relacionado con Big Data Urbano y Predicción de Tráfico, acotas el problema, fijas los requisitos de partida y los criterios con los que se va a medir el resultado.

Datos y estado del arte

Reúnes datos, normativa y referencias técnicas, justificas cada fuente y documentas de forma explícita las hipótesis que no puedas medir.

Desarrollo técnico

Resuelves el cálculo, el modelo o el diseño con las herramientas del programa y registras cada iteración junto al motivo que la provocó.

Validación y contraste

Compruebas los resultados frente a la normativa y a casos de referencia, haces el análisis de sensibilidad y cierras las desviaciones detectadas.

Memoria y defensa

Entregas el proyecto final con sus anexos y defiendes las decisiones ante el tutor, que evalúa rigor, trazabilidad y aplicabilidad industrial.

CUERPO DOCENTE Y EXPERTOS

Conoce a nuestros profesores

Prof. Luca Benedetti, director academico del SEIUM Design & Industrial Design Institute

Prof. Luca Benedetti

Director Académico del DSD — SEIUM Design & Industrial Design Institute

Profesor de Diseño Industrial, Diseño de Vehículos, Transportation Design, UX/HMI, Color & Trim, Iluminación y Desarrollo de Producto

El Prof. Luca Benedetti, de nacionalidad italiana, es Director Académico del DSD — SEIUM Design & Industrial Design Institute y responsable de diseño industrial, de producto y vehículos, experiencia de usuario, interacción persona-máquina, interfaces HMI, Color & Trim y prototipado.

Conocer al Profesor
Prof. Kenji Takahashi, director academico del SEIUM Robotics & Autonomous Systems Institute

Prof. Kenji Takahashi

Director Académico del SRA — SEIUM Robotics & Autonomous Systems Institute

Profesor de Robótica, Automatización Inteligente, Sistemas Autónomos, Percepción Artificial, Control Avanzado y Mecatrónica.

El Prof. Kenji Takahashi, de nacionalidad japonesa, es Director Académico del SRA — SEIUM Robotics & Autonomous Systems Institute y responsable de robótica industrial, robots móviles, mecatrónica, control avanzado, percepción artificial, navegación e inteligencia embebida y autónoma.

Conocer al Profesor
Dra. Lucia Hernandez Vega, directora academica del SEIUM Data, Artificial Intelligence & Simulation Institute

Dra. Lucía Hernández Vega

Directora Académica del DAIS — SEIUM Data, Artificial Intelligence & Simulation Institute

Profesora de Inteligencia Artificial, Ciencia de Datos, Ingeniería de Datos, MLOps, Simulación, Gemelos Digitales y Computación Científica

La Dra. Lucía Hernández Vega, de nacionalidad española, es Directora Académica del DAIS — SEIUM Data, Artificial Intelligence & Simulation Institute y responsable de inteligencia artificial, ciencia e ingeniería de datos, visión artificial, IA generativa, MLOps y gemelos digitales.

Conocer al Profesor
Dr. Kevin O’Connor, director academico del SEIUM Electronics & Embedded Technologies Institute

Dr. Kevin O’Connor

Director Académico del EET — SEIUM Electronics & Embedded Technologies Institute

Profesor de Electrónica, Sistemas Embebidos, Telecomunicaciones, Diseño de Hardware, FPGA, IoT y Sistemas de Tiempo Real

El Dr. Kevin O’Connor, de nacionalidad irlandesa, es Director Académico del EET — SEIUM Electronics & Embedded Technologies Institute y responsable de electrónica, sistemas embebidos, telecomunicaciones, diseño de circuitos, microcontroladores, FPGA, IoT y desarrollo de hardware electrónico.

Conocer al Profesor
Dr. Javier Ferrer Salvatierra, director academico del SEIUM Naval & Offshore Institute

Dr. Javier Ferrer Salvatierra

Director Académico del SNO — SEIUM Naval & Offshore Institute

Profesor de Arquitectura Naval, Ingeniería Marítima, Sistemas de Propulsión, Construcción Naval e Ingeniería Offshore

El Dr. Javier Ferrer Salvatierra, de nacionalidad española, es Director Académico del SNO — SEIUM Naval & Offshore Institute y responsable de arquitectura naval, ingeniería marítima, construcción, propulsión, sistemas auxiliares, ingeniería offshore, seguridad y descarbonización marítima.

Conocer al Profesor
Dra. Isabel Martin Robles, directora academica del SEIUM Rail & Smart Cities Institute

Dra. Isabel Martín Robles

Directora Académica del RSC — SEIUM Rail & Smart Cities Institute

Profesora de Ingeniería Ferroviaria, Señalización, Movilidad Urbana, Infraestructuras Inteligentes y Sistemas de Transporte

La Dra. Isabel Martín Robles, de nacionalidad española, es Directora Académica del RSC — SEIUM Rail & Smart Cities Institute y profesora responsable de las áreas de ingeniería ferroviaria, señalización, sistemas de control del tráfico, movilidad urbana, transporte inteligente, infraestructuras conectadas y planificación de ciudades inteligentes.

Conocer al Profesor
Dr. Carlos Navarro Sanz, director academico del SEIUM Energy & Networks Institute

Dr. Carlos Navarro Sanz

Director Académico del SEN — SEIUM Energy & Networks Institute

Profesor de Sistemas Eléctricos de Potencia, Smart Grids, Energías Renovables, Almacenamiento y Digitalización de Redes

El Dr. Carlos Navarro Sanz, de nacionalidad española, es Director Académico del SEN — SEIUM Energy & Networks Institute y responsable de sistemas eléctricos, redes inteligentes, renovables, almacenamiento, operación, protecciones, subestaciones, digitalización y planificación energética.

Conocer al Profesor

Admisiones

Cómo se accede a este curso

  1. 1
    Solicitud

    Rellenas el formulario con tu perfil y la formación que te interesa. Sin coste ni compromiso.

  2. 2
    Evaluación del perfil

    Revisamos formación y experiencia para confirmar que el programa encaja con tu punto de partida.

  3. 3
    Entrevista técnica

    Una conversación con el equipo académico para ajustar objetivos, ritmo y dedicación.

  4. 4
    Matrícula

    Se confirma la plaza y recibes los accesos. El programa arranca cuando tú decides.

Qué documentación hace falta

Currículum actualizado y titulación o acreditación de experiencia equivalente. Si quieres, puedes añadir ejemplos de proyectos o de código; no son obligatorios, pero ayudan a afinar el itinerario.

Becas y formas de pago

Hay descuento por pago único y becas parciales por mérito académico, por situación económica y por fomento de la inclusión, además de convenios con empresas del sector. En la entrevista se revisa cuál te corresponde.

Cuándo puedes empezar

La matrícula está abierta todo el año. Al ser un programa online y asíncrono no hay que esperar a una convocatoria: se empieza en cuanto se formaliza la matrícula.

¿Tienes dudas?

Nuestro equipo está listo para ayudarte. Contáctanos y te responderemos lo antes posible.

Por favor, activa JavaScript en tu navegador para completar este formulario.

F. A. Q

Preguntas frecuentes

¿Cuántas horas de dedicación semanal exige?

El programa son 300 horas totales repartidas en 3 a 5 meses. Eso son entre 10 y 15 horas semanales de media, compatibles con jornada laboral completa.

¿Qué software necesito?

Se trabaja con Autodesk Civil 3D, Revit, Navisworks, OpenRail. Se usan versiones gratuitas, académicas o de evaluación, y el tutor indica la alternativa libre cuando existe.

¿Qué titulación obtengo?

Diploma propio de SEIUM al superar la evaluación continua y el proyecto integrador. Es formación propia, no un título oficial del Ministerio.

¿Se puede convalidar con otra formación de SEIUM?

Sí. Los módulos superados en un curso o diplomado del mismo área convalidan en el programa superior. Consulta la política de convalidaciones al matricularte.

Contáctanos

Lo que se busca en Google

Las preguntas que más se hacen sobre Big Data Urbano y Predicción de Tráfico

¿Qué es Big Data Urbano y Predicción de Tráfico?

Es una especialidad propia de los datos y la simulación en ingeniería. En la práctica consiste en aplicar un método de ingeniería concreto (requisitos, diseño, cálculo, ensayo y puesta en servicio) a ese ámbito, con sus propias normas, herramientas y criterios de aceptación. Este curso recorre ese método completo en 6 módulos.

¿Qué salidas profesionales tiene Big Data Urbano y Predicción de Tráfico?

Contratan sobre todo departamentos de I+D, consultoras de cálculo y equipos de ciencia de datos industrial. Los puestos habituales son los de ingeniero de diseño, de cálculo, de ensayo, de puesta en marcha y de calidad o cumplimiento normativo, además de los perfiles de proyecto que coordinan a los anteriores.

¿Qué normas hay que conocer para trabajar en Big Data Urbano y Predicción de Tráfico?

Las de referencia son ISO/IEC 25012, ISO/IEC 42001, ASME V&V 10 y 20, entre otras. No basta con saber que existen: lo que piden las empresas es saber qué exige cada una, qué evidencia hay que generar y cómo se documenta. Es lo que se trabaja en el módulo de marco normativo.

¿Qué herramientas se usan en Big Data Urbano y Predicción de Tráfico?

En el día a día se trabaja con entornos de análisis y aprendizaje automático, software de simulación numérica y plataformas de datos. Durante la formación se usan en los ejercicios y en el proyecto final, de modo que lo que se practica es lo mismo que se pide en una oferta de empleo.

¿Cuánto se tarda en especializarse en Big Data Urbano y Predicción de Tráfico?

Este programa son 300 horas. Con 10 horas a la semana salen unas 30 semanas; con 5 horas, el doble. Al ser 100 % online y asíncrono, el calendario lo marca el alumno y no hay clases a hora fija.

¿Se puede estudiar Big Data Urbano y Predicción de Tráfico online?

Sí. Todo el programa es online y asíncrono: material, ejercicios y entregas quedan disponibles desde el primer día y cada módulo se cierra con un entregable que el tutor corrige de forma individual. No hay desplazamientos ni horarios.

¿Qué nivel previo hace falta?

Se parte de una base técnica: formación en ingeniería o experiencia equivalente en el sector. No se exige experiencia previa en la especialidad concreta, porque los primeros módulos reconstruyen los fundamentos antes de entrar en los métodos avanzados.

Testimonios & trayectorias

Otras formaciones de Civil, Rail y Smart Cities

Curso de Normativa Internacional en Gestión de EmergenciasCurso · 300 h · 100 % onlineCurso de Comunicación de Crisis en CiudadesCurso · 300 h · 100 % onlineCurso de Simulacros Urbanos de EmergenciasCurso · 300 h · 100 % onlineCurso de Sistemas de Alerta Temprana en CiudadesCurso · 300 h · 100 % onlineCurso de Ciberseguridad en Servicios Urbanos CríticosCurso · 300 h · 100 % onlineCurso de KPIs en Resiliencia UrbanaCurso · 300 h · 100 % online

Ver todas las formaciones de Civil, Rail y Smart Cities

Ficha del programa

El programa en datos

6módulosEstructura
60submódulosUnidades de trabajo
300horasCarga total
3-5mesesDedicación
Modalidad
online, 100 % a distancia.
Duración
300 horas · 3 a 5 meses.
Estructura
6 módulos y 60 submódulos.
Área
Civil, Rail & Smart Cities.
Titulación
diploma propio de SEIUM.
Convocatorias
abiertas, matrícula continua.
Tutorización
tutor técnico asignado y corrección individual.
Idioma
español.

Compara antes de decidir

Esta formación frente a otra del catálogo

Curso · estás aquíCurso de Big Data Urbano y Predicción de TráficoMásterMáster en Ingeniería de Gestión de Tráfico Urbano y Centros de Control
Horas300 h1900 h
Módulos612
Submódulos60120
Precio445 €7.900 €

Ver Máster en Ingeniería de Gestión de Tráfico Urbano y Centros de Control

Formaciones relacionadas

Programa revisado el .

Seium - Universidad de ingeniería avanzada
Powered by  GDPR Cookie Compliance
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.