Curso online de 300 h: 6 módulos y 60 submódulos, de «Mantenimiento basado en condición: fundamentos» a «Industrialización, gobierno y proyecto final», pasando por «Detección de anomalías y vida útil restante».
6 bloques de competencia, sacados de los módulos de este programa. Pulsa cualquiera y ves qué vas a saber hacer.
Saldrás manejando modos de fallo y mecanismos de degradación, curva de degradación y ventana de detección y señales que delatan un fallo incipiente. Es lo que se trabaja en «Mantenimiento basado en condición: fundamentos», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Saldrás manejando muestreo, aliasing y filtrado, dominio del tiempo: valores estadísticos y de forma y dominio de la frecuencia y transformada. Es lo que se trabaja en «Procesado de señales y variables», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Saldrás manejando clasificación de estado y de modo de fallo, regresión para estimar nivel de degradación y modelos de árboles y modelos lineales regularizados. Es lo que se trabaja en «Modelos supervisados y de clasificación», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Saldrás manejando aprendizaje de la normalidad y desviaciones, modelos de reconstrucción y de densidad y índices de salud del componente. Es lo que se trabaja en «Detección de anomalías y vida útil restante», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Saldrás manejando validación de los avisos con el personal técnico, protocolo de verificación tras una alerta y documentación del caso y realimentación. Es lo que se trabaja en «Validación con el taller y puesta en uso», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Saldrás manejando puesta en producción del modelo, monitorización del rendimiento y deriva y reentrenamiento y gestión de versiones. Es lo que se trabaja en «Industrialización, gobierno y proyecto final», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
6 módulos, 60 submódulos, 300 h. Elige un módulo y ves su contenido completo.
Mueve las horas que puedes dedicar cada semana y calculamos tu ritmo sobre las 300 h del programa.
Cinco conceptos del propio temario. Marca lo que ya controlas y te decimos si te conviene el curso, el diplomado o el máster.
Marca los cinco conceptos y te damos tu resultado.
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 SchneiderDirector Académico del Departamento EMH — Electromobility, Batteries & Hydrogen.
Dr. Kevin O’ConnorDirector Académico del EET — Electronics & Embedded Technologies Institute.
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.
Perfiles a los que da acceso el programa.
Del mismo área y nivel, para completar tu itinerario.
En el blog técnico: Machine learning con datos de flotas: de la telemetría al mantenimiento predictivo · Motores fueraborda: mantenimiento, diagnóstico y averías más frecuentes.
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 verificadas de alumnos de SEIUM, recogidas en Opynio.
El proceso completo, con documentación, plazos, convalidaciones y becas, está en admisión, cómo aplicar y becas y ayudas.
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, PyTorch), MATLAB Predictive Maintenance Toolbox, Azure Machine Learning, Grafana, MLflow, en versiones gratuitas, académicas o de evaluación. Los ensayos se estudian sobre procedimientos reales de etiquetado de fallos con datos de taller, detección de anomalías en series temporales, validación de modelos de vida útil restante. 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.
Son 6 módulos con 60 submódulos y 300 h de trabajo total. Abre por «Mantenimiento basado en condición: fundamentos» y cierra con «Industrialización, gobierno y proyecto final».
Se trabajan ISO 13374-1 (procesado de datos para monitorización de estado), ISO 13381-1 (pronóstico en monitorización de estado), ISO 17359 (monitorización de estado y diagnóstico), ISO 20816-1 (medición y evaluación de vibraciones), Reglamento (UE) 2024/1689 (Ley de Inteligencia Artificial) y ISO/IEC 23053 (marco de sistemas de IA con aprendizaje automático).
Los perfiles más directos son Ingeniero de machine learning industrial, Científico de datos de mantenimiento, Ingeniero de fiabilidad, Especialista en mantenimiento basado en condición y Ingeniero MLOps.
En un pago son 596 €, sobre una tarifa de 745 €. A plazos, una entrada de 298 € y 3 cuotas de 149 €, 745 € 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, PyTorch), MATLAB Predictive Maintenance Toolbox, Azure Machine Learning, Grafana, MLflow. 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.