Admisión abierta 2026-2027Rellenar solicitud

Máster en Ingeniería de Aprendizaje por refuerzo, control e IA segura

Máster online de 1900 h: 12 módulos y 120 submódulos, de «Decisión secuencial y control» a «Trabajo Fin de Máster», pasando por «Aprendizaje por refuerzo seguro».

Mapa del programa · pulsa un módulo
Módulo 1 · Decisión secuencial y control
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.

Decisión secuencial y control

Saldrás manejando procesos de decisión de Markov, recompensa, retorno y factor de descuento y políticas y funciones de valor. Es lo que se trabaja en «Decisión secuencial y control», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Aprendizaje por refuerzo profundo basado en valor

Saldrás manejando aproximación de funciones con redes neuronales, arquitectura de las Deep Q-Networks y repetición de experiencia y redes objetivo. Es lo que se trabaja en «Aprendizaje por refuerzo profundo basado en valor», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Aprendizaje basado en modelos

Saldrás manejando modelos dinámicos aprendidos, planificación con modelos y control predictivo con modelos aprendidos. Es lo que se trabaja en «Aprendizaje basado en modelos», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Aprendizaje por refuerzo seguro

Saldrás manejando definición de seguridad en sistemas aprendidos, MDP con restricciones y optimización de política con restricciones. Es lo que se trabaja en «Aprendizaje por refuerzo seguro», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Verificación y garantías

Saldrás manejando verificación formal de redes neuronales, análisis de alcanzabilidad y lógica temporal y especificaciones. Es lo que se trabaja en «Verificación y garantías», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Aplicaciones de control inteligente

Saldrás manejando robótica y manipulación, vehículos autónomos y drones y climatización y eficiencia de edificios. Es lo que se trabaja en «Aplicaciones de control inteligente», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Objetivos de aprendizaje

  • 01Formular problemas de control como procesos de decisión de Markov.
  • 02Implementar algoritmos de aprendizaje por refuerzo tabulares y profundos.
  • 03Comparar controladores aprendidos con técnicas de control clásico.
  • 04Diseñar políticas que respeten restricciones de seguridad.
  • 05Transferir políticas de la simulación al sistema real.
  • 06Verificar el comportamiento de controladores basados en redes neuronales.
  • 07Elaborar argumentos de seguridad conforme a la normativa de seguridad funcional.

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

Decisión secuencial y control

1.1Procesos de decisión de Markov
1.2Recompensa, retorno y factor de descuento
1.3Políticas y funciones de valor
1.4Ecuaciones de Bellman
1.5Relación entre control óptimo y aprendizaje por refuerzo
1.6Observabilidad parcial y POMDP
1.7Exploración frente a explotación
1.8Formulación de problemas de control como MDP
1.9Taxonomía de algoritmos de refuerzo
1.10Caso práctico: formulación de un MDP para control de temperatura
Módulo 2 de 12 · 10 submódulos

Métodos tabulares y programación dinámica

2.1Iteración de valor e iteración de política
2.2Métodos de Monte Carlo
2.3Diferencias temporales TD(0)
2.4SARSA y Q-learning
2.5Trazas de elegibilidad
2.6Bandidos multibrazo y UCB
2.7Convergencia de los métodos tabulares
2.8Diseño de recompensas
2.9Entornos de simulación con Gymnasium
2.10Laboratorio: Q-learning en un entorno de rejilla
Módulo 3 de 12 · 10 submódulos

Aprendizaje por refuerzo profundo basado en valor

3.1Aproximación de funciones con redes neuronales
3.2Arquitectura de las Deep Q-Networks
3.3Repetición de experiencia y redes objetivo
3.4Double DQN y Dueling DQN
3.5Repetición de experiencia priorizada
3.6Rainbow y extensiones distribucionales
3.7Estabilidad del entrenamiento
3.8Hiperparámetros críticos del entrenamiento
3.9Evaluación y reproducibilidad
3.10Práctica: DQN para un problema de control discreto
Módulo 4 de 12 · 10 submódulos

Gradiente de política y actor-crítico

4.1Teorema del gradiente de política
4.2REINFORCE y líneas base
4.3Métodos actor-crítico A2C
4.4Optimización de política proximal PPO
4.5Métodos de región de confianza TRPO
4.6Control continuo con DDPG y TD3
4.7Soft Actor-Critic y regularización entrópica
4.8Paralelización del entrenamiento
4.9Implementaciones de referencia en Stable-Baselines3
4.10Laboratorio: control continuo de un péndulo con SAC
Módulo 5 de 12 · 10 submódulos

Aprendizaje basado en modelos

5.1Modelos dinámicos aprendidos
5.2Planificación con modelos
5.3Control predictivo con modelos aprendidos
5.4Dyna y modelos del mundo
5.5MuZero y planificación latente
5.6Incertidumbre del modelo y conjuntos
5.7Eficiencia muestral de los métodos
5.8Identificación de sistemas para RL
5.9Combinación con modelos físicos
5.10Práctica: control predictivo con un modelo neuronal
Módulo 6 de 12 · 10 submódulos

Control clásico y moderno

6.1Realimentación, estabilidad y robustez
6.2Control PID y sintonía
6.3Espacio de estados y controlabilidad
6.4Regulador cuadrático lineal
6.5Control predictivo basado en modelo
6.6Estabilidad de Lyapunov
6.7Control robusto H infinito
6.8Control adaptativo por modelo de referencia
6.9Comparación entre control clásico y aprendido
6.10Taller: LQR frente a PPO en un sistema mecánico
Módulo 7 de 12 · 10 submódulos

Aprendizaje por refuerzo seguro

7.1Definición de seguridad en sistemas aprendidos
7.2MDP con restricciones
7.3Optimización de política con restricciones
7.4Escudos de seguridad
7.5Funciones de barrera de control
7.6Exploración segura durante el aprendizaje
7.7Funciones de Lyapunov aprendidas
7.8Recompensas mal especificadas y reward hacking
7.9Benchmarks de RL seguro
7.10Laboratorio: escudo de seguridad sobre un controlador PPO
Módulo 8 de 12 · 10 submódulos

Robustez y transferencia

8.1Del simulador al mundo real
8.2Aleatorización de dominio
8.3RL adversario y robusto
8.4Generalización a nuevas tareas
8.5Meta-aprendizaje para adaptación rápida
8.6Aprendizaje por refuerzo fuera de línea
8.7Conservatismo en datos estáticos
8.8Evaluación fuera de política
8.9Pruebas de estrés de políticas
8.10Práctica: transferencia sim-to-real con aleatorización
Módulo 9 de 12 · 10 submódulos

Verificación y garantías

9.1Verificación formal de redes neuronales
9.2Análisis de alcanzabilidad
9.3Lógica temporal y especificaciones
9.4Pruebas basadas en escenarios
9.5Falsificación de controladores
9.6Monitores en tiempo de ejecución
9.7Certificación de robustez
9.8Herramientas de verificación de redes
9.9Límites de la verificación
9.10Taller: falsificación de un controlador con especificaciones STL
Módulo 10 de 12 · 10 submódulos

Seguridad funcional e IA

10.1Seguridad funcional según IEC 61508
10.2ISO 26262 y SOTIF ISO 21448
10.3ISO/IEC TR 5469 sobre IA y seguridad funcional
10.4Ciclo de vida de seguridad con componentes aprendidos
10.5Argumentos de seguridad y GSN
10.6Análisis de riesgos de sistemas autónomos
10.7UL 4600 para sistemas autónomos
10.8Supervisión humana de sistemas autónomos
10.9Ley de IA y sistemas de alto riesgo
10.10Caso práctico: caso de seguridad de un controlador aprendido
Módulo 11 de 12 · 10 submódulos

Aplicaciones de control inteligente

11.1Robótica y manipulación
11.2Vehículos autónomos y drones
11.3Climatización y eficiencia de edificios
11.4Redes eléctricas y almacenamiento
11.5Control de procesos químicos
11.6Logística y gestión de inventarios
11.7Sistemas de recomendación secuenciales
11.8Alineamiento de modelos de lenguaje con RLHF
11.9Lecciones de despliegues reales
11.10Práctica: control de climatización con RL y restricciones
Módulo 12 de 12 · 10 submódulos

Trabajo Fin de Máster

12.1Definición del problema de control
12.2Entorno de simulación
12.3Formulación de recompensas y restricciones
12.4Entrenamiento de políticas
12.5Mecanismos de seguridad
12.6Verificación y pruebas
12.7Evaluación frente a controladores clásicos
12.8Conclusiones sobre seguridad y rendimiento
12.9Memoria del TFM
12.10Defensa ante tribunal

¿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.

Políticas y funciones de valor
Módulo 1 · Decisión secuencial y control
Práctica: DQN para un problema de control discreto
Módulo 3 · Aprendizaje por refuerzo profundo basado en valor
Eficiencia muestral de los métodos
Módulo 5 · Aprendizaje basado en modelos
Escudos de seguridad
Módulo 7 · Aprendizaje por refuerzo seguro
Verificación formal de redes neuronales
Módulo 9 · Verificación y garantías

Marca los cinco conceptos y te damos tu resultado.

Normas y estándares que vas a manejar

IEC 61508ISO 21448ISO/IEC TR 5469ISO 26262Reglamento (UE) 2024/1689 (Ley de IA)ANSI/UL 4600ISO/IEC 23894

Cuerpo docente y expertos

Este programa se imparte en el área de Data, IA, Simulación & Analytics, que dirige Dra. Lucía Hernández Vega. Debajo, los directores académicos más cercanos a este programa. El detalle de cada instituto está en la página de institutos.

Dra. Lucía Hernández Vega Dra. Lucía Hernández VegaDirectora Académica del DAIS — Data, Artificial Intelligence & Simulation Institute.
Dr. Kevin O’Connor Dr. Kevin O’ConnorDirector Académico del EET — Electronics & Embedded Technologies Institute.
Prof. Kenji Takahashi Prof. Kenji TakahashiDirector Académico del SRA — Robotics & Autonomous Systems Institute.

El claustro completo y los once institutos, con sus líneas de trabajo, están en institutos SEIUM y en liderazgo y consejo asesor.

Dónde se trabaja con esto

Perfiles a los que da acceso el programa.

Ingeniero de aprendizaje por refuerzo
Ingeniero de control
Investigador en IA segura
Ingeniero de sistemas autónomos
Ingeniero de seguridad funcional
Científico de datos de decisión

Para quién es

Ingeniero de aprendizaje por refuerzo
Ingeniero de control
Investigador en IA segura
Ingeniero de sistemas autónomos
Ingeniero de seguridad funcional
Científico de datos de decisión
Titulados en ingeniería o ciencias que busquen entrar en robótica

Otras formaciones del área

Del mismo área y nivel, para completar tu itinerario.

En el blog técnico: Ingeniero de datos en motorsport: telemetría, herramientas y plan de aprendizaje · EVTOL y control de vuelo: seguridad, eficiencia y certificación avanzada · Satélites pequeños: guía práctica para sistemas de control de misión.

Áreas cercanas: todas las de Data, IA, Simulación & Analytics · Aeroespacial, UAM, Drones & Espacio · Automoción & Motorsport · Autónomos, ADAS & Vehículo Definido por Software · Civil, Rail & Smart Cities · Defensa, Ingeniería Militar & Sistemas Terrestres (enfoque académico, legal y ético) · Diseño, HMI & Producto · Electromovilidad, Baterías & Hidrógeno · todas las facultades.

Opiniones de alumnos

Opiniones verificadas de alumnos de SEIUM, recogidas en Opynio.

Ver reseñas completas

De la solicitud al aula, sin esperas

  1. 1Rellenas la solicitud de admisiónTitulación o experiencia y firma, en una sola página.
  2. 2El sistema verifica la documentación al instanteEl sistema comprueba los datos y la firma al momento.
  3. 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.

El proceso completo, con documentación, plazos, convalidaciones y becas, está en admisión, cómo aplicar y becas y ayudas.

Comprueba tu acceso en tres respuestas

¿Tienes titulación universitaria en ingeniería, ciencias o arquitectura, o experiencia profesional equivalente?
¿Trabajas o quieres trabajar en Data, IA, Simulación & Analytics?
¿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 Gymnasium, Stable-Baselines3, MATLAB Reinforcement Learning Toolbox, MuJoCo, Ray RLlib, en versiones gratuitas, académicas o de evaluación. Los ensayos se estudian sobre procedimientos reales de control continuo de sistemas mecánicos en simulación, gestión energética de edificios con restricciones, verificación de políticas mediante falsificación. La evaluación es continua por módulo más el TFM final.

Las modalidades, el calendario y las tasas son comunes a todos los programas: modalidades, calendario académico y tasas y financiación.

Preguntas frecuentes

Son 12 módulos con 120 submódulos y 1900 h de trabajo total. Abre por «Decisión secuencial y control» y cierra con «Trabajo Fin de Máster».

Se trabajan IEC 61508, ISO 21448, ISO/IEC TR 5469, ISO 26262, Reglamento (UE) 2024/1689 (Ley de IA) y ANSI/UL 4600.

Los perfiles más directos son Ingeniero de aprendizaje por refuerzo, Ingeniero de control, Investigador en IA segura, Ingeniero de sistemas autónomos y Ingeniero de seguridad funcional.

En un pago son 4.984 €, sobre una tarifa de 6.230 €. A plazos, una entrada de 2.486 € y 12 cuotas de 312 €, 6.230 € en total, sin intereses: lo mismo que la tarifa.

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 Gymnasium, Stable-Baselines3, MATLAB Reinforcement Learning Toolbox, MuJoCo, Ray RLlib. 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.

Las dudas comunes a todos los programas (titulación, convalidaciones, visado, idiomas) están resueltas en preguntas frecuentes, equivalencias y convalidaciones e idiomas.

Inicio de clases: 21 de diciembre de 20264.984 € Matricularme
Contactar con Seium
Pago al contado4.984 €ahorras 1.246 €
Reservar plaza
Seium - Universidad de ingeniería avanzada
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.