Máster en Ingeniería de Optimización Bajo Incertidumbre
Máster online de 1900 h: 12 módulos y 120 submódulos, de «Incertidumbre en la decisión» a «Trabajo Fin de Máster», pasando por «Optimización distribucionalmente robusta».
Mapa del programa · pulsa un módulo
Módulo 1 · Incertidumbre en la decisión
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.
Incertidumbre en la decisión
Saldrás manejando fuentes de incertidumbre aleatoria y epistémica, representación probabilística y por conjuntos y valor de la información. Es lo que se trabaja en «Incertidumbre en la decisión», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Programación estocástica de dos etapas
Saldrás manejando formulación con recurso, forma extensiva determinista y método L-shaped de descomposición. Es lo que se trabaja en «Programación estocástica de dos etapas», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Optimización con restricciones probabilísticas
Saldrás manejando restricciones de probabilidad individuales y conjuntas, reformulaciones convexas de restricciones probabilísticas y aproximaciones por escenarios. Es lo que se trabaja en «Optimización con restricciones probabilísticas», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Optimización distribucionalmente robusta
Saldrás manejando ambigüedad en la distribución, conjuntos basados en momentos y bolas de Wasserstein. Es lo que se trabaja en «Optimización distribucionalmente robusta», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Optimización bajo incertidumbre en diseño
Saldrás manejando diseño robusto de Taguchi, optimización basada en fiabilidad y propagación de incertidumbre en modelos. Es lo que se trabaja en «Optimización bajo incertidumbre en diseño», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Aplicaciones en ingeniería
Saldrás manejando planificación de sistemas eléctricos con renovables, cadenas de suministro resilientes y gestión de recursos hídricos. Es lo que se trabaja en «Aplicaciones en ingeniería», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Objetivos de aprendizaje
01Caracterizar las fuentes de incertidumbre de un problema de decisión.
02Generar y reducir escenarios representativos.
03Formular modelos de programación estocástica de dos y varias etapas.
04Aplicar optimización robusta y distribucionalmente robusta.
05Incorporar medidas de riesgo como el CVaR en la optimización.
06Combinar aprendizaje automático y optimización bajo incertidumbre.
07Evaluar soluciones fuera de muestra en problemas de ingeniería.
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
Incertidumbre en la decisión
1.1Fuentes de incertidumbre aleatoria y epistémica
1.2Representación probabilística y por conjuntos
1.3Valor de la información
1.4Riesgo y aversión al riesgo
1.5Medidas de riesgo VaR y CVaR
1.6Decisiones de aquí y ahora frente a esperar y ver
1.7Valor de la solución estocástica
1.8Robustez frente a optimalidad
1.9Tipología de enfoques bajo incertidumbre
1.10Caso práctico: incertidumbre en un plan de capacidad
Módulo 2 de 12 · 10 submódulos
Probabilidad y modelos de escenarios
2.1Distribuciones y estimación de parámetros
2.2Simulación de Monte Carlo
2.3Muestreo por hipercubo latino
2.4Generación de escenarios
2.5Árboles de escenarios multietapa
2.6Reducción de escenarios
2.7Cópulas y dependencia
2.8Escenarios a partir de previsiones probabilísticas
2.9Calidad de los escenarios
2.10Laboratorio: árbol de escenarios de demanda
Módulo 3 de 12 · 10 submódulos
Programación estocástica de dos etapas
3.1Formulación con recurso
3.2Forma extensiva determinista
3.3Método L-shaped de descomposición
3.4Aproximación por media muestral
3.5Problemas con recurso entero
3.6Cotas y convergencia
3.7Aplicaciones en planificación de capacidad
3.8Aplicaciones en cadena de suministro
3.9Interpretación de soluciones
3.10Práctica: localización de instalaciones con demanda incierta
Módulo 4 de 12 · 10 submódulos
Programación estocástica multietapa
4.1Decisiones secuenciales y no anticipatividad
4.2Programación dinámica estocástica
4.3SDDP: programación dinámica dual estocástica
4.4Reglas de decisión lineales
4.5Planificación con horizontes rodantes
4.6Gestión de embalses hidroeléctricos
4.7Planificación de inversiones
4.8Complejidad computacional de modelos multietapa
4.9Políticas frente a planes
4.10Laboratorio: gestión hidrotérmica con SDDP
Módulo 5 de 12 · 10 submódulos
Optimización con restricciones probabilísticas
5.1Restricciones de probabilidad individuales y conjuntas
5.2Reformulaciones convexas de restricciones probabilísticas
5.3Aproximaciones por escenarios
5.4Aproximaciones de Bernstein y CVaR
5.5Niveles de confianza y fiabilidad
5.6Aplicaciones en redes eléctricas
5.7Aplicaciones en procesos químicos
5.8Diseño basado en fiabilidad
5.9Validación fuera de muestra
5.10Taller: despacho con restricciones probabilísticas
Módulo 6 de 12 · 10 submódulos
Optimización robusta
6.1Conjuntos de incertidumbre caja, elipsoidales y poliédricos
6.2Contrapartes robustas tratables
6.3Presupuesto de incertidumbre de Bertsimas-Sim
6.4Optimización robusta ajustable
6.5Reglas de decisión afines
6.6Robustez frente al conservadurismo
6.7Robustez en programación entera
6.8Conjuntos guiados por datos
6.9Herramientas de modelado robusto
6.10Práctica: plan de producción robusto
Módulo 7 de 12 · 10 submódulos
Optimización distribucionalmente robusta
7.1Ambigüedad en la distribución
7.2Conjuntos basados en momentos
7.3Bolas de Wasserstein
7.4Conjuntos de ambigüedad con divergencias phi
7.5Reformulaciones duales tratables del problema
7.6Garantías de rendimiento fuera de muestra
7.7Relación con regularización
7.8Aplicaciones en carteras
7.9Aplicaciones en energía
7.10Laboratorio: cartera robusta con Wasserstein
Módulo 8 de 12 · 10 submódulos
Riesgo en la optimización
8.1Medidas coherentes de riesgo
8.2Optimización media-riesgo de carteras técnicas
8.3CVaR en programación lineal
8.4Riesgo en problemas multietapa
8.5Restricciones de dominancia estocástica
8.6Gestión de riesgos según ISO 31000
8.7Riesgo en proyectos de ingeniería
8.8Riesgo financiero de inversiones
8.9Comunicación del riesgo
8.10Caso práctico: cartera de proyectos con CVaR
Módulo 9 de 12 · 10 submódulos
Optimización bajo incertidumbre en diseño
9.1Diseño robusto de Taguchi
9.2Optimización basada en fiabilidad
9.3Propagación de incertidumbre en modelos
9.4Expansión en caos polinomial
9.5Modelos sustitutos con incertidumbre
9.6Optimización bayesiana con ruido
9.7Diseño de tolerancias
9.8Análisis de sensibilidad global
9.9Validación experimental del diseño robusto
9.10Taller: diseño basado en fiabilidad de una estructura
Módulo 10 de 12 · 10 submódulos
Aprendizaje y decisión bajo incertidumbre
10.1Predecir y luego optimizar
10.2Optimización consciente de la decisión
10.3Bandidos multibrazo y exploración
10.4Aprendizaje por refuerzo robusto
10.5Optimización con datos contextuales
10.6Cuantificación de incertidumbre en predicciones
10.7Predicción conformal para decisiones
10.8Optimización en línea
10.9Evaluación del valor de los modelos
10.10Práctica: inventario con previsiones conformales
Módulo 11 de 12 · 10 submódulos
Aplicaciones en ingeniería
11.1Planificación de sistemas eléctricos con renovables
11.2Cadenas de suministro resilientes
11.3Gestión de recursos hídricos
11.4Planificación de mantenimiento con fallos aleatorios
11.5Logística con tiempos inciertos
11.6Inversiones en infraestructuras
11.7Procesos químicos con parámetros inciertos
11.8Gestión de emergencias
11.9Seguros y reaseguros de riesgos técnicos
11.10Caso práctico: planificación de una microrred con incertidumbre eólica
Módulo 12 de 12 · 10 submódulos
Trabajo Fin de Máster
12.1Selección del problema con incertidumbre
12.2Caracterización de la incertidumbre
12.3Formulación determinista de referencia
12.4Modelos estocástico y robusto
12.5Implementación y resolución
12.6Evaluación fuera de muestra
12.7Análisis de riesgo y robustez
12.8Conclusiones sobre robustez y riesgo
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.
Decisiones de aquí y ahora frente a esperar y ver
Módulo 1 · Incertidumbre en la decisión
Método L-shaped de descomposición
Módulo 3 · Programación estocástica de dos etapas
Taller: despacho con restricciones probabilísticas
Módulo 5 · Optimización con restricciones probabilísticas
Módulo 9 · Optimización bajo incertidumbre en diseño
Marca los cinco conceptos y te damos tu resultado.
Normas y estándares que vas a manejar
ISO 31000IEC 31010JCGM 100:2008 (GUM)JCGM 101:2008ISO 2394ISO 22301
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 Gurobi, Pyomo, JuMP con SDDP.jl, RSOME, Python con SciPy, en versiones gratuitas, académicas o de evaluación. Los ensayos se estudian sobre procedimientos reales de planificación energética con escenarios de renovables, diseño de cadenas de suministro resilientes, optimización de carteras con medidas de riesgo. La evaluación es continua por módulo más el TFM final.
Son 12 módulos con 120 submódulos y 1900 h de trabajo total. Abre por «Incertidumbre en la decisión» y cierra con «Trabajo Fin de Máster».
Se trabajan ISO 31000, IEC 31010, JCGM 100:2008 (GUM), JCGM 101:2008, ISO 2394 y ISO 22301.
Los perfiles más directos son Ingeniero de optimización estocástica, Analista de riesgos, Planificador de sistemas energéticos, Científico de decisiones y Ingeniero de cadena de suministro.
En un pago son 3.304 €, sobre una tarifa de 4.130 €. A plazos, una entrada de 1.646 € y 12 cuotas de 207 €, 4.130 € 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 Gurobi, Pyomo, JuMP con SDDP.jl, RSOME, Python con SciPy. 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 20263.304 €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 optimización estocástica
Analista de riesgos
Planificador de sistemas energéticos
En energía, logística y finanzas.
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.