Admisión abierta 2026-2027Rellenar solicitud

Diplomado en IA Explicable aplicada a Prevención de Fraude

Diplomado online de 800 h: 8 módulos y 80 submódulos, de «Fraude en seguros y finanzas» a «Proyecto de IA explicable», pasando por «Equidad y sesgo».

Mapa del programa · pulsa un módulo
Módulo 1 · Fraude en seguros y finanzas
800 hDuración total
8Módulos
80Submódulos
OnlineModalidad

Competencias y resultados

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

Fraude en seguros y finanzas

Saldrás manejando tipologías de fraude en siniestros, fraude en suscripción y en pagos y fraude organizado frente a oportunista. Es lo que se trabaja en «Fraude en seguros y finanzas», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Modelos predictivos de fraude

Saldrás manejando preparación de datos y variables, clases desbalanceadas y remuestreo y regresión logística. Es lo que se trabaja en «Modelos predictivos de fraude», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Explicabilidad global

Saldrás manejando interpretabilidad intrínseca y post hoc, importancia de variables por permutación y dependencia parcial y ICE. Es lo que se trabaja en «Explicabilidad global», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Equidad y sesgo

Saldrás manejando fuentes de sesgo en datos históricos, variables protegidas y sustitutas y métricas de equidad. Es lo que se trabaja en «Equidad y sesgo», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Marco regulatorio

Saldrás manejando reglamento (UE) 2024/1689 de inteligencia artificial, sistemas de alto riesgo en seguros y artículo 22 del RGPD. Es lo que se trabaja en «Marco regulatorio», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Operación y gobierno del modelo

Saldrás manejando despliegue en producción, monitorización de deriva y reentrenamiento y control de versiones. Es lo que se trabaja en «Operación y gobierno del modelo», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Objetivos de aprendizaje

  • 01Comprender las tipologías y el ciclo de detección del fraude.
  • 02Construir modelos predictivos de fraude robustos.
  • 03Aplicar técnicas de explicabilidad global y local.
  • 04Evaluar y mitigar sesgos en los modelos.
  • 05Cumplir el marco regulatorio europeo de inteligencia artificial.
  • 06Gobernar los modelos en producción.
  • 07Desarrollar un sistema de detección de fraude explicable.

Plan de estudios

8 módulos, 80 submódulos, 800 h. Elige un módulo y ves su contenido completo.

1 de 8 módulos abiertos
Módulo 1 de 8 · 10 submódulos

Fraude en seguros y finanzas

1.1Tipologías de fraude en siniestros
1.2Fraude en suscripción y en pagos
1.3Fraude organizado frente a oportunista
1.4Coste del fraude para el sector
1.5Ciclo de detección e investigación
1.6Fuentes de datos para la detección
1.7Indicadores de alerta clásicos
1.8Sistemas de reglas frente a modelos
1.9Bases de datos sectoriales
1.10Taller: catálogo de patrones de fraude
Módulo 2 de 8 · 10 submódulos

Modelos predictivos de fraude

2.1Preparación de datos y variables
2.2Clases desbalanceadas y remuestreo
2.3Regresión logística
2.4Árboles, bosques aleatorios y gradient boosting
2.5Detección de anomalías con isolation forest
2.6Modelos de texto en descripciones de siniestros
2.7Validación temporal
2.8Métricas orientadas a coste
2.9Umbrales y capacidad de investigación
2.10Práctica: modelo de fraude con scikit-learn
Módulo 3 de 8 · 10 submódulos

Explicabilidad global

3.1Interpretabilidad intrínseca y post hoc
3.2Importancia de variables por permutación
3.3Dependencia parcial y ICE
3.4Modelos sustitutos globales
3.5Reglas extraídas de modelos
3.6Modelos aditivos generalizados explicables
3.7Comparación entre métodos
3.8Limitaciones de la explicabilidad
3.9Documentación del modelo
3.10Laboratorio: explicación global de un modelo de boosting
Módulo 4 de 8 · 10 submódulos

Explicabilidad local

4.1Valores SHAP y teoría de juegos
4.2LIME y aproximaciones locales
4.3Explicaciones contrafactuales
4.4Anclajes y reglas locales
4.5Explicaciones para investigadores
4.6Explicaciones para clientes
4.7Estabilidad y fidelidad
4.8Explicabilidad en grafos de fraude
4.9Visualización de explicaciones
4.10Práctica: informe SHAP de un siniestro sospechoso
Módulo 5 de 8 · 10 submódulos

Equidad y sesgo

5.1Fuentes de sesgo en datos históricos
5.2Variables protegidas y sustitutas
5.3Métricas de equidad
5.4Mitigación previa, durante y posterior
5.5Compromisos entre precisión y equidad
5.6Auditoría de sesgos
5.7Impacto en colectivos vulnerables
5.8Documentación de decisiones
5.9Revisión humana
5.10Caso práctico: auditoría de sesgo de un modelo
Módulo 6 de 8 · 10 submódulos

Marco regulatorio

6.1Reglamento (UE) 2024/1689 de inteligencia artificial
6.2Sistemas de alto riesgo en seguros
6.3Artículo 22 del RGPD
6.4Derecho a explicación y transparencia
6.5Ley 10/2010 y fraude financiero
6.6ISO/IEC 42001 de gestión de IA
6.7ISO/IEC 23894 de riesgos de IA
6.8Guías de EIOPA sobre IA
6.9Responsabilidad del proveedor y del usuario
6.10Taller: evaluación de conformidad de un sistema de IA
Módulo 7 de 8 · 10 submódulos

Operación y gobierno del modelo

7.1Despliegue en producción
7.2Monitorización de deriva
7.3Reentrenamiento y control de versiones
7.4MLOps con MLflow
7.5Registro de decisiones
7.6Circuito de retroalimentación de investigadores
7.7Gestión de incidentes del modelo
7.8Comités de gobierno de modelos
7.9Auditoría interna
7.10Práctica: plan de monitorización de un modelo
Módulo 8 de 8 · 10 submódulos

Proyecto de IA explicable

8.1Definición del caso de fraude
8.2Preparación de datos
8.3Entrenamiento del modelo
8.4Explicaciones globales y locales
8.5Análisis de equidad
8.6Evaluación regulatoria
8.7Plan de despliegue y gobierno
8.8Conclusiones
8.9Memoria y presentación
8.10Revisión final con el tutor

¿Cuánto me va a llevar?

Mueve las horas que puedes dedicar cada semana y calculamos tu ritmo sobre las 800 h del programa.

—meses a ese ritmo
—semanas por módulo
—frente a los 800 horas · 6 a 8 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.

Fraude organizado frente a oportunista
Módulo 1 · Fraude en seguros y finanzas
Práctica: modelo de fraude con scikit-learn
Módulo 2 · Modelos predictivos de fraude
Comparación entre métodos
Módulo 3 · Explicabilidad global
Anclajes y reglas locales
Módulo 4 · Explicabilidad local
Fuentes de sesgo en datos históricos
Módulo 5 · Equidad y sesgo

Marca los cinco conceptos y te damos tu resultado.

Normas y estándares que vas a manejar

Reglamento (UE) 2024/1689 de inteligencia artificialReglamento (UE) 2016/679 (RGPD)ISO/IEC 42001:2023ISO/IEC 23894:2023Ley 10/2010 de prevención del blanqueoNIST AI Risk Management Framework 1.0Ley 50/1980 de Contrato de Seguro

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 de fraude
Especialista en IA responsable
Analista de fraude
Auditor de modelos
Responsable de cumplimiento de IA
Ingeniero de MLOps

Para quién es

Científico de datos de fraude
Especialista en IA responsable
Analista de fraude
Auditor de modelos
Responsable de cumplimiento de IA
Ingeniero de MLOps
Titulados en ingeniería o ciencias que busquen entrar en seguros

Otras formaciones del área

Del mismo área y nivel, para completar tu itinerario.

En el blog técnico: IA explicable en sistemas críticos de movilidad: retos y enfoques · Tecnologías de la F1 aplicadas al coche eléctrico: transferencia, límites y casos reales de ingeniería · Simulación CFD aplicada a la aerodinámica de vehículos: aplicaciones y casos de uso.

Áreas cercanas: todas las de Off-Road, Vehículos Especiales & Maquinaria · 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 Off-Road, Vehículos Especiales & Maquinaria?
¿Puedes mantener un ritmo de estudio constante durante 800 horas · 6 a 8 meses?

Responde las tres y te decimos por dónde seguir.

Requisitos de acceso

  • ·Formación técnica previa o experiencia profesional en el sector. No se exige titulación universitaria.
  • ·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 con scikit-learn, SHAP, LIME, MLflow, XGBoost, en versiones gratuitas, académicas o de evaluación. Los ensayos se estudian sobre procedimientos reales de detección de siniestros sospechosos con modelos explicables, auditoría de sesgo en modelos de fraude, documentación regulatoria de sistemas de IA. 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 8 módulos con 80 submódulos y 800 h de trabajo total. Abre por «Fraude en seguros y finanzas» y cierra con «Proyecto de IA explicable».

Se trabajan Reglamento (UE) 2024/1689 de inteligencia artificial, Reglamento (UE) 2016/679 (RGPD), ISO/IEC 42001:2023, ISO/IEC 23894:2023, Ley 10/2010 de prevención del blanqueo y NIST AI Risk Management Framework 1.0.

Los perfiles más directos son Científico de datos de fraude, Especialista en IA responsable, Analista de fraude, Auditor de modelos y Responsable de cumplimiento de IA.

En un pago son 1.192 €, sobre una tarifa de 1.490 €. A plazos, una entrada de 596 € y 6 cuotas de 149 €, 1.490 € en total, sin intereses: lo mismo que la tarifa.

Formación técnica previa o experiencia profesional en el sector. No se exige titulación universitaria, 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 800 horas totales repartidas en 6 a 8 meses. Eso son entre 10 y 15 horas semanales de media, compatibles con jornada laboral completa.

Se trabaja con Python con scikit-learn, SHAP, LIME, MLflow, XGBoost. 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 20261.192 € Matricularme
Contactar con Seium
Pago al contado1.192 €ahorras 298 €
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.