Admisión abierta 2026-2027Rellenar solicitud

Curso de Inteligencia artificial en planificación agrícola

Curso online de 300 h: 6 módulos y 60 submódulos, de «Decisiones agrícolas y datos disponibles» a «Ética, datos y proyecto final», pasando por «Optimización y planificación».

Mapa del programa · pulsa un módulo
Módulo 1 · Decisiones agrícolas y datos disponibles
300 hDuración total
6Módulos
60Submódulos
OnlineModalidad

Competencias y resultados

6 bloques de competencia, sacados de los módulos de este programa. Pulsa cualquiera y ves qué vas a saber hacer.

Decisiones agrícolas y datos disponibles

Saldrás manejando decisiones de la campaña: qué, cuándo, cuánto y dónde, datos de parcela: suelo, histórico y topografía y datos meteorológicos y previsiones. Es lo que se trabaja en «Decisiones agrícolas y datos disponibles», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Preparación de datos y variables

Saldrás manejando delimitación de parcelas y zonas de manejo, alineación espacial y temporal de las fuentes y construcción de series por parcela y por campaña. Es lo que se trabaja en «Preparación de datos y variables», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Modelos de predicción agronómica

Saldrás manejando predicción de rendimiento por zona, modelos de necesidades de riego y predicción de riesgo de plaga y de enfermedad. Es lo que se trabaja en «Modelos de predicción agronómica», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Optimización y planificación

Saldrás manejando planificación de la rotación con criterios múltiples, asignación de cultivos a parcelas y optimización del riego con recurso limitado. Es lo que se trabaja en «Optimización y planificación», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Prescripciones y ejecución en campo

Saldrás manejando de la predicción a la prescripción por zona, mapas de dosis variable y su formato y integración con el terminal de la máquina. Es lo que se trabaja en «Prescripciones y ejecución en campo», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Ética, datos y proyecto final

Saldrás manejando propiedad de los datos agronómicos del agricultor, cesión a plataformas y a proveedores y dependencia tecnológica y plan de salida. Es lo que se trabaja en «Ética, datos y proyecto final», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Objetivos de aprendizaje

  • 01Identificar las decisiones agrícolas que pueden apoyarse en datos.
  • 02Preparar y depurar datos de campo, clima y satélite.
  • 03Entrenar modelos de predicción de rendimiento y fenología.
  • 04Aplicar técnicas de optimización a la planificación de labores.
  • 05Convertir resultados de modelos en prescripciones ejecutables en campo.
  • 06Evaluar la ética, la propiedad de los datos y los requisitos de la Ley de IA.
  • 07Desarrollar un caso aplicado de IA para la planificación de una explotación.

Plan de estudios

6 módulos, 60 submódulos, 300 h. Elige un módulo y ves su contenido completo.

1 de 6 módulos abiertos
Módulo 1 de 6 · 10 submódulos

Decisiones agrícolas y datos disponibles

1.1Decisiones de la campaña: qué, cuándo, cuánto y dónde
1.2Datos de parcela: suelo, histórico y topografía
1.3Datos meteorológicos y previsiones
1.4Teledetección y series de índices de vegetación
1.5Datos de maquinaria y de labores ejecutadas
1.6Datos de mercado y de precios
1.7Calidad del dato y lagunas habituales
1.8Qué puede aportar la inteligencia artificial y qué no
1.9Riesgo de decidir con modelos mal validados
1.10Taller: inventario de datos y decisiones de una explotación
Módulo 2 de 6 · 10 submódulos

Preparación de datos y variables

2.1Delimitación de parcelas y zonas de manejo
2.2Alineación espacial y temporal de las fuentes
2.3Construcción de series por parcela y por campaña
2.4Variables agronómicas derivadas
2.5Tratamiento de valores ausentes y atípicos
2.6Datos de pocas campañas: limitaciones
2.7Enriquecimiento con datos públicos
2.8Almacenamiento y reutilización de variables
2.9Documentación del conjunto de datos
2.10Práctica: construcción de una base de datos de parcelas
Módulo 3 de 6 · 10 submódulos

Modelos de predicción agronómica

3.1Predicción de rendimiento por zona
3.2Modelos de necesidades de riego
3.3Predicción de riesgo de plaga y de enfermedad
3.4Modelos de fecha óptima de labor
3.5Modelos de crecimiento del cultivo y su combinación con datos
3.6Validación con campañas no usadas en el ajuste
3.7Incertidumbre de la predicción y su uso
3.8Interpretabilidad de los modelos
3.9Comparación con el criterio del agricultor
3.10Práctica: modelo de predicción de rendimiento
Módulo 4 de 6 · 10 submódulos

Optimización y planificación

4.1Planificación de la rotación con criterios múltiples
4.2Asignación de cultivos a parcelas
4.3Optimización del riego con recurso limitado
4.4Planificación de labores con restricciones de maquinaria
4.5Secuenciación de la cosecha
4.6Optimización bajo incertidumbre de precios y clima
4.7Modelos de decisión y análisis de escenarios
4.8Compromiso entre rendimiento, coste y riesgo
4.9Herramientas de optimización disponibles
4.10Práctica: plan de campaña optimizado
Módulo 5 de 6 · 10 submódulos

Prescripciones y ejecución en campo

5.1De la predicción a la prescripción por zona
5.2Mapas de dosis variable y su formato
5.3Integración con el terminal de la máquina
5.4Comprobación en campo de la prescripción
5.5Realimentación de la ejecución al modelo
5.6Documentación automática de la campaña
5.7Interoperabilidad entre plataformas
5.8Conectividad limitada y modos de respaldo
5.9Formación del equipo en el uso de las herramientas
5.10Práctica: generación y carga de una prescripción
Módulo 6 de 6 · 10 submódulos

Ética, datos y proyecto final

6.1Propiedad de los datos agronómicos del agricultor
6.2Cesión a plataformas y a proveedores
6.3Dependencia tecnológica y plan de salida
6.4Transparencia de las recomendaciones automáticas
6.5Responsabilidad ante una recomendación errónea
6.6Sostenibilidad y reducción de insumos
6.7Indicadores de resultado de la campaña
6.8Errores habituales en proyectos de agricultura digital
6.9Hoja de ruta de adopción en una explotación
6.10Proyecto final: sistema de apoyo a la decisión de una campaña

¿Cuánto me va a llevar?

Mueve las horas que puedes dedicar cada semana y calculamos tu ritmo sobre las 300 h del programa.

—meses a ese ritmo
—semanas por módulo
—frente a los 300 horas · 3 a 5 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.

Qué puede aportar la inteligencia artificial y qué no
Módulo 1 · Decisiones agrícolas y datos disponibles
Tratamiento de valores ausentes y atípicos
Módulo 2 · Preparación de datos y variables
Modelos de necesidades de riego
Módulo 3 · Modelos de predicción agronómica
Herramientas de optimización disponibles
Módulo 4 · Optimización y planificación
Documentación automática de la campaña
Módulo 5 · Prescripciones y ejecución en campo

Marca los cinco conceptos y te damos tu resultado.

Normas y estándares que vas a manejar

Reglamento (UE) 2024/1689 (Ley de Inteligencia Artificial)ISO/IEC 42001 (sistemas de gestión de IA)Reglamento (UE) 2016/679 (RGPD)Código de conducta UE sobre intercambio de datos agrariosISO 11783-10 (ISOBUS, controlador de tareas)ISO/IEC 23894 (gestión del riesgo en IA)Reglamento (UE) 2023/2854 (Ley de Datos)

Cuerpo docente y expertos

Este programa se imparte en el área de Off-Road, Vehículos Especiales & Maquinaria, que dirige Dr. Markus Schneider. Debajo, los directores académicos más cercanos a este programa. El detalle de cada instituto está en la página de institutos.

Dr. Markus Schneider Dr. Markus SchneiderDirector Académico del Departamento EMH — Electromobility, Batteries & Hydrogen.
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.

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.

Científico de datos agronómicos
Ingeniero de agricultura digital
Asesor de planificación agrícola
Analista de teledetección
Product owner de soluciones agtech
Consultor de transformación digital agraria

Para quién es

Científico de datos agronómicos
Ingeniero de agricultura digital
Asesor de planificación agrícola
Analista de teledetección
Product owner de soluciones agtech
Consultor de transformación digital agraria
Titulados en ingeniería o ciencias que busquen entrar en agricultura de precisión

Otras formaciones del área

Del mismo área y nivel, para completar tu itinerario.

En el blog técnico: Robots móviles autónomos en logística: sensores, mapas y planificación de rutas · Planificación de trayectorias para robots y vehículos autónomos: enfoques clave.

Áreas cercanas: todas las de Off-Road, Vehículos Especiales & Maquinaria · Aeroespacial, UAM, Drones & Espacio · Automoción & Motorsport · Civil, Rail & Smart Cities · Defensa, Ingeniería Militar & Sistemas Terrestres (enfoque académico, legal y ético) · Electromovilidad, Baterías & Hidrógeno (Movilidad) · Energía & Redes · Ingeniería Nuclear & Tecnologías del Ciclo Nuclear · 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 Off-Road, Vehículos Especiales & Maquinaria?
¿Puedes mantener un ritmo de estudio constante durante 300 horas · 3 a 5 meses?

Responde las tres y te decimos por dónde seguir.

Requisitos de acceso

  • ·No se exige titulación previa.
  • ·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 Python (scikit-learn, XGBoost), Google Earth Engine, QGIS, R, PuLP / OR-Tools, en versiones gratuitas, académicas o de evaluación. Los ensayos se estudian sobre procedimientos reales de modelos de predicción de rendimiento, optimización de calendarios de labores, generación de prescripciones variables. La evaluación es continua por módulo más el proyecto integrador final.

Las modalidades, el calendario y las tasas son comunes a todos los programas: modalidades, calendario académico y tasas y financiación.

Preguntas frecuentes

Son 6 módulos con 60 submódulos y 300 h de trabajo total. Abre por «Decisiones agrícolas y datos disponibles» y cierra con «Ética, datos y proyecto final».

Se trabajan Reglamento (UE) 2024/1689 (Ley de Inteligencia Artificial), ISO/IEC 42001 (sistemas de gestión de IA), Reglamento (UE) 2016/679 (RGPD), Código de conducta UE sobre intercambio de datos agrarios, ISO 11783-10 (ISOBUS, controlador de tareas) y ISO/IEC 23894 (gestión del riesgo en IA).

Los perfiles más directos son Científico de datos agronómicos, Ingeniero de agricultura digital, Asesor de planificación agrícola, Analista de teledetección y Product owner de soluciones agtech.

En un pago son 436 €, sobre una tarifa de 545 €. A plazos, una entrada de 218 € y 3 cuotas de 109 €, 545 € en total, sin intereses: lo mismo que la tarifa.

No se exige titulación previa, 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 300 horas totales repartidas en 3 a 5 meses. Eso son entre 10 y 15 horas semanales de media, compatibles con jornada laboral completa.

Se trabaja con Python (scikit-learn, XGBoost), Google Earth Engine, QGIS, R, PuLP / OR-Tools. 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.

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 2026436 € Matricularme
Contactar con Seium
Pago al contado436 €ahorras 109 €
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.