Máster en Ingeniería de Datos Sintéticos y Simulación Sensorial
Máster online de 1900 h: 12 módulos y 120 submódulos, de «Datos sintéticos para IA» a «Trabajo Fin de Máster», pasando por «Aleatorización y diversidad».
Mapa del programa · pulsa un módulo
Módulo 1 · Datos sintéticos para IA
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 sintéticos para IA
Saldrás manejando escasez y coste de los datos reales, tipos de datos sintéticos y simulación física frente a modelos generativos. Es lo que se trabaja en «Datos sintéticos para IA», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Modelado de sensores ópticos
Saldrás manejando modelo de cámara estenopeica y distorsión, ruido, exposición y rango dinámico y obturador rodante y desenfoque de movimiento. Es lo que se trabaja en «Modelado de sensores ópticos», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Simuladores de entornos
Saldrás manejando CARLA para conducción autónoma, NVIDIA Isaac Sim y Omniverse y airSim y simulación aérea. Es lo que se trabaja en «Simuladores de entornos», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Aleatorización y diversidad
Saldrás manejando aleatorización de dominio, aleatorización estructurada según contexto y variación de iluminación, texturas y poses. Es lo que se trabaja en «Aleatorización y diversidad», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Reducción de la brecha de dominio
Saldrás manejando adaptación de dominio no supervisada, mezcla de datos reales y sintéticos y ajuste fino con pocos datos reales. Es lo que se trabaja en «Reducción de la brecha de dominio», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Validación, seguridad y normativa
Saldrás manejando uso de datos sintéticos en la Ley de IA, validación de sistemas de percepción con simulación y SOTIF y escenarios desconocidos. Es lo que se trabaja en «Validación, seguridad y normativa», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Objetivos de aprendizaje
01Diseñar estrategias de generación de datos sintéticos.
02Modelar cámaras, LiDAR y radar en simulación.
03Construir escenarios con simuladores y estándares ASAM.
04Generar anotaciones automáticas de alta calidad.
05Aplicar aleatorización de dominio y modelos generativos.
06Reducir la brecha entre datos sintéticos y reales.
07Evaluar la validez y el cumplimiento normativo de datos sintéticos.
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 sintéticos para IA
1.1Escasez y coste de los datos reales
1.2Tipos de datos sintéticos
1.3Simulación física frente a modelos generativos
1.4Brecha de dominio entre sintético y real
1.5Casos de uso en visión, robótica y automoción
1.6Datos sintéticos tabulares y privacidad
1.7Economía de la generación de datos
1.8Riesgos y limitaciones
1.9Estado del arte e industria
1.10Caso práctico: estrategia de datos para un sistema de percepción
Módulo 2 de 12 · 10 submódulos
Gráficos por ordenador para simulación
2.1Pipeline de renderizado
2.2Rasterización frente a trazado de rayos
2.3Materiales PBR y BRDF
2.4Iluminación global y trazado de caminos
2.5Escenas y grafos de escena
2.6Descripción de escenas con OpenUSD
2.7Motores Unreal Engine y Unity
2.8Generación procedural de escenas
2.9Rendimiento y renderizado en GPU
2.10Laboratorio: escena procedural en Blender con Python
Módulo 3 de 12 · 10 submódulos
Modelado de sensores ópticos
3.1Modelo de cámara estenopeica y distorsión
3.2Ruido, exposición y rango dinámico
3.3Obturador rodante y desenfoque de movimiento
3.4Cámaras de eventos
3.5Cámaras térmicas infrarrojas
3.6Simulación de lentes y óptica
3.7Calibración de cámaras simuladas
3.8Efectos meteorológicos sobre la imagen
3.9Validación frente a cámaras reales
3.10Práctica: simulación de ruido y distorsión de cámara
Módulo 4 de 12 · 10 submódulos
Modelado de LiDAR y radar
4.1Principios de funcionamiento de LiDAR
4.2Patrones de escaneo y resolución
4.3Reflectividad y materiales
4.4Ruido, pérdidas y efectos meteorológicos
4.5Principios de radar FMCW
4.6Simulación de radar por trazado de rayos
4.7Multitrayecto y sección radar
4.8Interfaz OSI para sensores
4.9Validación de modelos de sensores
4.10Laboratorio: simulador de LiDAR por trazado de rayos
Módulo 5 de 12 · 10 submódulos
Simuladores de entornos
5.1CARLA para conducción autónoma
5.2NVIDIA Isaac Sim y Omniverse
5.3AirSim y simulación aérea
5.4Gazebo y ROS
5.5Escenarios con OpenSCENARIO
5.6Redes viales con OpenDRIVE
5.7Simulación de tráfico y peatones
5.8Simulación de entornos industriales
5.9Comparación de simuladores
5.10Taller: generación de escenarios con CARLA
Módulo 6 de 12 · 10 submódulos
Etiquetado automático y anotación
6.1Ground truth perfecto en simulación
6.2Cajas, segmentación y profundidad
6.3Flujo óptico y poses
6.4Nubes de puntos etiquetadas
6.5Formatos COCO y KITTI
6.6Metadatos de escena
6.7Control de calidad de anotaciones
6.8Etiquetado de casos raros
6.9Balance de clases en datos generados
6.10Práctica: dataset de segmentación con anotación automática
Módulo 7 de 12 · 10 submódulos
Aleatorización y diversidad
7.1Aleatorización de dominio
7.2Aleatorización estructurada según contexto
7.3Variación de iluminación, texturas y poses
7.4Distribuciones de parámetros de escena
7.5Generación de casos límite
7.6Cobertura del espacio operacional
7.7Métricas de diversidad
7.8Muestreo guiado por el rendimiento del modelo
7.9Datasets a gran escala
7.10Laboratorio: aleatorización de dominio para detección de piezas
Módulo 8 de 12 · 10 submódulos
Modelos generativos
8.1Redes generativas adversarias
8.2Autoencoders variacionales para imágenes
8.3Modelos de difusión
8.4Generación condicionada por texto y mapas
8.5Traducción de imagen sintética a real
8.6Campos de radiancia neuronal
8.7Gaussian splatting para escenas realistas
8.8Generación de vídeo y escenas 4D
8.9Control de calidad de lo generado
8.10Taller: adaptación sintético-real con difusión
Módulo 9 de 12 · 10 submódulos
Reducción de la brecha de dominio
9.1Adaptación de dominio no supervisada
9.2Mezcla de datos reales y sintéticos
9.3Ajuste fino con pocos datos reales
9.4Medida de la brecha con FID y KID
9.5Representaciones invariantes al dominio
9.6Autoentrenamiento y pseudoetiquetas
9.7Validación en datos reales
9.8Estrategias por tarea
9.9Estudios de ablación
9.10Práctica: entrenamiento mixto sintético-real
Módulo 10 de 12 · 10 submódulos
Datos sintéticos tabulares y de series
10.1Generadores CTGAN y cópulas
10.2Series temporales sintéticas
10.3Simulación de procesos industriales
10.4Privacidad diferencial en datos sintéticos
10.5Métricas de fidelidad y utilidad
10.6Riesgos de reidentificación
10.7Datos sintéticos en salud y finanzas
10.8Cumplimiento con el RGPD
10.9Herramientas de código abierto
10.10Laboratorio: datos tabulares sintéticos con SDV
Módulo 11 de 12 · 10 submódulos
Validación, seguridad y normativa
11.1Uso de datos sintéticos en la Ley de IA
11.2Validación de sistemas de percepción con simulación
11.3SOTIF y escenarios desconocidos
11.4Credibilidad de simulaciones para homologación
11.5Requisitos de UNECE para conducción automatizada
11.6Sesgos introducidos por la simulación
11.7Documentación de datasets
11.8Propiedad intelectual de activos 3D
11.9Gobernanza de datos sintéticos
11.10Caso práctico: argumento de validez de un dataset sintético
Módulo 12 de 12 · 10 submódulos
Trabajo Fin de Máster
12.1Definición de la tarea de percepción
12.2Diseño del entorno y sensores
12.3Generación del dataset sintético
12.4Estrategia de aleatorización
12.5Entrenamiento del modelo
12.6Evaluación en datos reales
12.7Análisis de la brecha de dominio
12.8Conclusiones sobre la utilidad del dataset
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.
Datos sintéticos tabulares y privacidad
Módulo 1 · Datos sintéticos para IA
Obturador rodante y desenfoque de movimiento
Módulo 3 · Modelado de sensores ópticos
Taller: generación de escenarios con CARLA
Módulo 5 · Simuladores de entornos
Métricas de diversidad
Módulo 7 · Aleatorización y diversidad
Medida de la brecha con FID y KID
Módulo 9 · Reducción de la brecha de dominio
Marca los cinco conceptos y te damos tu resultado.
Normas y estándares que vas a manejar
ISO 21448ASAM OpenSCENARIO XML 1.3ASAM OpenDRIVE 1.8ASAM OSI 3Reglamento (UE) 2024/1689 (Ley de IA)Reglamento (UE) 2016/679 (RGPD)Reglamento ONU n.º 157ISO 34502
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 20-11-2026.
¿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 CARLA, NVIDIA Isaac Sim, Blender, Unreal Engine, SDV, en versiones gratuitas, académicas o de evaluación. Los ensayos se estudian sobre procedimientos reales de generación de datasets de percepción para conducción autónoma, simulación de LiDAR y cámaras, adaptación de dominio sintético-real. La evaluación es continua por módulo más el TFM final.
Son 12 módulos con 120 submódulos y 1900 h de trabajo total. Abre por «Datos sintéticos para IA» y cierra con «Trabajo Fin de Máster».
Se trabajan ISO 21448, ASAM OpenSCENARIO XML 1.3, ASAM OpenDRIVE 1.8, ASAM OSI 3, Reglamento (UE) 2024/1689 (Ley de IA) y Reglamento (UE) 2016/679 (RGPD).
Los perfiles más directos son Ingeniero de datos sintéticos, Ingeniero de simulación de sensores, Ingeniero de percepción, Ingeniero de visión artificial y Desarrollador de entornos 3D.
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 CARLA, NVIDIA Isaac Sim, Blender, Unreal Engine, SDV. 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: 20 de diciembre de 20263.864 €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 datos sintéticos
Ingeniero de simulación de sensores
Ingeniero de percepción
En automoción, robótica 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.