Diplomado en Datasets Desequilibrados y Métricas para VRU
Diplomado online de 800 h: 8 módulos y 80 submódulos, de «El desequilibrio en datos de VRU» a «Proyecto de dataset de VRU», pasando por «Métricas de detección y sus límites».
Mapa del programa · pulsa un módulo
Módulo 1 · El desequilibrio en datos de VRU
800 hDuración total
8Módulos
80Submódulos
OnlineModalidad
Competencias y resultados
6 bloques de competencia, sacados de los módulos de este programa. Pulsa cualquiera y ves qué vas a saber hacer.
El desequilibrio en datos de VRU
Saldrás manejando distribución de clases en datasets de conducción, cola larga de categorías raras y desequilibrio de escenarios y condiciones. Es lo que se trabaja en «El desequilibrio en datos de VRU», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Recogida y curación de datos
Saldrás manejando diseño de campañas de adquisición, minería de escenarios raros en flota y active learning para seleccionar datos. Es lo que se trabaja en «Recogida y curación de datos», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Anotación y control de calidad
Saldrás manejando guías de anotación para VRU, oclusión, truncamiento y atributos y anotación 3D y seguimiento. Es lo que se trabaja en «Anotación y control de calidad», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Métricas de detección y sus límites
Saldrás manejando precisión, recall y curva PR, mAP y su sensibilidad al desequilibrio y log-average miss rate. Es lo que se trabaja en «Métricas de detección y sus límites», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Evaluación por subgrupos y equidad
Saldrás manejando definición de subgrupos de evaluación, disparidad de rendimiento por colectivo y métricas de equidad aplicadas. Es lo que se trabaja en «Evaluación por subgrupos y equidad», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Datos, IA y conformidad
Saldrás manejando reglamento de Inteligencia Artificial de la UE, calidad de datos según ISO/PAS 8800 y requisitos de datos en SOTIF. Es lo que se trabaja en «Datos, IA y conformidad», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Objetivos de aprendizaje
01Diagnosticar el desequilibrio de clases y escenarios en datasets de VRU.
02Planificar estrategias de recogida y curación de datos.
03Gestionar la anotación y su control de calidad.
04Aplicar técnicas de reequilibrado y datos sintéticos.
05Seleccionar métricas adecuadas a datos desequilibrados.
06Evaluar el rendimiento por subgrupos y su equidad.
07Documentar datasets conforme a la normativa de IA y de datos.
Plan de estudios
8 módulos, 80 submódulos, 800 h. Elige un módulo y ves su contenido completo.
1 de 8 módulos abiertos
Módulo 1 de 8 · 10 submódulos
El desequilibrio en datos de VRU
1.1Distribución de clases en datasets de conducción
1.2Cola larga de categorías raras
1.3Desequilibrio de escenarios y condiciones
1.4Sesgos por edad, estatura y vestimenta
1.5Impacto en la seguridad del sistema
1.6Clases raras: sillas de ruedas y carritos
1.7Análisis exploratorio de etiquetas
1.8Documentación con datasheets
1.9Desequilibrio geográfico entre ciudades
1.10Caso práctico: auditoría de un dataset público
Módulo 2 de 8 · 10 submódulos
Recogida y curación de datos
2.1Diseño de campañas de adquisición
2.2Minería de escenarios raros en flota
2.3Active learning para seleccionar datos
2.4Búsqueda por similitud con embeddings
2.5Deduplicación y limpieza
2.6Anonimización de rostros y matrículas
2.7Licencias y gobernanza de datos
2.8Versionado de datasets
2.9Disparadores de captura en el vehículo
2.10Práctica: selección activa de muestras
Módulo 3 de 8 · 10 submódulos
Anotación y control de calidad
3.1Guías de anotación para VRU
3.2Oclusión, truncamiento y atributos
3.3Anotación 3D y seguimiento
3.4Acuerdo entre anotadores
3.5Detección de errores de etiqueta
3.6Etiquetado semiautomático
3.7Coste y productividad de la anotación
3.8Auditoría de calidad
3.9Etiquetas ambiguas y casos dudosos
3.10Laboratorio: medición del acuerdo entre anotadores
Módulo 4 de 8 · 10 submódulos
Técnicas de reequilibrado
4.1Sobremuestreo y submuestreo
4.2Muestreo por clase y por instancia
4.3Pérdida focal y pérdidas ponderadas
4.4Pérdidas específicas para cola larga
4.5Copy-paste y aumentación por objetos
4.6Datos sintéticos de VRU
4.7Avatares y simulación de peatones
4.8Riesgo de sobreajuste
4.9Recalibración del clasificador tras reequilibrar
4.10Laboratorio: pérdida focal en un detector
Módulo 5 de 8 · 10 submódulos
Métricas de detección y sus límites
5.1Precisión, recall y curva PR
5.2mAP y su sensibilidad al desequilibrio
5.3Log-average miss rate
5.4Métricas por tamaño y distancia
5.5Métricas ponderadas por riesgo
5.6Calibración de la confianza
5.7Intervalos de confianza por bootstrap
5.8Errores relevantes para la seguridad
5.9Selección del umbral de operación
5.10Práctica: métricas estratificadas en Python
Módulo 6 de 8 · 10 submódulos
Evaluación por subgrupos y equidad
6.1Definición de subgrupos de evaluación
6.2Disparidad de rendimiento por colectivo
6.3Métricas de equidad aplicadas
6.4Tamaño muestral y significación
6.5Análisis de escenarios críticos
6.6Cobertura del dominio operativo
6.7Informes de evaluación transparentes
6.8Mitigación de disparidades
6.9Pruebas de hipótesis entre subgrupos
6.10Caso práctico: análisis de equidad de un detector
Módulo 7 de 8 · 10 submódulos
Datos, IA y conformidad
7.1Reglamento de Inteligencia Artificial de la UE
7.2Calidad de datos según ISO/PAS 8800
7.3Requisitos de datos en SOTIF
7.4RGPD y personas en la vía pública
7.5Calidad de datos según ISO/IEC 5259
7.6Documentación técnica del dataset
7.7Trazabilidad entre datos y requisitos
7.8Ciclo de vida del dataset
7.9Gestión de sesgos según ISO/IEC TR 24027
7.10Taller: plan de gestión de datos de VRU
Módulo 8 de 8 · 10 submódulos
Proyecto de dataset de VRU
8.1Análisis del dataset de partida
8.2Clases y escenarios infrarrepresentados
8.3Estrategia de adquisición y curación
8.4Plan de anotación y calidad
8.5Reequilibrado y datos sintéticos
8.6Sistema de métricas estratificadas
8.7Evaluación de equidad
8.8Documentación del dataset
8.9Memoria y presentación
8.10Revisión final con el tutor
¿Cuánto me va a llevar?
Mueve las horas que puedes dedicar cada semana y calculamos tu ritmo sobre las 800 h del programa.
—meses a ese ritmo
—semanas por módulo
—frente a los 800 horas · 6 a 8 meses previstos
¿Qué nivel tienes ya?
Cinco conceptos del propio temario. Marca lo que ya controlas y te decimos si te conviene el curso, el diplomado o el máster.
Clases raras: sillas de ruedas y carritos
Módulo 1 · El desequilibrio en datos de VRU
Active learning para seleccionar datos
Módulo 2 · Recogida y curación de datos
Laboratorio: medición del acuerdo entre anotadores
Módulo 3 · Anotación y control de calidad
Avatares y simulación de peatones
Módulo 4 · Técnicas de reequilibrado
Métricas por tamaño y distancia
Módulo 5 · Métricas de detección y sus límites
Marca los cinco conceptos y te damos tu resultado.
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 27-11-2026.
¿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 800 horas · 6 a 8 meses?
Responde las tres y te decimos por dónde seguir.
Requisitos de acceso
·Formación técnica previa o experiencia profesional en el sector. No se exige titulación universitaria.
·Conexión a internet y un ordenador capaz de ejecutar el software del programa.
·Nivel de español suficiente para seguir lectura de normativa técnica.
Cómo se estudia
Formación 100 % online en el campus de SEIUM, con material descargable, clases grabadas y tutor técnico asignado. Sin horarios fijos: el alumno avanza a su ritmo dentro de la convocatoria, lo que permite compatibilizarlo con el trabajo.
Cada módulo combina teoría, lectura guiada de la norma original y ejercicios aplicados. El software de trabajo es PyTorch, FiftyOne, CVAT, scikit-learn, DVC, en versiones gratuitas, académicas o de evaluación. Los ensayos se estudian sobre procedimientos reales de auditoría de desequilibrio de un dataset de conducción, evaluación estratificada de un detector de peatones, campaña de selección activa de datos de VRU. La evaluación es continua por módulo más el proyecto integrador final.
Son 8 módulos con 80 submódulos y 800 h de trabajo total. Abre por «El desequilibrio en datos de VRU» y cierra con «Proyecto de dataset de VRU».
Se trabajan Reglamento (UE) 2024/1689 (Ley de IA), ISO/PAS 8800:2024, ISO 21448:2022 (SOTIF), Reglamento (UE) 2016/679 (RGPD), ISO/IEC 5259-2:2024 y ISO/IEC 25012:2008.
Los perfiles más directos son Ingeniero de datos de percepción, Científico de datos, Ingeniero de machine learning, Responsable de calidad de datos y Ingeniero de validación ADAS.
En un pago son 1.032 €, sobre una tarifa de 1.290 €. A plazos, una entrada de 516 € y 6 cuotas de 129 €, 1.290 € en total, sin intereses: lo mismo que la tarifa.
Formación técnica previa o experiencia profesional en el sector. No se exige titulación universitaria, Conexión a internet y un ordenador capaz de ejecutar el software del programa y Nivel de español suficiente para seguir lectura de normativa técnica.
El programa son 800 horas totales repartidas en 6 a 8 meses. Eso son entre 10 y 15 horas semanales de media, compatibles con jornada laboral completa.
Se trabaja con PyTorch, FiftyOne, CVAT, scikit-learn, DVC. Se usan versiones gratuitas, académicas o de evaluación, y el tutor indica la alternativa libre cuando existe.
Diploma propio de SEIUM al superar la evaluación continua y el proyecto integrador. Es formación propia, no un título oficial del Ministerio.
Sí. Los módulos superados en un curso o diplomado del mismo área convalidan en el programa superior. Consulta la política de convalidaciones al matricularte.
Inicio de clases: 22 de diciembre de 20261.032 €Matricularme
Antes de decidir
¿Qué sacarías tú de este diplomado?
No es lo mismo llegar aquí recién titulado que con diez años en el sector. Dinos de dónde vienes.
Qué te aportaPasar de la teoría de carrera al criterio de proyecto: qué norma aplica a cada parte del trabajo, qué criterios de aceptación se fijan antes de ejecutar y cómo se deja todo documentado.
Dónde vas a sudarEl módulo de normativa y evidencia documental, si todavía no has trabajado dentro de un proyecto real con auditoría de por medio.
Con qué salesCon una memoria técnica propia, sobre un caso real, que puedes poner encima de la mesa en una entrevista.
Qué te aportaFormalizar lo que ya haces por oficio: distinguir requisito obligatorio de buena práctica, justificar por escrito las decisiones técnicas y dejar el trabajo trazable.
Dónde vas a sudarPoco en contenido. El esfuerzo real está en el proyecto final y en su defensa.
Con qué salesCon el diplomado acreditado y un proyecto hecho sobre un caso de tu propio trabajo.
Qué te aportaLa base técnica de 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 800 horas. Mueve el control y mira cuánto tardarías tú de verdad.
—para terminar
¿Y esto para qué me sirve?
Marca lo que más te interesa
Elige hasta 3 módulos y te digo cuánto pesan en el programa y a qué perfiles prepara.
Perfiles a los que prepara
Ingeniero de datos de percepción
Científico de datos
Ingeniero de machine learning
En automoción, conducción autónoma y anotación de datos.
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: las clases empiezan justo un mes después de matricularte.
Formación de taller o práctica presencial con maquinaria.
¿Te queda una duda?
Pregunta algo concreto
Escríbela aquí y la pasamos al formulario de contacto con la formación ya identificada.