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.
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 VegaDirectora Académica del DAIS — Data, Artificial Intelligence & Simulation Institute.
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 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.
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.
Inicio de clases: 21 de diciembre de 20264.984 €Matricularme
Antes de decidir
¿Qué sacarías tú de este máster?
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 Data, IA, Simulación & Analytics 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 Data, IA, Simulación & Analytics 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 aprendizaje por refuerzo
Ingeniero de control
Investigador en IA segura
En robótica, automoción y energía.
Con sinceridad
¿Es para ti?
Sí, si quieres…
Trabajar en Data, IA, Simulación & Analytics 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.