Admisión abierta 2026-2027Rellenar solicitud

Máster en Ingeniería de Edge & Data Engineering Industrial

Máster online de 1900 h: 12 módulos y 120 submódulos, de «Datos en entornos industriales» a «Trabajo Fin de Máster», pasando por «Analítica de procesos industriales».

Mapa del programa · pulsa un módulo
Módulo 1 · Datos en entornos industriales
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.

Datos en entornos industriales

Saldrás manejando fuentes de datos OT: PLC, SCADA y sensores, características de los datos de proceso y historiadores industriales de proceso. Es lo que se trabaja en «Datos en entornos industriales», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Adquisición e integración de datos

Saldrás manejando conectores OPC UA y Modbus, payloads MQTT con Sparkplug B y arquitectura de espacio de nombres unificado. Es lo que se trabaja en «Adquisición e integración de datos», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Almacenamiento y modelado

Saldrás manejando motores de series temporales, influxDB y TimescaleDB y data lakes y lakehouses. Es lo que se trabaja en «Almacenamiento y modelado», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Analítica de procesos industriales

Saldrás manejando control estadístico de procesos, análisis de causa raíz con datos y analítica de lotes en procesos discontinuos. Es lo que se trabaja en «Analítica de procesos industriales», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Gobierno y seguridad del dato

Saldrás manejando propiedad y calidad del dato industrial, políticas de acceso y roles y seguridad en la frontera IT-OT. Es lo que se trabaja en «Gobierno y seguridad del dato», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Operaciones y despliegue a escala

Saldrás manejando devOps para OT, gestión de configuración de nodos y despliegue en múltiples plantas. Es lo que se trabaja en «Operaciones y despliegue a escala», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Objetivos de aprendizaje

  • 01Caracterizar las fuentes y la naturaleza de los datos industriales.
  • 02Diseñar arquitecturas de computación en el borde.
  • 03Integrar datos de planta mediante OPC UA, MQTT y espacios de nombres unificados.
  • 04Construir pipelines de datos en streaming y por lotes.
  • 05Aplicar analítica y aprendizaje automático a datos de proceso.
  • 06Establecer políticas de gobierno y seguridad del dato industrial.
  • 07Desarrollar una plataforma de datos edge-cloud para un caso real.

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

Datos en entornos industriales

1.1Fuentes de datos OT: PLC, SCADA y sensores
1.2Características de los datos de proceso
1.3Historiadores industriales de proceso
1.4Integración de datos con MES y ERP
1.5Latencia, volumen y frecuencia de muestreo
1.6Contexto de activo y jerarquía ISA-95
1.7Calidad de dato en planta
1.8Casos de uso de datos industriales
1.9Barreras organizativas IT-OT
1.10Caso práctico: inventario de datos de una planta
Módulo 2 de 12 · 10 submódulos

Computación en el borde industrial

2.1Arquitecturas edge, fog y cloud
2.2Hardware edge industrial
2.3Virtualización y contenedores en planta
2.4Kubernetes ligero en el borde
2.5PLC virtuales y control en software
2.6Plataformas edge comerciales
2.7Determinismo y tiempo real en el borde
2.8Gestión remota de nodos edge
2.9Seguridad física y lógica del nodo
2.10Laboratorio: clúster K3s en un gateway industrial
Módulo 3 de 12 · 10 submódulos

Adquisición e integración de datos

3.1Conectores OPC UA y Modbus
3.2Payloads MQTT con Sparkplug B
3.3Arquitectura de espacio de nombres unificado
3.4Normalización y mapeo de etiquetas
3.5Edge buffering y almacenamiento local
3.6Muestreo, compresión y deadband
3.7Sincronización de tiempo en adquisición
3.8Pasarelas protocolo a protocolo
3.9Gestión de metadatos
3.10Práctica: espacio de nombres unificado con HiveMQ
Módulo 4 de 12 · 10 submódulos

Procesamiento en streaming

4.1Arquitecturas Lambda y Kappa
4.2Apache Kafka en la industria
4.3Procesamiento con Flink y Kafka Streams
4.4Ventanas temporales y agregaciones
4.5Procesamiento de eventos complejos
4.6Gestión de datos tardíos y desordenados
4.7Detección de umbrales en tiempo real
4.8Escalabilidad del streaming
4.9Monitorización de pipelines
4.10Taller: cálculo de OEE en streaming con Flink
Módulo 5 de 12 · 10 submódulos

Almacenamiento y modelado

5.1Motores de series temporales
5.2InfluxDB y TimescaleDB
5.3Data lakes y lakehouses
5.4Formatos Parquet y Delta Lake
5.5Modelado de activos y jerarquías
5.6Gemelo de datos de planta
5.7Facultades y linaje de datos
5.8Retención y downsampling
5.9Rendimiento de consultas analíticas
5.10Práctica: lakehouse industrial con Delta Lake
Módulo 6 de 12 · 10 submódulos

Ingeniería de pipelines de datos

6.1Diseño de procesos ETL y ELT
6.2Orquestación con Airflow y Dagster
6.3Transformaciones con dbt
6.4Validación y pruebas de datos
6.5Versionado de datos y esquemas
6.6Pipelines reproducibles y deterministas
6.7Gestión de errores en pipelines
6.8Despliegue continuo de pipelines
6.9Documentación de datos
6.10Laboratorio: pipeline de lotes con Airflow
Módulo 7 de 12 · 10 submódulos

Analítica de procesos industriales

7.1Control estadístico de procesos
7.2Análisis de causa raíz con datos
7.3Analítica de lotes en procesos discontinuos
7.4Correlación de variables de proceso
7.5Detección de anomalías multivariante
7.6Visualización con Grafana
7.7Indicadores de eficiencia energética
7.8Análisis de calidad de producto
7.9Informes de producción automatizados
7.10Caso práctico: análisis de rechazos en una línea
Módulo 8 de 12 · 10 submódulos

Modelos de IA en el borde

8.1Modelos para series temporales
8.2Mantenimiento predictivo con aprendizaje automático
8.3Optimización y compresión de modelos
8.4Inferencia con ONNX Runtime y TensorRT
8.5Visión artificial en el borde
8.6MLOps para entornos industriales
8.7Deriva de modelos y reentrenamiento
8.8Explicabilidad en decisiones de planta
8.9Validación de modelos en producción
8.10Práctica: despliegue de un modelo ONNX en el borde
Módulo 9 de 12 · 10 submódulos

Gobierno y seguridad del dato

9.1Propiedad y calidad del dato industrial
9.2Políticas de acceso y roles
9.3Seguridad en la frontera IT-OT
9.4Cifrado y gestión de secretos
9.5Ciberseguridad según IEC 62443
9.6Espacios de datos industriales
9.7Soberanía del dato y Gaia-X
9.8Ley de Datos europea
9.9Auditoría y trazabilidad
9.10Taller: política de gobierno del dato para una planta
Módulo 10 de 12 · 10 submódulos

Arquitecturas cloud híbridas

10.1Servicios industriales en la nube
10.2Conectividad segura planta-nube
10.3Arquitecturas multicloud para datos industriales
10.4Costes de transferencia y almacenamiento
10.5Plataformas de datos industriales comerciales
10.6Infraestructura como código con Terraform
10.7Observabilidad de la arquitectura
10.8Recuperación ante desastres
10.9Selección de arquitectura según caso
10.10Caso práctico: migración híbrida de un historiador
Módulo 11 de 12 · 10 submódulos

Operaciones y despliegue a escala

11.1DevOps para OT
11.2Gestión de configuración de nodos
11.3Despliegue en múltiples plantas
11.4Gestión del cambio con operaciones
11.5Escalado de casos de uso piloto
11.6Indicadores de valor del dato
11.7Formación de equipos mixtos
11.8Gestión de proveedores tecnológicos
11.9Hoja de ruta de transformación
11.10Taller: plan de escalado de un piloto
Módulo 12 de 12 · 10 submódulos

Trabajo Fin de Máster

12.1Definición del caso de uso de datos
12.2Análisis de fuentes y requisitos
12.3Diseño de la arquitectura edge-cloud
12.4Implementación de pipelines
12.5Modelado y analítica
12.6Despliegue de modelo en el borde
12.7Evaluación de valor y rendimiento
12.8Conclusiones sobre la plataforma de datos
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.

Casos de uso de datos industriales
Módulo 1 · Datos en entornos industriales
Edge buffering y almacenamiento local
Módulo 3 · Adquisición e integración de datos
InfluxDB y TimescaleDB
Módulo 5 · Almacenamiento y modelado
Informes de producción automatizados
Módulo 7 · Analítica de procesos industriales
Espacios de datos industriales
Módulo 9 · Gobierno y seguridad del dato

Marca los cinco conceptos y te damos tu resultado.

Normas y estándares que vas a manejar

IEC 62264IEC 62541IEC 62443-2-1Reglamento (UE) 2023/2854ISO/IEC 25012ISO 22400-2Reglamento (UE) 2016/679Eclipse Sparkplug 3.0

Cuerpo docente y expertos

Este programa se imparte en el área de Electrónica, Embebidos & Telecom, que dirige Dr. Kevin O’Connor. Debajo, los directores académicos más cercanos a este programa. El detalle de cada instituto está en la página de institutos.

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.
Dra. Lucía Hernández Vega Dra. Lucía Hernández VegaDirectora Académica del DAIS — Data, Artificial Intelligence & Simulation 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 datos industriales
Arquitecto edge-cloud
Ingeniero de MLOps industrial
Analista de datos de proceso
Ingeniero de plataformas IIoT
Responsable de transformación digital

Para quién es

Ingeniero de datos industriales
Arquitecto edge-cloud
Ingeniero de MLOps industrial
Analista de datos de proceso
Ingeniero de plataformas IIoT
Responsable de transformación digital
Titulados en ingeniería o ciencias que busquen entrar en fabricación

Otras formaciones del área

Del mismo área y nivel, para completar tu itinerario.

Áreas cercanas: todas las de Electrónica, Embebidos & Telecom · Aeroespacial, UAM, Drones & Espacio · Automoción & Motorsport · Autónomos, ADAS & Vehículo Definido por Software · Civil, Rail & Smart Cities · Data, IA, Simulación & Analytics · Defensa, Ingeniería Militar & Sistemas Terrestres (enfoque académico, legal y ético) · Diseño, HMI & Producto · 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 Electrónica, Embebidos & Telecom?
¿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 Apache Kafka, Apache Flink, InfluxDB, Grafana, Apache Airflow, en versiones gratuitas, académicas o de evaluación. Los ensayos se estudian sobre procedimientos reales de construcción de pipelines de datos desde PLC hasta la nube, análisis de indicadores OEE con datos de proceso, despliegue de modelos de aprendizaje automático en nodos edge. 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 «Datos en entornos industriales» y cierra con «Trabajo Fin de Máster».

Se trabajan IEC 62264, IEC 62541, IEC 62443-2-1, Reglamento (UE) 2023/2854, ISO/IEC 25012 y ISO 22400-2.

Los perfiles más directos son Ingeniero de datos industriales, Arquitecto edge-cloud, Ingeniero de MLOps industrial, Analista de datos de proceso y Ingeniero de plataformas IIoT.

En un pago son 3.864 €, sobre una tarifa de 4.830 €. A plazos, una entrada de 1.926 € y 12 cuotas de 242 €, 4.830 € 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 Apache Kafka, Apache Flink, InfluxDB, Grafana, Apache Airflow. 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: 22 de diciembre de 20263.864 € Matricularme
Contactar con Seium
Pago al contado3.864 €ahorras 966 €
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.