Máster: Computación Heterogénea para AD (CPU/GPU/NPU)
Máster online de 1900 h: 12 módulos y 120 submódulos, de «Cargas de trabajo de la conducción autónoma» a «Proyecto de plataforma de cómputo», pasando por «Memoria y transferencia de datos».
Mapa del programa · pulsa un módulo
Módulo 1 · Cargas de trabajo de la conducción autónoma
1900 hDuración total
12Módulos
120Submódulos
OnlineModalidad
Competencias y resultados
6 bloques de competencia, sacados de los módulos de este programa. Pulsa cualquiera y ves qué vas a saber hacer.
Cargas de trabajo de la conducción autónoma
Saldrás manejando cadena de percepción, fusión, planificación y control, requisitos de latencia y de throughput por etapa y perfil de cómputo de cada tarea. Es lo que se trabaja en «Cargas de trabajo de la conducción autónoma», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Programación de GPU
Saldrás manejando modelo de hilos, bloques y grids, memoria global, compartida y registros y coalescencia y patrones de acceso. Es lo que se trabaja en «Programación de GPU», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Planificación de tareas en sistema heterogéneo
Saldrás manejando asignación de tareas a unidades de cómputo, prioridades y preempción en aceleradores y latencia extremo a extremo de la canalización. Es lo que se trabaja en «Planificación de tareas en sistema heterogéneo», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Memoria y transferencia de datos
Saldrás manejando copias entre host y dispositivo, memoria unificada y sus trampas y zero copy y mapeo de buffers. Es lo que se trabaja en «Memoria y transferencia de datos», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Seguridad funcional en cómputo acelerado
Saldrás manejando requisitos ASIL aplicados a aceleradores, diagnóstico y cobertura en hardware y mecanismos de seguridad del SoC. Es lo que se trabaja en «Seguridad funcional en cómputo acelerado», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Despliegue y mantenimiento
Saldrás manejando empaquetado de modelos y binarios, versionado conjunto de modelo y software y actualización de modelos en flota. Es lo que se trabaja en «Despliegue y mantenimiento», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Objetivos de aprendizaje
01Caracterizar las cargas de trabajo de la conducción autónoma.
02Comparar arquitecturas CPU, GPU y NPU.
03Programar núcleos de cálculo en GPU.
04Optimizar la inferencia de redes neuronales en hardware embebido.
05Planificar tareas en sistemas heterogéneos con requisitos temporales.
06Gestionar memoria, consumo y térmica de la plataforma.
07Aplicar requisitos de seguridad funcional al cómputo acelerado.
Plan de estudios
12 módulos, 120 submódulos, 1900 h. Elige un módulo y ves su contenido completo.
1 de 12 módulos abiertos
Módulo 1 de 12 · 10 submódulos
Cargas de trabajo de la conducción autónoma
1.1Cadena de percepción, fusión, planificación y control
1.2Requisitos de latencia y de throughput por etapa
1.3Perfil de cómputo de cada tarea
1.4Sensores y volumen de datos generado
1.5Presupuesto de potencia y disipación
1.6Coste por vehículo y escalado
1.7Métricas de rendimiento realistas
1.8Cuellos de botella habituales
1.9Criterios de dimensionado
1.10Taller: perfil de carga de un sistema AD
Módulo 2 de 12 · 10 submódulos
Arquitecturas de cómputo heterogéneo
2.1CPU multinúcleo y jerarquía de memoria
2.2GPU: modelo de ejecución y ocupación
2.3NPU y aceleradores de inferencia
2.4DSP e ISP en la cadena de visión
2.5FPGA y su encaje
2.6Interconexión y ancho de banda
2.7Memoria compartida y coherencia
2.8Plataformas comerciales de automoción
2.9Comparativa de rendimiento por vatio
2.10Laboratorio: caracterización de una plataforma
Módulo 3 de 12 · 10 submódulos
Programación de GPU
3.1Modelo de hilos, bloques y grids
3.2Memoria global, compartida y registros
3.3Coalescencia y patrones de acceso
3.4Divergencia y ocupación
3.5Streams y solapamiento de cómputo y transferencia
3.6Sincronización y eventos
3.7Perfilado y métricas clave
3.8Optimización iterativa de un kernel
3.9Portabilidad entre plataformas
3.10Laboratorio: optimización de un kernel de visión
Módulo 4 de 12 · 10 submódulos
Inferencia de redes neuronales
4.1Del modelo entrenado al modelo desplegado
4.2Grafos de cómputo y fusión de operadores
4.3Cuantización int8 y calibración
4.4Poda y destilación
4.5Formatos de intercambio y compiladores
4.6Motores de inferencia y sus limitaciones
4.7Precisión frente a latencia
4.8Validación de la degradación tras cuantizar
4.9Gestión de múltiples modelos
4.10Laboratorio: cuantización y medida de precisión
Módulo 5 de 12 · 10 submódulos
Planificación de tareas en sistema heterogéneo
5.1Asignación de tareas a unidades de cómputo
5.2Prioridades y preempción en aceleradores
5.3Latencia extremo a extremo de la canalización
5.4Paralelismo de tareas y de datos
5.5Colas, buffers y contrapresión
5.6Interferencia entre cargas
5.7Determinismo y peor caso
5.8Reparto de memoria y ancho de banda
5.9Monitorización en ejecución
5.10Laboratorio: planificación de una canalización
Módulo 6 de 12 · 10 submódulos
Visión y procesamiento de imagen
6.1Cadena ISP y preprocesado
6.2Operaciones intensivas y su coste
6.3Aceleración de convoluciones
6.4Procesado de nube de puntos
6.5Fusión temprana y tardía
6.6Compresión y transporte de datos de sensor
6.7Calibración y rectificación
6.8Sincronización entre cámaras y lidar
6.9Medición de calidad de salida
6.10Laboratorio: canalización de visión acelerada
Módulo 7 de 12 · 10 submódulos
Memoria y transferencia de datos
7.1Copias entre host y dispositivo
7.2Memoria unificada y sus trampas
7.3Zero copy y mapeo de buffers
7.4Alineación y tamaños de bloque
7.5Gestión de picos de memoria
7.6Fragmentación y asignadores
7.7Presupuesto de memoria por función
7.8Diagnóstico de fugas
7.9Impacto en la latencia total
7.10Laboratorio: eliminación de copias redundantes
Módulo 8 de 12 · 10 submódulos
Consumo, térmica y fiabilidad
8.1Potencia dinámica y estática
8.2Estados de reloj y escalado de frecuencia
8.3Límites térmicos y throttling
8.4Diseño de refrigeración del computador
8.5Envejecimiento y fiabilidad de silicio
8.6Errores transitorios y detección
8.7Redundancia y votación
8.8Modos degradados por temperatura
8.9Medición en vehículo
8.10Taller: presupuesto térmico y de potencia
Módulo 9 de 12 · 10 submódulos
Seguridad funcional en cómputo acelerado
9.1Requisitos ASIL aplicados a aceleradores
9.2Diagnóstico y cobertura en hardware
9.3Mecanismos de seguridad del SoC
9.4Particionado y ausencia de interferencia
9.5Monitores de plausibilidad de la salida
9.6Canal de seguridad independiente
9.7Evidencias del proveedor de silicio
9.8Limitaciones conocidas y su gestión
9.9Argumento de seguridad
9.10Taller: análisis de un SoC para ASIL
Módulo 10 de 12 · 10 submódulos
Herramientas de medida y perfilado
10.1Instrumentación de la canalización
10.2Trazas de GPU y de NPU
10.3Medición de latencia por etapa
10.4Detección de jitter y de picos
10.5Automatización de benchmarks
10.6Comparación entre versiones
10.7Regresiones de rendimiento en integración continua
10.8Representatividad de los escenarios
10.9Informes para el equipo
10.10Laboratorio: panel de rendimiento
Módulo 11 de 12 · 10 submódulos
Despliegue y mantenimiento
11.1Empaquetado de modelos y binarios
11.2Versionado conjunto de modelo y software
11.3Actualización de modelos en flota
11.4Validación previa al despliegue
11.5Telemetría de inferencia
11.6Detección de deriva de datos
11.7Reentrenamiento y ciclo de vida
11.8Gestión de hardware heterogéneo en flota
11.9Obsolescencia de plataformas
11.10Caso práctico: actualización de un modelo
Módulo 12 de 12 · 10 submódulos
Proyecto de plataforma de cómputo
12.1Definición de la función y sus requisitos
12.2Elección de plataforma y justificación
12.3Diseño de la canalización y reparto de tareas
12.4Optimización de los kernels críticos
12.5Cuantización y validación de precisión
12.6Medición de latencia y consumo
12.7Análisis de seguridad funcional
12.8Plan de despliegue y monitorización
12.9Memoria técnica y defensa
12.10Revisión final con el tutor
¿Cuánto me va a llevar?
Mueve las horas que puedes dedicar cada semana y calculamos tu ritmo sobre las 1900 h del programa.
—meses a ese ritmo
—semanas por módulo
—frente a los 1900 horas · 12 a 18 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.
Perfil de cómputo de cada tarea
Módulo 1 · Cargas de trabajo de la conducción autónoma
Laboratorio: optimización de un kernel de visión
Módulo 3 · Programación de GPU
Determinismo y peor caso
Módulo 5 · Planificación de tareas en sistema heterogéneo
Alineación y tamaños de bloque
Módulo 7 · Memoria y transferencia de datos
Requisitos ASIL aplicados a aceleradores
Módulo 9 · Seguridad funcional en cómputo acelerado
Marca los cinco conceptos y te damos tu resultado.
Normas y estándares que vas a manejar
ISO 26262 (seguridad funcional)ISO 21448 (SOTIF)ISO/PAS 8800 (inteligencia artificial en vehículos)UL 4600 (seguridad de productos autónomos)ISO/SAE 21434 (ciberseguridad en vehículos)MISRA C++:2023
Cuerpo docente y expertos
Este programa se imparte en el área de Autónomos, ADAS & Vehículo Definido por Software, que dirige Dr. Markus Schneider. Debajo, los directores académicos más cercanos a este programa. El detalle de cada instituto está en la página de institutos.
Dr. Markus SchneiderDirector Académico del Departamento EMH — Electromobility, Batteries & Hydrogen.
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 30-10-2026.
¿Tienes titulación universitaria en ingeniería, ciencias o arquitectura, o experiencia profesional equivalente?
¿Trabajas o quieres trabajar en Autónomos, ADAS & Vehículo Definido por Software?
¿Puedes mantener un ritmo de estudio constante durante 1900 horas · 12 a 18 meses?
Responde las tres y te decimos por dónde seguir.
Requisitos de acceso
·Titulación universitaria en ingeniería, ciencias o arquitectura, o experiencia profesional acreditable equivalente.
·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 NVIDIA CUDA Toolkit, NVIDIA TensorRT, NVIDIA Nsight Systems, ONNX Runtime, OpenCL, en versiones gratuitas, académicas o de evaluación. Los ensayos se estudian sobre procedimientos reales de perfilado de inferencia en plataforma embebida, medidas de consumo y temperatura, pruebas de latencia extremo a extremo. La evaluación es continua por módulo más el TFM final.
Son 12 módulos con 120 submódulos y 1900 h de trabajo total. Abre por «Cargas de trabajo de la conducción autónoma» y cierra con «Proyecto de plataforma de cómputo».
Se trabajan ISO 26262 (seguridad funcional), ISO 21448 (SOTIF), ISO/PAS 8800 (inteligencia artificial en vehículos), UL 4600 (seguridad de productos autónomos), ISO/SAE 21434 (ciberseguridad en vehículos) y MISRA C++:2023.
Los perfiles más directos son Ingeniero de cómputo heterogéneo, Ingeniero de optimización de inferencia, Programador de GPU, Arquitecto de plataformas de conducción autónoma y Ingeniero de sistemas embebidos.
En un pago son 3.864 €, sobre una tarifa de 4.830 €. A plazos, una entrada de 2.316 € y 12 cuotas de 290 €, 5.796 € en total.
Titulación universitaria en ingeniería, ciencias o arquitectura, o experiencia profesional acreditable equivalente, 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 1900 horas totales repartidas en 12 a 18 meses. Eso son entre 10 y 15 horas semanales de media, compatibles con jornada laboral completa.
Se trabaja con NVIDIA CUDA Toolkit, NVIDIA TensorRT, NVIDIA Nsight Systems, ONNX Runtime, OpenCL. 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 Trabajo Fin de Máster. 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.
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 máster acreditado y un proyecto hecho sobre un caso de tu propio trabajo.
Qué te aportaLa base técnica de Autónomos, ADAS & Vehículo Definido por Software 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 Autónomos, ADAS & Vehículo Definido por Software y un proyecto que demuestra que sabes aplicarlo.
¿Te va a dar la vida?
Calcula tu ritmo real
Son 1900 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 cómputo heterogéneo
Ingeniero de optimización de inferencia
Programador de GPU
En conducción autónoma, fabricantes de semiconductores y fabricantes de automóviles.
Con sinceridad
¿Es para ti?
Sí, si quieres…
Trabajar en Autónomos, ADAS & Vehículo Definido por Software 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: la fecha de inicio la fija el claustro.
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.
¿Tienes alguna duda sobre Máster: Computación Heterogénea para AD (CPU/GPU/NPU)? ¡Escríbenos por WhatsApp y te ayudamos! 💬
Dr. Markus SchneiderDirector Académico del Departamento EMH — Electromobility, Batteries & Hydrogen.
Dr. Kevin O’ConnorDirector Académico del EET — Electronics & Embedded Technologies Institute.
Prof. Kenji TakahashiDirector Académico del SRA — Robotics & Autonomous Systems Institute.