Diplomado en RAG Industrial con Documentación y Logs
Diplomado online de 800 h: 8 módulos y 80 submódulos, de «Arquitectura de recuperación aumentada» a «Proyecto de RAG industrial», pasando por «Generación fiable y agentes».
Mapa del programa · pulsa un módulo
Módulo 1 · Arquitectura de recuperación aumentada
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.
Arquitectura de recuperación aumentada
Saldrás manejando modelos de lenguaje y limitaciones de conocimiento, arquitectura RAG: recuperador y generador y embeddings densos y similitud semántica. Es lo que se trabaja en «Arquitectura de recuperación aumentada», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Ingesta de documentación técnica
Saldrás manejando extracción de PDF, planos y hojas de datos, OCR y documentos escaneados y tablas, diagramas y figuras. Es lo que se trabaja en «Ingesta de documentación técnica», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Ingesta y análisis de logs
Saldrás manejando formatos de logs y parsing con Drain, normalización de eventos y plantillas y ventanas temporales y correlación. Es lo que se trabaja en «Ingesta y análisis de logs», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Generación fiable y agentes
Saldrás manejando diseño de prompts con citas a fuentes, respuestas estructuradas y JSON y reducción de alucinaciones. Es lo que se trabaja en «Generación fiable y agentes», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Evaluación y seguridad
Saldrás manejando conjuntos de evaluación de dominio, métricas de recuperación: recall@k y MRR y fidelidad y relevancia con RAGAS. Es lo que se trabaja en «Evaluación y seguridad», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Despliegue industrial
Saldrás manejando arquitecturas on-premise y en nube, latencia, coste y caché semántica y actualización incremental de índices. Es lo que se trabaja en «Despliegue industrial», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Objetivos de aprendizaje
01Diseñar arquitecturas RAG adaptadas a documentación técnica y logs.
02Ingerir documentos complejos con tablas, figuras y metadatos de vigencia.
03Indexar y recuperar eventos de logs mediante búsqueda híbrida.
04Aplicar técnicas avanzadas de reranking, GraphRAG y filtros por permisos.
05Generar respuestas con citas y control de alucinaciones.
06Evaluar sistemas RAG con métricas automáticas y expertos.
07Desplegar asistentes RAG seguros integrados con sistemas industriales.
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
Arquitectura de recuperación aumentada
1.1Modelos de lenguaje y limitaciones de conocimiento
1.2Arquitectura RAG: recuperador y generador
1.3Embeddings densos y similitud semántica
1.4Búsqueda léxica BM25
1.5Búsqueda híbrida y fusión de rankings
1.6Bases de datos vectoriales: índices HNSW e IVF
1.7Ventana de contexto y presupuesto de tokens
1.8RAG frente a fine-tuning
1.9Casos industriales: manuales, procedimientos y logs
1.10Taller: primer RAG sobre un manual de mantenimiento
Módulo 2 de 8 · 10 submódulos
Ingesta de documentación técnica
2.1Extracción de PDF, planos y hojas de datos
2.2OCR y documentos escaneados
2.3Tablas, diagramas y figuras
2.4Estrategias de troceado por estructura
2.5Metadatos: equipo, versión y vigencia
2.6Normalización de terminología técnica
2.7Control de versiones documentales
2.8Tratamiento de documentos multilingües
2.9Herramientas: Unstructured y Docling
2.10Práctica: pipeline de ingesta de procedimientos de planta
Módulo 3 de 8 · 10 submódulos
Ingesta y análisis de logs
3.1Formatos de logs y parsing con Drain
3.2Normalización de eventos y plantillas
3.3Ventanas temporales y correlación
3.4Enriquecimiento con contexto de activos
3.5Indexación en Elasticsearch y OpenSearch
3.6Embeddings para secuencias de eventos
3.7Resumen de incidentes a partir de logs
3.8Volumen, retención y muestreo
3.9Datos sensibles en logs
3.10Laboratorio: búsqueda semántica en logs de un sistema
Módulo 4 de 8 · 10 submódulos
Recuperación avanzada
4.1Reranking con cross-encoders
4.2Expansión y reescritura de consultas
4.3HyDE y consultas hipotéticas
4.4Recuperación multi-salto entre documentos
4.5GraphRAG y grafos de conocimiento
4.6Filtros por metadatos y permisos
4.7Recuperación sobre tablas y SQL
4.8RAG multimodal con imágenes de equipos
4.9Ajuste fino de embeddings de dominio
4.10Caso práctico: búsqueda híbrida con reranking
Módulo 5 de 8 · 10 submódulos
Generación fiable y agentes
5.1Diseño de prompts con citas a fuentes
5.2Respuestas estructuradas y JSON
5.3Reducción de alucinaciones
5.4Rechazo ante falta de evidencia
5.5Agentes con herramientas y llamadas a funciones
5.6Orquestación con LangChain y LlamaIndex
5.7Model Context Protocol para integraciones
5.8Memoria conversacional y contexto de sesión
5.9Modelos locales frente a API
5.10Taller: asistente de diagnóstico con citas
Módulo 6 de 8 · 10 submódulos
Evaluación y seguridad
6.1Conjuntos de evaluación de dominio
6.2Métricas de recuperación: recall@k y MRR
6.3Fidelidad y relevancia con RAGAS
6.4Evaluación humana con expertos
6.5Inyección de prompts indirecta
6.6Control de acceso a documentos
6.7Fugas de información confidencial
6.8Riesgos según OWASP Top 10 para LLM
6.9Registro y auditoría de respuestas
6.10Práctica: banco de pruebas RAGAS
Módulo 7 de 8 · 10 submódulos
Despliegue industrial
7.1Arquitecturas on-premise y en nube
7.2Latencia, coste y caché semántica
7.3Actualización incremental de índices
7.4Integración con CMMS y sistemas de tickets
7.5Interfaces para técnicos de campo
7.6Observabilidad con LangSmith y Langfuse
7.7Retroalimentación de usuarios
7.8Gobierno según el Reglamento de IA
7.9Gestión del cambio en operaciones
7.10Caso práctico: despliegue en un centro de mantenimiento
Módulo 8 de 8 · 10 submódulos
Proyecto de RAG industrial
8.1Selección del corpus y del caso de uso
8.2Ingesta de documentación y logs
8.3Diseño del índice y recuperación
8.4Generación con citas
8.5Evaluación cuantitativa y con expertos
8.6Seguridad y control de accesos
8.7Plan de despliegue
8.8Análisis de coste y latencia
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.
Ventana de contexto y presupuesto de tokens
Módulo 1 · Arquitectura de recuperación aumentada
Estrategias de troceado por estructura
Módulo 2 · Ingesta de documentación técnica
Formatos de logs y parsing con Drain
Módulo 3 · Ingesta y análisis de logs
RAG multimodal con imágenes de equipos
Módulo 4 · Recuperación avanzada
Agentes con herramientas y llamadas a funciones
Módulo 5 · Generación fiable y agentes
Marca los cinco conceptos y te damos tu resultado.
Normas y estándares que vas a manejar
Reglamento (UE) 2024/1689 de Inteligencia ArtificialISO/IEC 42001:2023 (sistemas de gestión de IA)ISO/IEC 23894:2023 (gestión del riesgo en IA)Reglamento (UE) 2016/679 General de Protección de DatosISO/IEC 27001:2022 (seguridad de la información)NIST AI 600-1 (perfil de IA generativa)ISO/IEC 22989:2022 (conceptos y terminología de IA)
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 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 LlamaIndex, LangChain, Qdrant, OpenSearch, RAGAS, en versiones gratuitas, académicas o de evaluación. Los ensayos se estudian sobre procedimientos reales de asistente de consulta sobre manuales y procedimientos técnicos, búsqueda semántica y resumen de incidentes en logs, evaluación de fidelidad y seguridad de respuestas. 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 «Arquitectura de recuperación aumentada» y cierra con «Proyecto de RAG industrial».
Se trabajan Reglamento (UE) 2024/1689 de Inteligencia Artificial, ISO/IEC 42001:2023 (sistemas de gestión de IA), ISO/IEC 23894:2023 (gestión del riesgo en IA), Reglamento (UE) 2016/679 General de Protección de Datos, ISO/IEC 27001:2022 (seguridad de la información) y NIST AI 600-1 (perfil de IA generativa).
Los perfiles más directos son Ingeniero de IA generativa, Ingeniero de machine learning aplicado, Arquitecto de soluciones de IA, Especialista en gestión del conocimiento técnico y Ingeniero de fiabilidad y mantenimiento digital.
En un pago son 1.192 €, sobre una tarifa de 1.490 €. A plazos, una entrada de 596 € y 6 cuotas de 149 €, 1.490 € 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 LlamaIndex, LangChain, Qdrant, OpenSearch, RAGAS. 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 20261.192 €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 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 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 IA generativa
Ingeniero de machine learning aplicado
Arquitecto de soluciones de IA
En industria y manufactura, energía y aeronáutica.
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.