Diplomado en Despliegue en Pasarelas Industriales y MLOps
Diplomado online de 800 h: 8 módulos y 80 submódulos, de «Pasarelas industriales y edge computing» a «Proyecto de despliegue MLOps industrial», pasando por «Monitorización en producción».
Mapa del programa · pulsa un módulo
Módulo 1 · Pasarelas industriales y edge computing
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.
Pasarelas industriales y edge computing
Saldrás manejando arquitectura edge, fog y nube, pasarelas IIoT y PC industriales y sistemas operativos Linux industriales. Es lo que se trabaja en «Pasarelas industriales y edge computing», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Ingesta de datos de planta
Saldrás manejando adquisición vía OPC UA y Modbus, mensajería MQTT y Sparkplug B y series temporales y bases de datos. Es lo que se trabaja en «Ingesta de datos de planta», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Ciclo de vida MLOps
Saldrás manejando principios y niveles de madurez MLOps, control de versiones de datos y modelos y seguimiento de experimentos con MLflow. Es lo que se trabaja en «Ciclo de vida MLOps», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Monitorización en producción
Saldrás manejando métricas de servicio y de modelo, deriva de datos y de concepto y detección de deriva con pruebas estadísticas. Es lo que se trabaja en «Monitorización en producción», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Ciberseguridad de despliegues edge
Saldrás manejando modelo de zonas y conductos IEC 62443, arranque seguro y raíz de confianza y firma y verificación de modelos. Es lo que se trabaja en «Ciberseguridad de despliegues edge», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Gobernanza y escalado
Saldrás manejando organización de equipos de datos en planta, gestión de la deuda técnica en ML y costes de operación edge frente a nube. Es lo que se trabaja en «Gobernanza y escalado», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.
Objetivos de aprendizaje
01Configurar pasarelas industriales con contenedores y orquestación ligera.
02Diseñar pipelines de ingesta de datos de planta mediante OPC UA y MQTT.
03Implementar el ciclo de vida MLOps con versionado y CI/CD.
04Desplegar modelos en flotas edge con actualizaciones seguras.
05Monitorizar la deriva de datos y el rendimiento de modelos en producción.
06Aplicar la serie IEC 62443 a despliegues edge.
07Planificar el escalado de soluciones de IA en varias plantas.
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
Pasarelas industriales y edge computing
1.1Arquitectura edge, fog y nube
1.2Pasarelas IIoT y PC industriales
1.3Sistemas operativos Linux industriales
1.4Contenedores Docker en planta
1.5Orquestación ligera con K3s
1.6Conectividad con PLC y buses de campo
1.7Recursos de cómputo y aceleradores
1.8Requisitos ambientales del hardware
1.9Gestión remota de dispositivos y telemetría
1.10Práctica: puesta en marcha de una pasarela con Docker
Módulo 2 de 8 · 10 submódulos
Ingesta de datos de planta
2.1Adquisición vía OPC UA y Modbus
2.2Mensajería MQTT y Sparkplug B
2.3Series temporales y bases de datos
2.4Calidad y sincronización de datos
2.5Etiquetado de datos en producción
2.6Almacenamiento local y en búfer
2.7Gobierno de datos industriales
2.8Pipelines de datos con Node-RED
2.9Normalización de nombres de variables de planta
2.10Laboratorio: pipeline OPC UA a InfluxDB
Módulo 3 de 8 · 10 submódulos
Ciclo de vida MLOps
3.1Principios y niveles de madurez MLOps
3.2Control de versiones de datos y modelos
3.3Seguimiento de experimentos con MLflow
3.4Registro de modelos y metadatos
3.5Pipelines de entrenamiento reproducibles
3.6Integración y entrega continua (CI/CD)
3.7Pruebas automáticas de modelos
3.8Infraestructura como código
3.9Gestión de características con feature stores
3.10Taller: pipeline de entrenamiento con MLflow
Módulo 4 de 8 · 10 submódulos
Empaquetado y despliegue en edge
4.1Empaquetado de modelos en contenedores
4.2Servidores de inferencia Triton y TorchServe
4.3Despliegue con Azure IoT Edge y AWS Greengrass
4.4Actualizaciones over-the-air (OTA)
4.5Despliegues canary y blue-green
4.6Gestión de flotas de dispositivos
4.7Rollback y versiones compatibles
4.8Optimización de recursos en inferencia
4.9Pruebas de compatibilidad con el hardware objetivo
4.10Práctica: despliegue OTA de un modelo en flota
Módulo 5 de 8 · 10 submódulos
Monitorización en producción
5.1Métricas de servicio y de modelo
5.2Deriva de datos y de concepto
5.3Detección de deriva con pruebas estadísticas
5.4Observabilidad con Prometheus y Grafana
5.5Alertas y respuesta a incidentes
5.6Reentrenamiento disparado por eventos
5.7Bucle de retroalimentación con operarios
5.8Registro y auditoría de predicciones
5.9Métricas de latencia y disponibilidad del servicio
5.10Laboratorio: detección de deriva con Evidently
Módulo 6 de 8 · 10 submódulos
Ciberseguridad de despliegues edge
6.1Modelo de zonas y conductos IEC 62443
6.2Arranque seguro y raíz de confianza
6.3Firma y verificación de modelos
6.4Gestión de secretos y certificados
6.5Seguridad de la cadena de suministro de software
6.6Ataques adversarios a modelos
6.7Segmentación de red OT
6.8Actualizaciones seguras de firmware
6.9Copias de seguridad de modelos y configuraciones
6.10Caso práctico: análisis de riesgos de una pasarela IIoT
Módulo 7 de 8 · 10 submódulos
Gobernanza y escalado
7.1Organización de equipos de datos en planta
7.2Gestión de la deuda técnica en ML
7.3Costes de operación edge frente a nube
7.4Estándares y cumplimiento normativo
7.5Documentación con model cards
7.6Escalado de soluciones a varias plantas
7.7Indicadores de valor de negocio
7.8Hoja de ruta de adopción
7.9Retorno económico de la IA en planta
7.10Caso práctico: plan de escalado de mantenimiento predictivo
Módulo 8 de 8 · 10 submódulos
Proyecto de despliegue MLOps industrial
8.1Definición del caso de uso
8.2Arquitectura de la pasarela
8.3Pipeline de datos de planta
8.4Entrenamiento y registro del modelo
8.5Despliegue en edge
8.6Monitorización y alertas
8.7Plan de seguridad
8.8Análisis de resultados
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.
Sistemas operativos Linux industriales
Módulo 1 · Pasarelas industriales y edge computing
Laboratorio: pipeline OPC UA a InfluxDB
Módulo 2 · Ingesta de datos de planta
Pruebas automáticas de modelos
Módulo 3 · Ciclo de vida MLOps
Actualizaciones over-the-air (OTA)
Módulo 4 · Empaquetado y despliegue en edge
Métricas de servicio y de modelo
Módulo 5 · Monitorización en producción
Marca los cinco conceptos y te damos tu resultado.
Este programa se imparte en el área de Robótica, Automatización & Control, que dirige Prof. Kenji Takahashi. Debajo, los directores académicos más cercanos a este programa. El detalle de cada instituto está en la página de institutos.
Prof. Kenji TakahashiDirector Académico del SRA — Robotics & Autonomous Systems Institute.
Dr. Kevin O’ConnorDirector Académico del EET — Electronics & Embedded Technologies Institute.
Dra. Lucía Hernández VegaDirectora Académica del DAIS — Data, Artificial Intelligence & Simulation 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 27-11-2026.
¿Tienes titulación universitaria en ingeniería, ciencias o arquitectura, o experiencia profesional equivalente?
¿Trabajas o quieres trabajar en Robótica, Automatización & Control?
¿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 MLflow, Docker y K3s, Azure IoT Edge, Node-RED, Grafana con Prometheus, en versiones gratuitas, académicas o de evaluación. Los ensayos se estudian sobre procedimientos reales de despliegue de modelos de mantenimiento predictivo en pasarelas, monitorización de deriva en inspección visual, gestión de flotas de dispositivos edge multiplanta. La evaluación es continua por módulo más el proyecto integrador final.
Son 8 módulos con 80 submódulos y 800 h de trabajo total. Abre por «Pasarelas industriales y edge computing» y cierra con «Proyecto de despliegue MLOps industrial».
Se trabajan IEC 62443-3-3, IEC 62443-4-2, Reglamento (UE) 2024/1689, ISO/IEC 42001, IEC 62541 y ISO/IEC 27001.
Los perfiles más directos son Ingeniero MLOps industrial, Arquitecto de soluciones IIoT, Ingeniero de datos de planta, Ingeniero DevOps OT y Especialista en ciberseguridad industrial.
En un pago son 1.032 €, sobre una tarifa de 1.290 €. A plazos, una entrada de 516 € y 6 cuotas de 129 €, 1.290 € 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 MLflow, Docker y K3s, Azure IoT Edge, Node-RED, Grafana con Prometheus. 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.
Inicio de clases: 22 de diciembre de 20261.032 €Matricularme
Antes de decidir
¿Qué sacarías tú de este diplomado?
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 diplomado acreditado y un proyecto hecho sobre un caso de tu propio trabajo.
Qué te aportaLa base técnica de Robótica, Automatización & Control 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 Robótica, Automatización & Control y un proyecto que demuestra que sabes aplicarlo.
¿Te va a dar la vida?
Calcula tu ritmo real
Son 800 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 MLOps industrial
Arquitecto de soluciones IIoT
Ingeniero de datos de planta
En fabricación discreta, industria de procesos y energía.
Con sinceridad
¿Es para ti?
Sí, si quieres…
Trabajar en Robótica, Automatización & Control 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.