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

Curso de predicción de demanda en UAM

Sobre nuestro Curso de predicción de demanda en UAM

El curso en predicción de demanda en UAM de SEIUM es una formación 100 % online de 300 horas, estructurada en 6 módulos y 60 submódulos. Cubre predicción de demanda en UAM desde los fundamentos hasta la validación y la puesta en operación, con el marco normativo de referencia del sector —EASA CS-23 y CS-25, DO-178C y DO-254— aplicado sobre casos reales y no como un anexo teórico.

El trabajo práctico se realiza con las herramientas que se usan en la industria: MATLAB/Simulink, ANSYS Fluent, OpenFOAM y CATIA. Cada módulo cierra con un entregable que el tutor corrige individualmente, y el programa culmina en un proyecto integrador documentado. Está orientado a perfiles de ingeniero aeronáutico, especialista en certificación y ingeniero de sistemas UAS en aeronáutica comercial, UAS y drones y espacio.

Curso de Navegación autónoma en minería
Curso de predicción de demanda en UAM
  • Modalidad: Online
  • Duración: 4 meses
  • Horas: 300 H
  • Idioma: ES / EN
  • Fecha de matrícula: 16-10-2026
  • Plazas disponibles: 12

745 €

Aplicar Ahora

Competencias y resultados

Qué aprenderás

1. Predicción de Demanda: Técnicas y Estrategias Avanzadas UAM

  • Comprender los fundamentos de la predicción de la demanda y su importancia estratégica.
  • Dominar métodos cuantitativos de previsión, incluyendo series temporales y modelos econométricos.
  • Aplicar técnicas cualitativas, como encuestas y juicio de expertos, para complementar la previsión.
  • Utilizar software especializado para la modelización y análisis de la demanda.
  • Evaluar y optimizar la precisión de los pronósticos mediante métricas clave.
  • Desarrollar estrategias de gestión de la demanda para alinear la oferta y la demanda.
  • Analizar el impacto de factores externos, como tendencias del mercado y eventos económicos, en la demanda.
  • Implementar planes de contingencia para mitigar los riesgos asociados a la incertidumbre de la demanda.
  • Utilizar la previsión de la demanda para la toma de decisiones en áreas como la planificación de inventario, la producción y el marketing.

2. Dominio de la Predicción de Demanda en UAM: Métodos y Optimización

  • Comprender los principios fundamentales de la predicción de demanda en el contexto de la Movilidad Aérea Urbana (UAM).
  • Familiarizarse con los métodos cuantitativos y cualitativos para la previsión de la demanda.
  • Evaluar y seleccionar las fuentes de datos relevantes para la predicción de la demanda en UAM.
  • Aplicar técnicas de análisis de datos, incluyendo estadísticas descriptivas e inferenciales.
  • Utilizar modelos de regresión y series temporales para predecir la demanda futura de servicios UAM.
  • Explorar el uso de algoritmos de machine learning para mejorar la precisión de las predicciones.
  • Identificar y mitigar los sesgos y la incertidumbre en los modelos de predicción.
  • Optimizar las estrategias de predicción de demanda considerando factores como la ubicación, la hora y el tipo de servicio.
  • Integrar la predicción de demanda con la planificación de la capacidad y la gestión de la flota de UAM.
  • Analizar el impacto de la predicción de demanda en la rentabilidad y sostenibilidad de las operaciones UAM.

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. Análisis Profundo de la Demanda en UAM: Predicción y Aplicaciones

  • Dominar técnicas avanzadas para la predicción de la demanda en el ámbito de la aeronáutica y la ingeniería aeroespacial.
  • Interpretar y aplicar modelos matemáticos complejos para el análisis de la demanda, incluyendo modelos de series temporales y métodos de pronóstico basados en datos históricos y tendencias del mercado.
  • Utilizar herramientas de software especializadas para el análisis de datos y la simulación de escenarios de demanda.
  • Comprender los factores clave que influyen en la demanda de productos y servicios en la industria aeroespacial, tales como la innovación tecnológica, las regulaciones gubernamentales y las condiciones económicas globales.
  • Evaluar el impacto de las decisiones de diseño, fabricación y mantenimiento en la demanda del ciclo de vida de las aeronaves y sus componentes.
  • Desarrollar estrategias efectivas para la gestión de la demanda, incluyendo la optimización de la producción, la gestión de inventarios y la planificación de la capacidad.
  • Aplicar técnicas de inteligencia artificial y aprendizaje automático para mejorar la precisión de las predicciones de la demanda y optimizar la toma de decisiones.
  • Analizar casos de estudio reales y ejemplos prácticos de la aplicación del análisis de la demanda en el sector aeroespacial.
  • Evaluar el impacto de la sostenibilidad y las nuevas tecnologías en la demanda futura de la aviación.
  • Desarrollar habilidades de comunicación efectiva para presentar los resultados del análisis de la demanda a diferentes audiencias, incluyendo ingenieros, gerentes y tomadores de decisiones.

5. Predicción de Demanda UAM: Métodos, Análisis y Estrategias

5. Predicción de Demanda UAM: Métodos, Análisis y Estrategias

  • Comprender los fundamentos de la predicción de demanda en el contexto de la Movilidad Aérea Urbana (UAM).
  • Explorar y aplicar diversos métodos de pronóstico de demanda, incluyendo técnicas cuantitativas y cualitativas.
  • Analizar datos históricos y actuales para identificar patrones y tendencias en la demanda de servicios UAM.
  • Evaluar el impacto de factores externos, como la infraestructura, la regulación y las condiciones del mercado, en la demanda.
  • Desarrollar estrategias para la gestión de la demanda, incluyendo la optimización de precios, la gestión de la capacidad y la personalización de los servicios.
  • Utilizar herramientas de software y plataformas de análisis de datos para la predicción y simulación de la demanda UAM.
  • Estudiar casos de estudio y ejemplos prácticos de la aplicación de la predicción de demanda en el sector UAM.
  • Analizar y optimizar modelos de negocio para la sostenibilidad de la demanda UAM.
  • Aprender a adaptar las estrategias de predicción de demanda a diferentes escenarios y modelos de negocio UAM.
  • Dominar la presentación de resultados y la comunicación efectiva de las predicciones de demanda a las partes interesadas.

6. Predicción de Demanda UAM: Fundamentos, Modelos y Aplicaciones

6. Predicción de Demanda UAM: Fundamentos, Modelos y Aplicaciones

  • Comprender los fundamentos de la predicción de demanda en el contexto de Urban Air Mobility (UAM).
  • Explorar y analizar diferentes modelos de predicción de demanda aplicables a UAM, incluyendo modelos basados en datos históricos, modelos de regresión y modelos de series temporales.
  • Identificar y evaluar los factores clave que influyen en la demanda de servicios UAM, como la ubicación geográfica, la demografía, las condiciones económicas y las regulaciones.
  • Aplicar técnicas de análisis de datos para recopilar, limpiar, transformar y analizar datos relevantes para la predicción de la demanda UAM.
  • Utilizar software y herramientas especializadas para implementar y evaluar los modelos de predicción de demanda seleccionados.
  • Interpretar los resultados de los modelos de predicción y generar informes que permitan tomar decisiones informadas sobre la planificación y la gestión de servicios UAM.
  • Analizar el impacto de la variabilidad y la incertidumbre en la predicción de la demanda UAM.
  • Estudiar casos de estudio de aplicaciones reales de la predicción de demanda en UAM.
  • Aprender sobre las implicaciones económicas y operativas de la predicción de demanda en el sector UAM.
  • Explorar las tendencias futuras y los desafíos en la predicción de demanda para UAM, incluyendo la integración de datos en tiempo real, la modelización de escenarios y la adaptación a nuevas tecnologías.

Curso de Navegación autónoma en minería

Para quien va dirigido nuestro:

Curso de predicción de demanda en UAM

  • Ingenieros/as aeroespaciales, mecánicos/as, industriales, de automatización o disciplinas afines.
  • Profesionales de la industria UAM/eVTOL, incluyendo fabricantes (OEM), empresas de mantenimiento (MRO), consultoras y centros de investigación tecnológica.
  • Expertos en pruebas de vuelo, certificación, aviónica, control y dinámica de vuelo que busquen profundizar sus conocimientos.
  • Personal de organismos reguladores, autoridades aeronáuticas y profesionales involucrados en el desarrollo de UAM/eVTOL que necesiten conocimientos en cumplimiento normativo.

Requisitos recomendados: Se recomienda un conocimiento previo en aerodinámica, control de sistemas y estructuras. El curso se imparte en español/inglés (B2+/C1). Disponemos de cursos de nivelación (bridging tracks) para cubrir posibles deficiencias.

  • 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 · 58 submódulos · 300 horas

1Fundamentos de la Predicción de Demanda UAM (50 h)
  • 1.1. Módulo 1 — Fundamentos de la Predicción de Demanda UAM
  • 1.2. Introducción a la predicción de demanda: conceptos clave y su importancia en UAM
  • 1.3. Recopilación y análisis de datos históricos de demanda
  • 1.4. Identificación de factores clave que influyen en la demanda
  • 1.5. Técnicas básicas de pronóstico: promedios móviles y suavizado exponencial
  • 1.6. Evaluación y selección de modelos de predicción de demanda
  • 1.7. Análisis de series temporales: componentes y patrones
  • 1.8. Aplicaciones prácticas de la predicción de demanda en UAM
  • 1.9. Interpretación de resultados y gestión de la incertidumbre
  • 1.10. Introducción a herramientas de software para la predicción de demanda
2Introducción a la Predicción de Demanda UAM (50 h)
  • 2.1. Conceptos Clave de la Predicción de Demanda
  • 2.2. Importancia de la Predicción de Demanda en Entornos Empresariales
  • 2.3. Tipos de Demanda y sus Características
  • 2.4. Fuentes de Datos para la Predicción de Demanda
  • 2.5. Introducción a los Métodos de Pronóstico Cualitativos
  • 2.6. Introducción a los Métodos de Pronóstico Cuantitativos
  • 2.7. El Proceso de Predicción de Demanda
  • 2.8. Herramientas y Software de Predicción de Demanda
  • 2.9. Desafíos Comunes en la Predicción de Demanda
  • 2.10. Aplicaciones de la Predicción de Demanda en Diferentes Industrias
3Modelos Avanzados de Predicción UAM (50 h)
  • 3.1. Fundamentos del Pronóstico de Demanda
  • 3.2. Modelos de Series Temporales para Predicción
  • 3.3. Regresión y Modelos de Predicción
  • 3.4. Análisis de Datos para la Predicción de Demanda
  • 3.5. Técnicas Avanzadas de Pronóstico
  • 3.6. Aplicaciones Estratégicas de la Predicción
  • 3.7. Evaluación y Validación de Modelos
  • 3.8. Optimización de la Predicción de Demanda
  • 3.9. Panorama tecnológico y estado del arte
  • 3.10. Terminología técnica y documentación de referencia
4Análisis de Demanda UAM: Predicción (50 h)
  • 4.1. Fundamentos de la Predicción de Demanda: Introducción al Análisis
  • 4.2. Recopilación y Limpieza de Datos: Preparación para el Análisis en UAM
  • 4.3. Métodos de Pronóstico Cuantitativos: Series Temporales
  • 4.4. Métodos de Pronóstico Cuantitativos: Regresión y Modelos Econométricos
  • 4.5. Métodos de Pronóstico Cualitativos: Encuestas y Juicio de Expertos
  • 4.6. Evaluación y Selección de Modelos: Métricas de Precisión
  • 4.7. Análisis de la Demanda: Factores Influyentes y Patrones
  • 4.8. Aplicaciones Estratégicas: Pronóstico de la Demanda en la Planificación
  • 4.9. Optimización de Inventario y Gestión de la Cadena de Suministro
  • 4.10. Estudios de Caso: Aplicaciones Reales y Desafíos
5Predicción de Demanda UAM: Métodos y Estrategias (50 h)
  • 5.1. Métodos de Pronóstico: Introducción y Selección
  • 5.2. Series Temporales: Descomposición y Ajuste
  • 5.3. Modelos de Regresión: Variables Predictoras y Análisis
  • 5.4. Modelos ARIMA: Identificación y Estimación
  • 5.5. Métodos de Suavizado Exponencial: Técnicas Avanzadas
  • 5.6. Datos de Demanda: Limpieza y Transformación
  • 5.7. Evaluación de Modelos: Métricas de Precisión
  • 5.8. Estrategias de Optimización: Ajuste Fino y Selección
  • 5.9. Aplicaciones Estratégicas: Planificación y Decisiones
  • 5.10. Caso Práctico: Implementación y Análisis de Resultados
6Modelos y Aplicaciones de Predicción UAM (50 h)
  • 6.1. Fundamentos de la Predicción: Conceptos Clave y Marco Teórico
  • 6.2. Modelos de Series Temporales: Técnicas Clásicas y Modernas
  • 6.3. Modelos de Regresión: Aplicaciones y Análisis de Variables
  • 6.4. Modelos de Aprendizaje Automático: Introducción y Selección
  • 6.5. Evaluación de Modelos: Métricas de Rendimiento y Validación
  • 6.6. Aplicaciones en la Industria: Estudios de Caso Reales
  • 6.7. Análisis de Datos: Preparación y Limpieza
  • 6.8. Software y Herramientas: Implementación Práctica
  • 6.9. Estrategias de Implementación: Integración en la Toma de Decisiones
  • 6.10. Futuro de la Predicción: Tendencias y Avances Tecnológicos
  • 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 predicción de demanda en UAM y su vocabulario normativo.
  • Aplicar EASA CS-23 y CS-25, DO-178C y DO-254 a decisiones reales de diseño y validación.
  • Construir y correlacionar modelos de cálculo con MATLAB/Simulink y ANSYS Fluent.
  • Planificar y ejecutar campañas de ensayo en túnel de viento y banco HIL/SIL.
  • 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 predicción de demanda en UAM 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 MATLAB/Simulink, ANSYS Fluent, OpenFOAM, CATIA, NX, en versiones gratuitas, académicas o de evaluación. Los ensayos se estudian sobre procedimientos reales de túnel de viento, banco HIL/SIL, cámara termovacío. La evaluación es continua por módulo más el proyecto integrador final.

El marco con el que se trabaja

Normas y estándares

  • EASA CS-23 y CS-25
  • DO-178C
  • DO-254
  • DO-160
  • ARP4754A
  • ARP4761
  • Reglamento (UE) 2019/947
  • ECSS-E-ST
  • EASA Part 21
  • EASA SC-VTOL

Dónde se aplica

Salidas profesionales

  • Ingeniero aeronáutico
  • Especialista en certificación
  • Ingeniero de sistemas UAS
  • Ingeniero de estructuras aeroespaciales
  • Especialista en aviónica
  • Ingeniero de misión espacial

Sectores de destino: aeronáutica comercial, UAS y drones, espacio, UAM/eVTOL, MRO, defensa aeroespacial. 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.

ABCD1234560102030405060708realimentaciónPREDICCIÓN DE DEMANDA EN UAMDIAGRAMA 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

  • Análisis de Demanda: Modelos predictivos con herramientas de IA.
  • Optimización Estratégica: Aplicación de técnicas avanzadas de pronóstico.
  • Data Driven Decisions: Análisis de datos y visualización para mejorar la toma de decisiones.

  • Análisis de Demanda: Modelos predictivos con herramientas de IA.
  • Optimización Estratégica: Aplicación de técnicas avanzadas de pronóstico.
  • Data Driven Decisions: Análisis de datos y visualización para mejorar la toma de decisiones.

  • Predicción de Demanda UAM: Análisis de datos históricos, modelos ARIMA/SARIMA, optimización de inventario.
  • Análisis de Sensibilidad: Factores clave de demanda, impacto de eventos externos, escenarios.
  • Implementación de Software: Herramientas de pronóstico, dashboards, visualización de resultados.
  • Estrategias de Optimización: Reducción de costos, mejora de la eficiencia, toma de decisiones informada.

  • Análisis Predictivo de Demanda UAM: Modelado y optimización para rutas estratégicas.
  • Pronóstico de Demanda UAM: Implementación de algoritmos avanzados y evaluación de escenarios.
  • Estrategias de Demanda UAM: Análisis de datos, herramientas y aplicaciones prácticas.
  • Optimización UAM: Uso de técnicas para minimizar costos y maximizar la eficiencia.

  • Predicción Ventas: Modelos ARIMA, Prophet; análisis estacionalidad, tendencias.
  • Optimización Stock: Simulación Monte Carlo; niveles óptimos, gestión inventario.
  • Análisis Demanda: Segmentación clientes; pronósticos por producto/segmento.

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 MATLAB/Simulink, ANSYS Fluent, OpenFOAM, CATIA. 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 predicción de demanda en UAM

¿Qué es predicción de demanda en UAM?

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 predicción de demanda en UAM?

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 predicción de demanda en UAM?

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 predicción de demanda en UAM?

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 predicción de demanda en UAM?

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 predicción de demanda en UAM 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.

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
Aeroespacial, UAM, Drones & Espacio.
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 predicción de demanda en UAMDiplomadoDiplomado en Predicción Táctica y Nowcasting Aeronáutico
Horas300 h800 h
Módulos68
Submódulos6080
Precio745 €1.790 €

Ver Diplomado en Predicción Táctica y Nowcasting Aeronáutico

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.