Máster en Ingeniería de NLP Técnico y Asistentes de Ingeniería
Máster online de 1900 h: 12 módulos y 120 submódulos, de «Lingüística computacional para textos técnicos» a «Trabajo Fin de Máster», pasando por «Agentes y orquestación de herramientas».
Mapa del programa · pulsa un módulo
Módulo 1 · Lingüística computacional para textos técnicos
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.
Lingüística computacional para textos técnicos
Saldrás manejando tokenización de documentación técnica y unidades, morfología, lematización y terminología especializada y análisis de dependencias en requisitos escritos. Es lo que se trabaja en «Lingüística computacional para textos técnicos», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Prompting y salida estructurada
Saldrás manejando prompting zero-shot, few-shot y razonamiento paso a paso, mensajes de sistema y control de estilo y salidas JSON validadas con esquemas Pydantic. Es lo que se trabaja en «Prompting y salida estructurada», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Extracción de información en ingeniería
Saldrás manejando clasificación de requisitos con la sintaxis EARS, tablas en PDF: Camelot, pdfplumber y OCR y lectura de cajetines y listas de materiales. Es lo que se trabaja en «Extracción de información en ingeniería», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Agentes y orquestación de herramientas
Saldrás manejando patrones ReAct y planificador-ejecutor, integración con calculadoras y solvers numéricos y consultas SQL generadas sobre bases técnicas. Es lo que se trabaja en «Agentes y orquestación de herramientas», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Evaluación, fiabilidad y seguridad
Saldrás manejando conjuntos de evaluación de dominio propios, LLM como juez y sus sesgos y calibración de confianza y abstención controlada. Es lo que se trabaja en «Evaluación, fiabilidad y seguridad», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Gobernanza, regulación y adopción
Saldrás manejando reglamento europeo de IA y niveles de riesgo, sistemas de gestión de IA según ISO/IEC 42001 y protección de datos personales en asistentes. Es lo que se trabaja en «Gobernanza, regulación y adopción», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Objetivos de aprendizaje
01Diseñar pipelines de procesamiento de lenguaje para documentación técnica.
02Construir asistentes RAG con citas trazables a normas y manuales.
03Extraer requisitos, tablas y listas de materiales de documentos no estructurados.
04Adaptar modelos de lenguaje al dominio mediante ajuste fino eficiente.
05Orquestar agentes que usen herramientas de cálculo, CAD y PLM.
06Evaluar la fiabilidad, seguridad y sesgos de asistentes en producción.
07Implantar asistentes de ingeniería conforme al Reglamento europeo de IA.
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
Lingüística computacional para textos técnicos
1.1Tokenización de documentación técnica y unidades
1.2Morfología, lematización y terminología especializada
1.3Análisis de dependencias en requisitos escritos
1.4Reconocimiento de entidades en normas y fichas
1.5Representaciones vectoriales: word2vec, fastText y GloVe
1.6Corpus técnicos: manuales, especificaciones y tickets
1.7Anotación de corpus y acuerdo entre anotadores
1.8Extracción basada en reglas y expresiones regulares
1.9Métricas de evaluación: precisión, exhaustividad y F1
1.10Laboratorio: pipeline spaCy sobre manuales de mantenimiento
Módulo 2 de 12 · 10 submódulos
Arquitecturas Transformer y modelos de lenguaje
2.1Mecanismo de atención y autoatención multicabeza
2.2Codificadores tipo BERT y decodificadores tipo GPT
2.3Objetivos de preentrenamiento enmascarado y causal
2.4Tokenizadores BPE, WordPiece y SentencePiece
2.5Ventana de contexto y codificación posicional RoPE
2.6Leyes de escalado y elección de tamaño
2.7Modelos abiertos: Llama, Mistral y Qwen
2.8Cuantización GPTQ, AWQ y formato GGUF
2.9Inferencia eficiente con vLLM y KV-cache
2.10Práctica: servir un modelo abierto en GPU local
Módulo 3 de 12 · 10 submódulos
Prompting y salida estructurada
3.1Prompting zero-shot, few-shot y razonamiento paso a paso
3.2Mensajes de sistema y control de estilo
3.3Salidas JSON validadas con esquemas Pydantic
3.4Llamadas a funciones y uso de herramientas
3.5Gestión de unidades y magnitudes en respuestas
3.6Reducción de alucinaciones con restricciones explícitas
3.7Versionado y pruebas de regresión de prompts
3.8Inyección de prompts y defensas básicas
3.9Coste por token y optimización de latencia
3.10Taller: extractor de requisitos a JSON validado
Módulo 4 de 12 · 10 submódulos
Recuperación aumentada sobre documentación
4.1Ingesta de PDF, planos y hojas de datos
4.2Segmentación semántica y por estructura documental
4.3Modelos de embedding y selección por dominio
4.4Bases vectoriales: FAISS, Qdrant y pgvector
4.5Búsqueda híbrida BM25 con recuperación densa
4.6Reordenación de pasajes con cross-encoders
4.7Citas trazables a cláusula y página
4.8Actualización incremental del índice documental
4.9Evaluación RAG con Ragas: fidelidad y relevancia
4.10Laboratorio: asistente RAG sobre normas internas
Módulo 5 de 12 · 10 submódulos
Extracción de información en ingeniería
5.1Clasificación de requisitos con la sintaxis EARS
5.2Tablas en PDF: Camelot, pdfplumber y OCR
5.3Lectura de cajetines y listas de materiales
5.4Normalización de unidades físicas con Pint
5.5Detección de ambigüedad en especificaciones técnicas
5.6Relaciones entre componentes y grafos de conocimiento
5.7Ontologías técnicas y vocabularios controlados
5.8Vinculación con códigos de pieza del PLM
5.9Validación humana y bucles de corrección
5.10Caso práctico: BOM estructurada desde especificaciones escaneadas
Módulo 6 de 12 · 10 submódulos
Ajuste fino y adaptación al dominio
6.1Cuándo ajustar el modelo y cuándo recuperar
6.2Datasets instruccionales a partir de informes técnicos
6.3Adaptadores LoRA y QLoRA con PEFT
6.4Ajuste supervisado y plantillas de chat
6.5Alineamiento por preferencias mediante DPO
6.6Datos sintéticos y control de contaminación
6.7Olvido catastrófico y evaluación de regresión
6.8Destilación hacia modelos pequeños desplegables
6.9Registro de experimentos con MLflow
6.10Práctica: QLoRA sobre informes de incidencias
Módulo 7 de 12 · 10 submódulos
Agentes y orquestación de herramientas
7.1Patrones ReAct y planificador-ejecutor
7.2Integración con calculadoras y solvers numéricos
7.3Consultas SQL generadas sobre bases técnicas
7.4Conexión con APIs de CAD y PLM
7.5Protocolo MCP para exponer herramientas
7.6Memoria de conversación y estado de tareas
7.7Límites de autonomía y aprobación humana
7.8Trazas y observabilidad con Langfuse
7.9Gestión de errores y reintentos de herramientas
7.10Taller: agente que dimensiona y documenta un componente
Módulo 8 de 12 · 10 submódulos
Asistentes de código para CAE
8.1Generación de scripts Python para preproceso CAE
8.2Macros para FreeCAD y APIs de CAD
8.3Asistencia en programación PLC según IEC 61131-3
8.4Pruebas unitarias generadas y revisión de código
8.5Análisis estático y detección de código inseguro
8.6Documentación técnica generada desde el código
8.7Licencias de código y propiedad intelectual
8.8Integración en IDE y flujos de revisión
8.9Métricas de productividad y calidad del código
8.10Práctica: automatizar el mallado con un LLM
Módulo 9 de 12 · 10 submódulos
Evaluación, fiabilidad y seguridad
9.1Conjuntos de evaluación de dominio propios
9.2LLM como juez y sus sesgos
9.3Calibración de confianza y abstención controlada
9.4Pruebas adversarias y red teaming
9.5Fugas de datos y privacidad documental
9.6Riesgos del OWASP Top 10 para LLM
9.7Gestión de riesgos según NIST AI RMF
9.8Monitorización de deriva en producción
9.9Trazabilidad para sectores regulados
9.10Caso práctico: auditoría de un asistente de mantenimiento
Módulo 10 de 12 · 10 submódulos
Despliegue y LLMOps
10.1Arquitectura en nube frente a on-premise
10.2Contenedores, Kubernetes y escalado de GPU
10.3Pasarelas de modelos y enrutado por coste
10.4Caché semántica y control de latencia
10.5Gestión de secretos y control de acceso
10.6Despliegue canario y pruebas A/B
10.7Registro de auditoría de interacciones
10.8Coste total de operación del asistente
10.9Consumo energético de la inferencia
10.10Laboratorio: despliegue con vLLM y Kubernetes
Módulo 11 de 12 · 10 submódulos
Gobernanza, regulación y adopción
11.1Reglamento europeo de IA y niveles de riesgo
11.2Sistemas de gestión de IA según ISO/IEC 42001
11.3Protección de datos personales en asistentes
11.4Derechos de autor de normas y manuales
11.5Diseño de interacción y confianza del usuario
11.6Gestión del cambio en oficinas técnicas
11.7Alfabetización en IA para ingenieros
11.8Retorno de inversión y caso de negocio
11.9Fichas de modelo y documentación del sistema
11.10Caso práctico: plan de implantación en una ingeniería
Módulo 12 de 12 · 10 submódulos
Trabajo Fin de Máster
12.1Definición del caso de uso y alcance
12.2Recopilación y licencias del corpus técnico
12.3Diseño de arquitectura del asistente
12.4Implementación del prototipo funcional
12.5Plan de evaluación y métricas de éxito
12.6Pruebas con usuarios ingenieros reales
12.7Análisis de riesgos y cumplimiento regulatorio
12.8Documentación y reproducibilidad del código
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.
Análisis de dependencias en requisitos escritos
Módulo 1 · Lingüística computacional para textos técnicos
Taller: extractor de requisitos a JSON validado
Módulo 3 · Prompting y salida estructurada
Ontologías técnicas y vocabularios controlados
Módulo 5 · Extracción de información en ingeniería
Conexión con APIs de CAD y PLM
Módulo 7 · Agentes y orquestación de herramientas
Conjuntos de evaluación de dominio propios
Módulo 9 · Evaluación, fiabilidad y seguridad
Marca los cinco conceptos y te damos tu resultado.
Normas y estándares que vas a manejar
Reglamento (UE) 2024/1689 de Inteligencia ArtificialISO/IEC 42001:2023NIST AI RMF 1.0ISO/IEC 23894:2023Reglamento (UE) 2016/679 (RGPD)ISO/IEC 22989:2022ISO/IEC 27001:2022
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 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 Hugging Face Transformers, spaCy, LangChain, vLLM, Qdrant, en versiones gratuitas, académicas o de evaluación. Los ensayos se estudian sobre procedimientos reales de evaluación de asistentes sobre corpus técnicos reales, pruebas con ingenieros en oficinas técnicas, auditoría de respuestas frente a las normas citadas. La evaluación es continua por módulo más el TFM final.
Son 12 módulos con 120 submódulos y 1900 h de trabajo total. Abre por «Lingüística computacional para textos técnicos» y cierra con «Trabajo Fin de Máster».
Se trabajan Reglamento (UE) 2024/1689 de Inteligencia Artificial, ISO/IEC 42001:2023, NIST AI RMF 1.0, ISO/IEC 23894:2023, Reglamento (UE) 2016/679 (RGPD) y ISO/IEC 22989:2022.
Los perfiles más directos son Ingeniero de NLP, Ingeniero de LLMOps, Desarrollador de asistentes técnicos, Especialista en gestión del conocimiento técnico y Arquitecto de soluciones de IA generativa.
En un pago son 5.544 €, sobre una tarifa de 6.930 €. A plazos, una entrada de 2.766 € y 12 cuotas de 347 €, 6.930 € 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 Hugging Face Transformers, spaCy, LangChain, vLLM, Qdrant. 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 20265.544 €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 NLP
Ingeniero de LLMOps
Desarrollador de asistentes técnicos
En ingeniería y consultoría técnica, automoción y aeroespacial.
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.