Diplomado en Plataformas de Datos y Alertado Inteligente

Sobre nuestro Diplomado en Plataformas de Datos y Alertado Inteligente

El Diplomado en Plataformas de Datos y Alertado Inteligente se centra en la implementación y gestión de arquitecturas de datos modernas, incluyendo Big Data y Data Lakes, para el análisis y procesamiento de grandes volúmenes de información. Combina el uso de herramientas avanzadas de Machine Learning (ML) y Inteligencia Artificial (IA) para el desarrollo de sistemas de alertado inteligente y predicción de eventos en tiempo real. Se enfoca en la aplicación práctica de metodologías de ciencia de datos para la identificación de patrones, la detección de anomalías y la optimización de procesos, abarcando desde la ingesta y transformación de datos hasta la visualización y reporting.

El programa proporciona experiencia práctica en el uso de plataformas como Spark, Hadoop, y herramientas de visualización de datos. Se exploran técnicas de modelado predictivo, análisis de series temporales y gestión de pipelines de datos, preparando a los participantes para roles como científicos de datos, analistas de inteligencia de negocio, ingenieros de datos y especialistas en IA/ML, con un enfoque en la creación de soluciones innovadoras en diversos sectores.

Palabras clave objetivo (naturales en el texto): plataformas de datos, alertado inteligente, Big Data, Machine Learning, Inteligencia Artificial, ciencia de datos, análisis de datos, modelado predictivo, pipelines de datos.

Diplomado en Plataformas de Datos y Alertado Inteligente

1.449 

Competencias y resultados

Qué aprenderás

1. **Dominio de Plataformas de Datos: Análisis y Alerta Inteligente Avanzado**

  • Implementación de algoritmos de detección y análisis predictivo en plataformas de datos.
  • Desarrollo de sistemas de alerta inteligente para la identificación temprana de anomalías.
  • Análisis profundo de grandes volúmenes de datos para la identificación de patrones y tendencias.
  • Utilización de herramientas de visualización de datos para una comprensión más intuitiva.
  • Construcción de modelos predictivos basados en machine learning para la optimización de procesos.
  • Dominio de técnicas de análisis de series temporales para la detección de cambios y fluctuaciones.
  • Aplicación de análisis de sentimiento y minería de texto para la interpretación de datos cualitativos.
  • Integración de datos provenientes de múltiples fuentes para una visión holística.
  • Diseño y configuración de dashboards interactivos para el seguimiento en tiempo real.
  • Optimización de la infraestructura de datos para garantizar la escalabilidad y el rendimiento.

2. **Exploración de Plataformas de Datos: Estrategias de Alerta Inteligente Profunda**

2. **Exploración de Plataformas de Datos: Estrategias de Alerta Inteligente Profunda**

  • Desarrollo de habilidades en la recopilación y análisis de datos provenientes de diversas plataformas.
  • Implementación de algoritmos avanzados para la detección temprana de patrones y anomalías.
  • Diseño y configuración de sistemas de alerta inteligente para una respuesta proactiva.
  • Optimización de la precisión y eficiencia de las alertas mediante técnicas de aprendizaje automático.
  • Exploración de la visualización de datos y la generación de informes para una comprensión clara y concisa.

3. Diseño y validación integral orientado al usuario (del modelado a la manufactura)

Aprenderás a integrar todo el proceso de desarrollo de producto desde la concepción del modelo hasta su validación final, aplicando metodologías centradas en el usuario. Desarrollarás competencias en diseño paramétrico, ergonomía, simulación, materiales sostenibles, visualización 3D y gestión de manufactura, garantizando soluciones eficientes, seguras y alineadas con los estándares industriales actuales.

4. **Estrategias en Plataformas de Datos: Diseño y Activación de Alertas Inteligentes**

4. **Estrategias en Plataformas de Datos: Diseño y Activación de Alertas Inteligentes**

  • Identificación y comprensión de fuentes de datos relevantes para la generación de alertas.
  • Diseño de modelos predictivos utilizando técnicas de análisis de datos y machine learning.
  • Implementación de algoritmos para la detección de anomalías y patrones inusuales.
  • Configuración de sistemas de alerta temprana y notificación en tiempo real.
  • Visualización y análisis de datos para la interpretación de alertas y la toma de decisiones.
  • Optimización de la precisión y la eficiencia de los sistemas de alerta inteligente.
  • Integración de alertas en plataformas de datos y herramientas de gestión.
  • Evaluación y mejora continua de las estrategias de alerta.
  • Exploración de casos de uso y aplicaciones prácticas en diversos sectores.
  • Consideraciones sobre la privacidad, la seguridad y el cumplimiento normativo en el manejo de datos.

5. **Optimización de Plataformas de Datos: Generación de Alertas Inteligentes Estratégicas**

  • Diseño y configuración de sistemas de alertas basadas en datos, para la detección temprana de anomalías y riesgos.
  • Aplicación de técnicas de análisis predictivo para la identificación proactiva de patrones y tendencias en datos.
  • Implementación de algoritmos de aprendizaje automático para optimizar la precisión y eficiencia de las alertas.
  • Creación de dashboards y visualizaciones interactivas para la monitorización en tiempo real de los datos y las alertas generadas.
  • Integración de las alertas en los flujos de trabajo operativos, para facilitar la toma de decisiones y la respuesta a incidentes.

6. **Maestría en Plataformas de Datos: Desarrollo y Activación de Alertas Inteligentes Estratégicas**

Aprenderás a integrar todo el proceso de desarrollo de producto desde la concepción del modelo hasta su validación final, aplicando metodologías centradas en el usuario. Desarrollarás competencias en diseño paramétrico, ergonomía, simulación, materiales sostenibles, visualización 3D y gestión de manufactura, garantizando soluciones eficientes, seguras y alineadas con los estándares industriales actuales.

Para quien va dirigido nuestro:

Diplomado en Plataformas de Datos y Alertado Inteligente

  • Profesionales con grado en áreas como Ingeniería de Sistemas, Ciencia de Datos, Informática o disciplinas afines.
  • Analistas de datos, científicos de datos y arquitectos de datos que busquen profundizar sus conocimientos en plataformas de datos y sistemas de alerta inteligente.
  • Personas interesadas en el desarrollo y la implementación de soluciones de inteligencia de negocio (BI) y análisis predictivo.
  • Profesionales de sectores como finanzas, salud, retail, logística, marketing o ciberseguridad, que deseen aplicar plataformas de datos y alertas inteligentes.
  • Aquellos que busquen una transición profesional hacia roles de analítica de datos y ciencia de datos.

Conocimientos deseables: Familiaridad con bases de datos, lenguajes de programación (Python, R) y conceptos de análisis 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.

1.1 Introducción a las Plataformas de Datos y su Arquitectura
1.2 Fundamentos del Análisis de Datos: Tipos y Técnicas
1.3 Exploración de Herramientas de Plataformas de Datos
1.4 Recopilación y Preparación de Datos para el Análisis
1.5 Técnicas de Visualización de Datos y Dashboards
1.6 Introducción a la Inteligencia Artificial y Aprendizaje Automático en Plataformas de Datos
1.7 Diseño de Consultas y Reportes Básicos
1.8 Introducción a las Alertas Inteligentes: Conceptos y Tipos
1.9 Prácticas de Seguridad y Privacidad en Plataformas de Datos
1.10 Estudio de Caso: Análisis de Datos y Primeras Alertas

2.2 Introducción al análisis de datos y la importancia de las alertas inteligentes.
2.2 Tipos de plataformas de datos y sus funcionalidades clave.
2.3 Métodos de recolección y procesamiento de datos relevantes.
2.4 Diseño de sistemas de alerta temprana: componentes y arquitectura.
2.5 Análisis de datos descriptivo: tendencias y patrones iniciales.
2.6 Uso de visualizaciones para la identificación de anomalías y oportunidades.
2.7 Creación de métricas y KPIs clave para el monitoreo.
2.8 Implementación de algoritmos básicos para la detección de eventos.
2.9 Exploración de fuentes de datos y su integración.
2.20 Casos de estudio: ejemplos prácticos de alertas inteligentes efectivas.

3.3 Introducción a las Plataformas de Datos y Tipos de Alertas Inteligentes
3.2 Selección de Plataformas de Datos: Criterios y Consideraciones
3.3 Diseño de Alertas Inteligentes: Parámetros y Configuración Inicial
3.4 Implementación de Alertas: Integración y Pruebas en Entornos Reales
3.5 Configuración de Alertas: Personalización y Adaptación a las Necesidades
3.6 Monitoreo de Alertas: Análisis de Rendimiento y Ajustes
3.7 Integración de Datos: Fuentes y Flujos para las Alertas
3.8 Escalabilidad: Diseño para el Crecimiento y la Expansión
3.9 Seguridad: Protección de Datos y Acceso a las Alertas
3.30 Documentación y Capacitación: Guías para el Uso y Mantenimiento

4.4 Definición de Objetivos y KPIs para Alertas Inteligentes
4.2 Identificación de Fuentes de Datos Relevantes
4.3 Selección y Configuración de Herramientas de Análisis de Datos
4.4 Diseño de Lógicas de Alerta Inteligentes
4.5 Establecimiento de Umbrales y Condiciones de Disparo
4.6 Integración de Alertas con Sistemas de Notificación
4.7 Implementación de Pruebas y Validaciones de Alertas
4.8 Optimización de Alertas para Minimizar Falsos Positivos
4.9 Análisis de la Efectividad de las Alertas Inteligentes
4.40 Documentación y Mantenimiento de las Alertas Creadas

5.5 Introducción al análisis de datos en entornos navales.
5.5 Fundamentos de la recolección y preparación de datos.
5.3 Herramientas de análisis de datos: Introducción y aplicaciones.
5.4 Diseño de sistemas de alerta temprana basados en datos.
5.5 Técnicas avanzadas de visualización de datos.
5.6 Análisis predictivo aplicado a la seguridad marítima.
5.7 Implementación de alertas inteligentes personalizadas.
5.8 Estudios de caso: Aplicaciones reales de análisis de datos en la navegación.

5.5 Exploración de fuentes de datos navales: sensores, sistemas y registros.
5.5 Estrategias para identificar patrones y anomalías.
5.3 Diseño de modelos de alerta basados en análisis predictivo.
5.4 Implementación de algoritmos de detección de amenazas.
5.5 Estrategias de respuesta a alertas: protocolos y acciones correctivas.
5.6 Análisis de riesgos y evaluación de vulnerabilidades.
5.7 Integración de alertas inteligentes con sistemas de gestión de incidentes.
5.8 Estudio de casos de alertas inteligentes en situaciones críticas.

3.5 Diseño de arquitectura para sistemas de alerta de vanguardia.
3.5 Implementación de alertas en tiempo real.
3.3 Desarrollo de interfaces de usuario intuitivas para sistemas de alerta.
3.4 Integración de datos de múltiples fuentes para una visión completa.
3.5 Pruebas y validación de sistemas de alerta.
3.6 Diseño de sistemas resilientes a fallos y ciberataques.
3.7 Estrategias de capacitación para el personal.
3.8 Implementación de sistemas de alertas inteligentes para la seguridad.

4.5 Diseño de plataformas de datos para la gestión de alertas.
4.5 Implementación de alertas en sistemas de navegación.
4.3 Estrategias para la activación y desactivación de alertas.
4.4 Diseño de interfaces de usuario para el control de alertas.
4.5 Integración de alertas con sistemas de comunicación.
4.6 Diseño de protocolos de respuesta a alertas.
4.7 Evaluación de la efectividad de las alertas.
4.8 Implementación de sistemas de alertas inteligentes.

5.5 Optimización del rendimiento de las plataformas de datos.
5.5 Generación de alertas estratégicas para la prevención de riesgos.
5.3 Diseño de algoritmos de detección de amenazas.
5.4 Optimización de la gestión de alertas para la eficiencia operativa.
5.5 Diseño de informes de alerta para la toma de decisiones.
5.6 Automatización de procesos de alerta.
5.7 Evaluación del impacto de las alertas en la seguridad.
5.8 Estrategias de mejora continua para los sistemas de alerta.

6.5 Desarrollo de sistemas de alerta inteligentes complejos.
6.5 Activación y gestión de alertas estratégicas.
6.3 Diseño de sistemas de alerta basados en inteligencia artificial.
6.4 Integración de sistemas de alerta con otras plataformas.
6.5 Gestión del ciclo de vida de las alertas.
6.6 Implementación de sistemas de alerta para la seguridad de la navegación.
6.7 Evaluación de la efectividad de las alertas y análisis de resultados.
6.8 Estrategias de mejora continua y actualización de los sistemas de alerta.

7.5 Implementación de sistemas de alertas inteligentes en escenarios reales.
7.5 Configuración y ajuste de alertas.
7.3 Integración de sistemas de alerta con otras plataformas.
7.4 Gestión de datos y análisis de rendimiento de alertas.
7.5 Desarrollo de procedimientos de respuesta a alertas.
7.6 Implementación de sistemas de alerta.
7.7 Resolución de problemas y optimización de sistemas de alerta.
7.8 Evaluación de la efectividad de los sistemas de alerta implementados.

8.5 Creación de sistemas de alertas inteligentes personalizados.
8.5 Gestión de alertas y monitoreo continuo.
8.3 Diseño de estrategias de respuesta a alertas.
8.4 Implementación de sistemas de gestión de alertas.
8.5 Análisis de datos y generación de informes de rendimiento.
8.6 Creación de sistemas de alerta para diferentes escenarios.
8.7 Implementación de mejoras continuas en la gestión de alertas.
8.8 Optimización de los sistemas de gestión de alertas.

6.6 Introducción a las plataformas de datos: Fundamentos y arquitectura
6.2 Recolección y almacenamiento de datos: Fuentes y tipos
6.3 Análisis de datos exploratorio: Técnicas y herramientas
6.4 Visualización de datos: Creación de dashboards efectivos
6.5 Detección de patrones y tendencias: Algoritmos básicos
6.6 Introducción a la inteligencia artificial y el aprendizaje automático
6.7 Configuración de alertas básicas: Umbrales y notificaciones
6.8 Gestión de datos y control de calidad
6.9 Seguridad y privacidad en plataformas de datos
6.60 Casos prácticos: Análisis y alertas en escenarios reales

2.6 Fundamentos de las alertas inteligentes: Definición y propósito
2.2 Tipos de alertas: Basadas en reglas, anomalías y predicciones
2.3 Diseño de algoritmos de detección de anomalías
2.4 Implementación de modelos predictivos simples
2.5 Integración de alertas con diferentes fuentes de datos
2.6 Personalización de alertas: Configuración y parámetros
2.7 Estrategias de monitoreo continuo
2.8 Evaluación de la efectividad de las alertas
2.9 Estudio de casos: Ejemplos de alertas inteligentes exitosas
2.60 Mejores prácticas para la exploración de datos y alertas

3.6 Diseño de alertas avanzadas: Variables y lógicas complejas
3.2 Implementación de modelos de aprendizaje automático para alertas
3.3 Integración de alertas con sistemas de gestión
3.4 Desarrollo de interfaces de usuario para alertas
3.5 Automatización de procesos de respuesta a alertas
3.6 Monitoreo en tiempo real y análisis de rendimiento
3.7 Gestión de alertas: Priorización y escalamiento
3.8 Pruebas y validación de alertas
3.9 Implementación de alertas de vanguardia en diferentes sectores
3.60 Diseño de escenarios de simulación y pruebas

4.6 Definición de objetivos y métricas clave
4.2 Diseño de flujos de trabajo para alertas
4.3 Selección de plataformas y herramientas adecuadas
4.4 Configuración de alertas basadas en eventos
4.5 Integración de alertas con sistemas de comunicación
4.6 Diseño de paneles de control para la gestión de alertas
4.7 Desarrollo de estrategias de escalamiento y respuesta
4.8 Automatización de la activación de alertas
4.9 Evaluación de la efectividad de las estrategias
4.60 Diseño de planes de acción y respuesta

5.6 Análisis de rendimiento de alertas existentes
5.2 Identificación de áreas de mejora
5.3 Optimización de algoritmos de detección
5.4 Ajuste de parámetros y umbrales
5.5 Diseño de alertas basadas en el contexto
5.6 Implementación de técnicas de aprendizaje automático avanzadas
5.7 Pruebas A/B para la optimización de alertas
5.8 Automatización de la optimización de alertas
5.9 Generación de informes y análisis de resultados
5.60 Estrategias de adaptación continua

6.6 Diseño de arquitecturas de alertas complejas
6.2 Implementación de modelos de aprendizaje profundo para alertas
6.3 Desarrollo de sistemas de alerta integrados
6.4 Integración de alertas con sistemas de toma de decisiones
6.5 Gestión de la información y análisis de la causa raíz
6.6 Escalabilidad y rendimiento de los sistemas de alerta
6.7 Automatización de la respuesta a eventos complejos
6.8 Desarrollo de estrategias de mitigación de riesgos
6.9 Estudios de casos avanzados y análisis de éxito
6.60 Creación de soluciones de alerta personalizadas

7.6 Selección de plataformas y herramientas especializadas
7.2 Diseño de soluciones de alerta personalizadas
7.3 Implementación de alertas para casos de uso específicos
7.4 Integración de alertas con sistemas de seguridad
7.5 Configuración de alertas para la detección de fraudes
7.6 Automatización de la respuesta a incidentes de seguridad
7.7 Optimización del rendimiento de las alertas en entornos complejos
7.8 Gestión de alertas en tiempo real
7.9 Desarrollo de informes y análisis forense
7.60 Integración de alertas con la inteligencia artificial

8.6 Definición de indicadores clave de rendimiento
8.2 Diseño de procesos de creación de alertas
8.3 Configuración de roles y permisos para la gestión de alertas
8.4 Gestión de la vida útil de las alertas
8.5 Evaluación de la eficacia de las alertas
8.6 Implementación de políticas y procedimientos
8.7 Desarrollo de sistemas de monitoreo y control
8.8 Gestión de incidentes y resolución de problemas
8.9 Auditoría y cumplimiento normativo
8.60 Creación de informes de gestión y rendimiento

7.7 Introducción al análisis de datos en entornos navales
7.2 Fundamentos de las plataformas de datos y sus aplicaciones
7.3 Recopilación y preparación de datos: fuentes y técnicas
7.4 Análisis descriptivo: resumen y visualización de datos
7.7 Análisis exploratorio de datos: identificación de patrones
7.6 Diseño y configuración de alertas inteligentes básicas
7.7 Implementación de alertas basadas en umbrales
7.8 Pruebas y validación de alertas iniciales
7.9 Aplicaciones prácticas: ejemplos de análisis y alertas
7.70 Herramientas y software para el análisis de datos

2.7 Introducción a las estrategias de alerta inteligente
2.2 Exploración de diferentes tipos de alertas y sus usos
2.3 Diseño de estrategias de alerta basadas en escenarios
2.4 Análisis de datos históricos para la optimización de alertas
2.7 Definición de métricas clave y KPIs para la monitorización
2.6 Implementación de alertas basadas en eventos y tendencias
2.7 Configuración de notificaciones y sistemas de respuesta
2.8 Validación y ajuste fino de las estrategias de alerta
2.9 Casos de estudio: ejemplos de éxito y desafíos
2.70 Integración de alertas con sistemas de gestión

3.7 Diseño de sistemas de alerta de vanguardia
3.2 Arquitectura de plataformas de datos para alertas avanzadas
3.3 Implementación de alertas basadas en modelos predictivos
3.4 Integración de aprendizaje automático en la detección de anomalías
3.7 Desarrollo de alertas personalizadas para necesidades específicas
3.6 Pruebas exhaustivas y validación de sistemas de alerta
3.7 Optimización del rendimiento y escalabilidad de las alertas
3.8 Consideraciones de seguridad y protección de datos
3.9 Diseño de interfaces de usuario para la visualización de alertas
3.70 Documentación y capacitación para el uso de alertas avanzadas

4.7 Diseño de plataformas de datos para la gestión de alertas
4.2 Selección de herramientas y tecnologías para la activación de alertas
4.3 Integración de alertas con sistemas de información y comunicación
4.4 Configuración de reglas y condiciones para la activación de alertas
4.7 Automatización de respuestas y acciones basadas en alertas
4.6 Diseño de paneles de control y dashboards para la monitorización
4.7 Pruebas y simulación de escenarios para la validación de alertas
4.8 Optimización del rendimiento y la eficiencia de las alertas
4.9 Consideraciones legales y éticas en la gestión de alertas
4.70 Implementación de un ciclo de mejora continua para las alertas

7.7 Identificación de objetivos estratégicos para las alertas
7.2 Diseño de alertas basadas en indicadores clave de rendimiento (KPIs)
7.3 Optimización de la frecuencia y el tipo de alertas
7.4 Ajuste de umbrales y parámetros para la precisión de las alertas
7.7 Utilización de análisis predictivo para la generación de alertas
7.6 Implementación de alertas en tiempo real y near real-time
7.7 Integración de alertas con sistemas de gestión de incidentes
7.8 Evaluación del impacto y la efectividad de las alertas
7.9 Adaptación de las alertas a los cambios en el entorno
7.70 Mejora continua y actualización de las estrategias de alertas

6.7 Diseño de estrategias avanzadas para la gestión de alertas
6.2 Integración de alertas con sistemas de inteligencia artificial
6.3 Implementación de modelos predictivos y análisis de riesgo
6.4 Desarrollo de alertas personalizadas para casos complejos
6.7 Automatización de la respuesta a alertas y la toma de decisiones
6.6 Gestión de la escalabilidad y el rendimiento de las alertas
6.7 Análisis de datos históricos para la optimización de alertas
6.8 Consideraciones de seguridad y protección de datos avanzadas
6.9 Evaluación y mejora continua de la efectividad de las alertas
6.70 Liderazgo en la implementación y gestión de alertas estratégicas

7.7 Selección de plataformas y herramientas para la implementación
7.2 Configuración y personalización de sistemas de alerta
7.3 Integración de alertas con fuentes de datos específicas
7.4 Desarrollo de alertas basadas en reglas y condiciones
7.7 Implementación de alertas basadas en modelos predictivos
7.6 Pruebas y validación de la funcionalidad de las alertas
7.7 Diseño de interfaces de usuario para la gestión de alertas
7.8 Formación y capacitación de usuarios en la utilización de alertas
7.9 Mantenimiento y actualización de los sistemas de alerta
7.70 Resolución de problemas y soporte técnico para las alertas

8.7 Diseño de una estrategia global para la creación de alertas
8.2 Selección de las plataformas de datos y herramientas adecuadas
8.3 Recopilación y preparación de datos relevantes
8.4 Diseño de reglas y condiciones de alerta efectivas
8.7 Implementación de alertas basadas en diferentes escenarios
8.6 Configuración de notificaciones y acciones automáticas
8.7 Gestión del rendimiento y escalabilidad de las alertas
8.8 Monitorización continua y ajuste de las alertas
8.9 Documentación completa y gestión del ciclo de vida de las alertas
8.70 Mejora continua y adaptación a los cambios en el entorno

8.8 Fundamentos de la creación de Alertas Inteligentes
8.8 Diseño de una arquitectura de alerta
8.3 Fuentes de datos y su integración
8.4 Técnicas de análisis de datos para alertas
8.5 Configuración y personalización de alertas
8.6 Pruebas y validación de alertas
8.7 Gestión y mantenimiento de alertas
8.8 Monitoreo y optimización del rendimiento de alertas
8.8 Integración de alertas con otras herramientas
8.80 Mejores prácticas y casos de estudio de alertas inteligentes

  • 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.

Proyectos tipo capstones

Admisiones, tasas y becas

  • Documentación: CV actualizado, expediente académico, SOP/ensayo de propósitoejemplos de proyectos o código (opcional).
  • Proceso: solicitud → evaluación técnica de perfil y experiencia → entrevista técnica → revisión de casos prácticos → decisión final → matrícula.
  • Tasas:
  • Pago único10% de descuento.
  • Becas: por mérito académico, situación económica y fomento de la inclusión; convenios con empresas del sector para becas parciales o totales.

Consulta “Calendario & convocatorias”“Becas & ayudas” y “Tasas & financiación” en el mega-menú de SEIUM

¿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.