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

Curso de Big Data aplicado a la Movilidad Urbana

Sobre nuestro Curso de Big Data aplicado a la Movilidad Urbana

El curso en big data aplicado a la movilidad urbana de SEIUM es una formación 100 % online de 300 horas, estructurada en 6 módulos y 60 submódulos. Cubre big data aplicado a la movilidad urbana 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 Normativas OTAN en descontaminación de equipos
Curso de Big Data aplicado a la Movilidad Urbana
  • Modalidad: Online
  • Duración: 4 meses
  • Horas: 300 H
  • Idioma: ES / EN
  • Fecha de matrícula: 16-10-2026
  • Plazas disponibles: 12

645 €

Aplicar Ahora

Competencias y resultados

Qué aprenderás

1. Análisis de Datos Masivos para la Optimización de la Movilidad Urbana

  • Identificación y extracción de datos relevantes de fuentes diversas (sensores de tráfico, redes sociales, datos meteorológicos, etc.).
  • Aplicación de técnicas de limpieza y preprocesamiento de datos para garantizar su calidad y utilidad.
  • Utilización de herramientas y plataformas de análisis de datos masivos (Hadoop, Spark, etc.).
  • Implementación de modelos de análisis predictivo para anticipar patrones de movilidad urbana (predicción de tráfico, demanda de transporte público, etc.).
  • Desarrollo de algoritmos de optimización para mejorar la eficiencia del transporte urbano (rutas optimizadas, gestión de semáforos, etc.).
  • Visualización de datos y creación de informes para comunicar hallazgos y recomendaciones.
  • Evaluación del impacto de las soluciones propuestas en la movilidad urbana (reducción de congestión, mejora de la calidad del aire, etc.).
  • Aplicación de técnicas de machine learning para el análisis y la optimización de sistemas de transporte inteligente.

2. Extracción de Valor y Toma de Decisiones Estratégicas con Big Data en Movilidad Urbana

2. Extracción de Valor y Toma de Decisiones Estratégicas con Big Data en Movilidad Urbana

  • Identificar y analizar fuentes de datos clave en movilidad urbana (sensores, aplicaciones, redes sociales, etc.).
  • Aplicar técnicas de limpieza y preprocesamiento de datos para garantizar la calidad y consistencia de la información.
  • Utilizar herramientas y plataformas de Big Data (Hadoop, Spark, etc.) para el almacenamiento y procesamiento de grandes volúmenes de datos.
  • Desarrollar modelos predictivos para forecasting de demanda de transporte, optimización de rutas y gestión de tráfico.
  • Implementar algoritmos de machine learning para la identificación de patrones, detección de anomalías y segmentación de usuarios en el ámbito de la movilidad urbana.
  • Visualizar y comunicar resultados a través de dashboards y reportes interactivos para la toma de decisiones.
  • Evaluar el impacto de las políticas de movilidad en base a los datos obtenidos.
  • Aplicar el análisis de datos para la optimización de la infraestructura y la planificación urbana.
  • Comprender los aspectos éticos y de privacidad relacionados con el uso de datos en movilidad urbana.
  • Desarrollar estrategias de monetización y creación de valor a partir del análisis de datos en el sector de la movilidad.

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. Descubriendo el Futuro de la Movilidad: Aprendizaje con Big Data

  • Exploración de las fuentes y el volumen de datos masivos relevantes para la movilidad.
  • Comprensión de las técnicas de procesamiento y análisis de Big Data aplicadas al sector del transporte.
  • Aplicación de herramientas de análisis predictivo para optimizar la gestión del tráfico y la logística.
  • Identificación de patrones y tendencias en el comportamiento del usuario y la demanda de movilidad.
  • Desarrollo de modelos de simulación y escenarios futuros basados en datos masivos.
  • Evaluación del impacto de la movilidad conectada y autónoma en la infraestructura y los servicios.
  • Análisis de las implicaciones éticas y de privacidad relacionadas con el uso de datos en la movilidad.
  • Integración de Big Data en la planificación urbana y el diseño de sistemas de transporte inteligentes.

5. Predicción de Tendencias y Comportamientos de Movilidad con Big Data

  • Identificar patrones de movilidad a partir del análisis de grandes conjuntos de datos (Big Data).
  • Utilizar herramientas y técnicas avanzadas para la visualización y exploración de datos de movilidad.
  • Aplicar modelos predictivos para anticipar tendencias futuras en el comportamiento de la movilidad.
  • Comprender los factores que influyen en la movilidad urbana y regional, como la infraestructura, la demografía y la economía.
  • Desarrollar estrategias basadas en datos para optimizar la gestión del tráfico y mejorar la planificación del transporte.
  • Evaluar el impacto de las nuevas tecnologías, como los vehículos autónomos y las plataformas de movilidad compartida, en los patrones de movilidad.
  • Aprender a utilizar plataformas de Big Data y herramientas de análisis para procesar y analizar grandes volúmenes de datos de movilidad.
  • Interpretar resultados de modelos predictivos y comunicar hallazgos de manera efectiva a través de informes y presentaciones.

6. Implementación de Soluciones de Movilidad Inteligente con Big Data

6. Implementación de Soluciones de Movilidad Inteligente con Big Data

  • Fundamentos de Big Data en Movilidad Inteligente: Exploración de conceptos clave, arquitecturas de datos y tecnologías esenciales para el almacenamiento, procesamiento y análisis de grandes volúmenes de información generada por dispositivos y sistemas de transporte.
  • Recopilación y Gestión de Datos de Movilidad: Técnicas y herramientas para la captura, integración y limpieza de datos provenientes de diversas fuentes, como sensores vehiculares, dispositivos móviles, infraestructura vial y redes sociales.
  • Análisis de Datos para la Movilidad Inteligente: Aplicación de técnicas avanzadas de análisis de datos, incluyendo minería de datos, aprendizaje automático y análisis predictivo, para extraer información valiosa sobre patrones de tráfico, comportamiento de usuarios y optimización de recursos.
  • Desarrollo de Aplicaciones de Movilidad Inteligente: Diseño y creación de soluciones basadas en datos, como sistemas de gestión de tráfico en tiempo real, aplicaciones de navegación inteligente, plataformas de transporte compartido y servicios de movilidad como servicio (MaaS).
  • Visualización de Datos y Comunicación de Resultados: Utilización de herramientas de visualización de datos para comunicar de manera efectiva hallazgos y resultados de análisis, facilitando la toma de decisiones informadas por datos y la presentación de información relevante a diferentes audiencias.
  • Ética y Privacidad en la Movilidad Inteligente: Consideración de aspectos éticos relacionados con la recopilación, el uso y la protección de datos personales en el contexto de la movilidad inteligente, así como el cumplimiento de regulaciones de privacidad y seguridad de datos.
  • Casos de Estudio y Aplicaciones Prácticas: Análisis de casos de estudio relevantes y desarrollo de proyectos prácticos para aplicar los conocimientos adquiridos en el diseño, implementación y evaluación de soluciones de movilidad inteligente basadas en Big Data.

Curso de Normativas OTAN en descontaminación de equipos

Para quien va dirigido nuestro:

Curso de Big Data aplicado a la Movilidad Urbana

  • Profesionales y estudiantes de Ingeniería de Datos, Ciencias de la Computación, Estadística o campos relacionados interesados en la aplicación de Big Data en entornos urbanos.
  • Analistas de datos, científicos de datos, ingenieros de software y otros profesionales que busquen especializarse en el análisis y la gestión de datos relacionados con la movilidad urbana.
  • Responsables de proyectos, gestores de transporte, planificadores urbanos y otros profesionales del sector de la movilidad que deseen mejorar su comprensión y aplicación de las técnicas de Big Data para la toma de decisiones.
  • Emprendedores y startups que busquen desarrollar soluciones innovadoras basadas en datos para mejorar la movilidad urbana.
  • 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 en Movilidad Urbana (50 h)
  • 1.1. Módulo 1 — Introducción al Big Data en Movilidad Urbana
  • 1.2. Definición y conceptos clave de Big Data en movilidad urbana
  • 1.3. Fuentes de datos masivos en el contexto de la movilidad urbana
  • 1.4. Importancia del Big Data para la optimización del tráfico
  • 1.5. Herramientas y tecnologías básicas para el análisis de datos
  • 1.6. Desafíos y oportunidades del uso de Big Data en movilidad
  • 1.7. Ética y privacidad en la recolección y uso de datos
  • 1.8. Casos de estudio introductorios: ejemplos de aplicación
  • 1.9. Introducción a la visualización de datos y dashboards
  • 1.10. El futuro del Big Data en la planificación urbana
2Introducción al Big Data en Movilidad (50 h)
  • 2.1. Introducción al Big Data en la Movilidad Urbana: El Panorama General
  • 2.2. ¿Qué es el Big Data y cómo se aplica en la Movilidad?
  • 2.3. Fuentes de Datos Masivos en Movilidad Urbana
  • 2.4. Tipos de Datos: Estructurados, No Estructurados y Semi-estructurados
  • 2.5. Herramientas y Tecnologías para el Análisis de Big Data en Movilidad
  • 2.6. Beneficios del Big Data para la Planificación y Gestión del Tráfico
  • 2.7. Casos de Éxito: Aplicaciones Reales del Big Data en Movilidad Urbana
  • 2.8. Desafíos y Consideraciones Éticas en el Uso de Big Data
  • 2.9. Introducción al Ecosistema de la Movilidad Inteligente
  • 2.10. El Futuro del Big Data en la Movilidad Urbana: Tendencias y Oportunidades
3Análisis de Datos para Movilidad Urbana (50 h)
  • 3.1. Introducción al Big Data en Movilidad Urbana 2. Fuentes de Datos Masivos en Movilidad 3. Herramientas y Tecnologías de Análisis de Datos 4. Visualización y Reportes de Datos para Movilidad 5. Caso de Estudio: Análisis de Datos de Tráfico 6. Ética y Privacidad en el Análisis de Datos de Movilidad 7. Desafíos y Oportunidades del Análisis de Datos 8. Prácticas con Herramientas de Análisis de Datos
  • 3.2. Recopilación y Almacenamiento de Datos
  • 3.3. Modelado de Datos y Estructuras para Movilidad
  • 3.4. Análisis Descriptivo y Exploratorio de Datos
  • 3.5. Análisis Predictivo en Movilidad Urbana
  • 3.6. Toma de Decisiones Basada en Datos
  • 3.7. Estrategias de Optimización del Transporte Público
  • 3.8. Análisis de Rentabilidad en Proyectos de Movilidad
  • 3.9. Estudios de Caso de Implementación
  • 3.10. Introducción a la Transformación Digital en Movilidad
4Desvelando el Futuro de la Movilidad con Big Data (50 h)
  • 4.1. Modelado predictivo de flujos de movilidad urbana
  • 4.2. Análisis de datos históricos y en tiempo real para la simulación de escenarios futuros
  • 4.3. Aprendizaje automático aplicado a la optimización de rutas y la gestión del transporte público
  • 4.4. Identificación de patrones de comportamiento y preferencias de los usuarios
  • 4.5. Visualización de datos y creación de dashboards para la toma de decisiones
  • 4.6. Evaluación del impacto de nuevas tecnologías en la movilidad (vehículos autónomos, V2X)
  • 4.7. Diseño de estrategias de movilidad urbana basadas en datos
  • 4.8. Desarrollo de modelos de simulación para predecir la congestión y los tiempos de viaje
  • 4.9. Aplicación de técnicas de aprendizaje profundo para la clasificación y segmentación de datos
  • 4.10. Casos de estudio: tendencias emergentes en movilidad y su análisis con Big Data
5Exploración de Datos Masivos de Movilidad (50 h)
  • 5.1. Introducción al Big Data en Movilidad Urbana
  • 5.2. Fuentes de Datos: Sensores, GPS, Redes Sociales
  • 5.3. Limpieza y Preparación de Datos: Técnicas y Herramientas
  • 5.4. Visualización de Datos: Tableros Interactivos y Gráficos
  • 5.5. Análisis Descriptivo: Tendencias y Patrones
  • 5.6. Análisis Exploratorio de Datos (EDA): Descubriendo Insights
  • 5.7. Herramientas y Plataformas para el Análisis de Datos
  • 5.8. Casos de Estudio: Aplicaciones Prácticas
  • 5.9. Desafíos y Consideraciones Éticas en la Recopilación de Datos
  • 5.10. Prácticas de Análisis de Datos
6Diseño de Movilidad Inteligente con Big Data (50 h)
  • 6.1. Fundamentos de la Movilidad Inteligente: Conceptos y Arquitecturas
  • 6.2. Recolección y Preparación de Datos: Fuentes y Métodos para Movilidad Urbana
  • 6.3. Análisis Descriptivo de Datos: Visualización y Resumen para Entender el Tráfico
  • 6.4. Modelado Predictivo: Pronóstico de Flujos y Demanda de Movilidad
  • 6.5. Optimización del Transporte: Algoritmos y Estrategias Basadas en Datos
  • 6.6. Sistemas de Información Geográfica (GIS) en Movilidad Urbana
  • 6.7. Diseño de Aplicaciones Inteligentes: Interfaces y Experiencia de Usuario
  • 6.8. Evaluación de Impacto y KPI's: Medición del Éxito de las Soluciones
  • 6.9. Gobernanza de Datos y Ética en la Movilidad Inteligente
  • 6.10. Estudios de Caso: Implementaciones Exitosas de Big Data en Movilidad
  • 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 aplicado a la movilidad urbana 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 aplicado a la movilidad urbana 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

Qué hay dentro del proyecto

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

ABCD1234560102030405060708realimentaciónBIG DATA APLICADO A LA MOVILIDAD URBANADIAGRAMA DE BLOQUESSEIUMESC. S/E12345678

Cimentación

Reconocimiento del terreno, tipo de cimentación y asientos admisibles.

Se trabaja en el Módulo 4 del plan de estudios.

Estructura

Esquema resistente, acciones, combinaciones y comprobación de secciones.

Se trabaja en el Módulo 3 del plan de estudios.

Envolvente

Fachada y cubierta: comportamiento térmico, acústico y frente al agua.

Se trabaja en el Módulo 5 del plan de estudios.

Instalaciones

Electricidad, climatización, fontanería y su coordinación con la estructura.

Se trabaja en el Módulo 6 del plan de estudios.

Modelo BIM

Niveles de desarrollo, coordinación entre disciplinas y detección de interferencias.

Se trabaja en el Módulo 6 del plan de estudios.

Normativa

Código técnico, Eurocódigos y los requisitos del planeamiento aplicable.

Se trabaja en el Módulo 2 del plan de estudios.

Ejecución

Planificación, control de calidad en obra y seguimiento económico.

Se trabaja en el Módulo 6 del plan de estudios.

Uso y mantenimiento

Inspección, conservación y comportamiento del edificio a lo largo de su vida.

Se trabaja en el Módulo 6 del plan de estudios.

Marco de referencia

Normas y estándares que vas a manejar

Eurocódigos

Bases de cálculo y acciones: combinaciones, estados límite y comprobación de secciones.

Código Técnico de la Edificación

Exigencias básicas de seguridad estructural, incendio, salubridad y energía.

ISO 19650

Gestión de la información en proyectos BIM a lo largo del ciclo de vida.

EHE y EAE

Instrucciones de hormigón estructural y de acero estructural.

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

  • Optimización del flujo: BEMT + CFD; correlación; acústica.
  • Sistema de control: validación SIL/HIL, modo “hover/attitude”.
  • Control tiltrotor: evaluación conversión y márgenes.
  • Aeroelasticidad: análisis modal, flutter y mitigación.

DO-160: ensayos ambientales (vibración, temperatura, EMI).

  • Optimización del flujo: BEMT + CFD; correlación; acústica.
  • Sistema de control: validación SIL/HIL, modo “hover/attitude”.
  • Control tiltrotor: evaluación conversión y márgenes.
  • Aeroelasticidad: análisis modal, flutter y mitigación.

DO-160: ensayos ambientales (vibración, temperatura, EMI).

  • Movilidad Urbana Predictiva: Análisis predictivo de flujos, optimización de rutas y simulación de escenarios.
  • Gestión Inteligente del Tráfico: Implementación de sistemas de semáforos adaptativos y optimización de la infraestructura vial.
  • Modelado de Transporte Sostenible: Análisis de datos para promover el uso del transporte público y movilidad compartida.

  • Predicción de flujo vehicular: Modelado con Big Data; simulación de escenarios; optimización de rutas.
  • Análisis de congestión: Identificación de cuellos de botella; propuestas de mejora; impacto de eventos.
  • Planificación de transporte público: Optimización de frecuencias; análisis de demanda; rutas eficientes.

  • Análisis de Datos de Tráfico: Modelado predictivo; optimización rutas y tiempos; simulación de escenarios.
  • Plataformas de Movilidad: Integración de datos; análisis de usuarios; personalización de servicios.
  • Ciudades Inteligentes: Gestión de flotas; análisis de congestión; optimización de recursos.

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 aplicado a la Movilidad Urbana

¿Qué es Big Data aplicado a la Movilidad Urbana?

Es una especialidad propia de la ingeniería civil y la edificación. 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 aplicado a la Movilidad Urbana?

Contratan sobre todo estudios de ingeniería, constructoras, promotoras y administraciones públicas. 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 aplicado a la Movilidad Urbana?

Las de referencia son Eurocódigos, Código Técnico de la Edificación, ISO 19650, 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 aplicado a la Movilidad Urbana?

En el día a día se trabaja con software de cálculo estructural, entornos BIM y herramientas de coordinación de proyecto. 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 aplicado a la Movilidad Urbana?

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 aplicado a la Movilidad Urbana 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
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 aplicado a la Movilidad UrbanaMásterMáster en Ingeniería de Movilidad Urbana, ITS & V2X
Horas300 h1900 h
Módulos612
Submódulos60120
Precio645 €7.900 €

Ver Máster en Ingeniería de Movilidad Urbana, ITS & V2X

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.