Admisión abierta 2026-2027Rellenar solicitud

Máster en Ingeniería de Fraude, Anomalías y Detección Avanzada en Seguros de Movilidad

Máster online de 1900 h: 12 módulos y 120 submódulos, de «El fraude en seguros de movilidad» a «Trabajo Fin de Máster», pasando por «Telemática y fraude».

Mapa del programa · pulsa un módulo
Módulo 1 · El fraude en seguros de movilidad
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.

El fraude en seguros de movilidad

Saldrás manejando tipología del fraude en automóviles, fraude oportunista frente a organizado y accidentes simulados y provocados. Es lo que se trabaja en «El fraude en seguros de movilidad», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Estadística de anomalías

Saldrás manejando definición de anomalía y outlier, métodos univariantes y robustos y distancia de Mahalanobis. Es lo que se trabaja en «Estadística de anomalías», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Aprendizaje no supervisado

Saldrás manejando isolation Forest, local Outlier Factor y autoencoders para anomalías. Es lo que se trabaja en «Aprendizaje no supervisado», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Telemática y fraude

Saldrás manejando verificación del momento y lugar del accidente, perfil de impacto con acelerómetros y coherencia entre daños y fuerza del impacto. Es lo que se trabaja en «Telemática y fraude», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Investigación y unidad SIU

Saldrás manejando organización de una unidad de investigación, priorización de alertas y procedimientos de investigación. Es lo que se trabaja en «Investigación y unidad SIU», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Estrategia y medición

Saldrás manejando estrategia antifraude corporativa, cálculo del retorno de la inversión y indicadores: tasa de detección y ahorro. Es lo que se trabaja en «Estrategia y medición», un módulo de 10 submódulos que puedes abrir completo en el plan de estudios.

Objetivos de aprendizaje

  • 01Identificar las principales tipologías de fraude en seguros de movilidad.
  • 02Integrar fuentes de datos para la detección de anomalías.
  • 03Desarrollar modelos supervisados y no supervisados de detección de fraude.
  • 04Aplicar análisis de grafos para desarticular redes organizadas.
  • 05Utilizar datos telemáticos e imágenes como evidencia técnica.
  • 06Organizar unidades de investigación conforme al marco legal.
  • 07Medir el impacto económico de una estrategia antifraude.

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

El fraude en seguros de movilidad

1.1Tipología del fraude en automóviles
1.2Fraude oportunista frente a organizado
1.3Accidentes simulados y provocados
1.4Inflación de daños y lesiones
1.5Fraude en la contratación
1.6Fraude interno y de proveedores
1.7Fraude en movilidad compartida
1.8Impacto económico del fraude
1.9Indicadores clásicos de sospecha
1.10Caso práctico: análisis de un expediente de fraude organizado
Módulo 2 de 12 · 10 submódulos

Datos para la detección

2.1Datos de pólizas, siniestros y pagos
2.2Datos telemáticos del accidente
2.3Ficheros sectoriales compartidos
2.4Fuentes abiertas y OSINT
2.5Datos de talleres y peritos
2.6Datos de lesiones y centros médicos
2.7Calidad y desduplicación de entidades
2.8Resolución de entidades
2.9Integración de datos no estructurados
2.10Práctica: resolución de entidades en un fichero de siniestros
Módulo 3 de 12 · 10 submódulos

Estadística de anomalías

3.1Definición de anomalía y outlier
3.2Métodos univariantes y robustos
3.3Distancia de Mahalanobis
3.4Ley de Benford
3.5Análisis de series temporales de reclamaciones
3.6Detección de cambios estructurales
3.7Modelos de densidad
3.8Pruebas estadísticas de patrones
3.9Tasa de falsos positivos
3.10Laboratorio: aplicación de Benford a importes de reparación
Módulo 4 de 12 · 10 submódulos

Aprendizaje supervisado antifraude

4.1Etiquetado de casos y sesgo de investigación
4.2Clases desbalanceadas y remuestreo
4.3Regresión logística de referencia
4.4Gradient boosting para fraude
4.5Métricas: precisión, recall y curva PR
4.6Ajuste del umbral por coste
4.7Explicabilidad para investigadores
4.8Retroalimentación de resultados
4.9Deriva del fraude adaptativo
4.10Práctica: modelo de puntuación de sospecha
Módulo 5 de 12 · 10 submódulos

Aprendizaje no supervisado

5.1Isolation Forest
5.2Local Outlier Factor
5.3Autoencoders para anomalías
5.4Clustering de siniestros
5.5One-class SVM
5.6Combinación de detectores
5.7Evaluación sin etiquetas
5.8Aprendizaje semisupervisado
5.9Aprendizaje activo con investigadores
5.10Laboratorio: autoencoder sobre siniestros de daños
Módulo 6 de 12 · 10 submódulos

Análisis de redes y grafos

6.1Teoría de grafos aplicada al fraude
6.2Construcción del grafo de siniestros
6.3Medidas de centralidad
6.4Detección de comunidades
6.5Patrones de anillos de fraude
6.6Bases de datos de grafos
6.7Redes neuronales sobre grafos
6.8Visualización de redes
6.9Análisis temporal de redes
6.10Caso práctico: identificación de una red con Neo4j
Módulo 7 de 12 · 10 submódulos

Telemática y fraude

7.1Verificación del momento y lugar del accidente
7.2Perfil de impacto con acelerómetros
7.3Coherencia entre daños y fuerza del impacto
7.4Detección de accidentes simulados
7.5Manipulación de dispositivos telemáticos
7.6Fraude de kilometraje en productos por uso
7.7Datos del vehículo conectado
7.8Cadena de custodia del dato telemático
7.9Valor probatorio ante tribunales
7.10Práctica: verificación de un siniestro con datos de impacto
Módulo 8 de 12 · 10 submódulos

Análisis de texto e imagen

8.1Procesamiento del lenguaje natural en declaraciones
8.2Extracción de entidades en informes
8.3Detección de textos duplicados
8.4Modelos de lenguaje para resumir expedientes
8.5Análisis forense de fotografías
8.6Metadatos EXIF y manipulación de imágenes
8.7Detección de imágenes generadas por IA
8.8Reutilización de fotos entre siniestros
8.9Documentos falsificados
8.10Laboratorio: detección de imágenes reutilizadas
Módulo 9 de 12 · 10 submódulos

Investigación y unidad SIU

9.1Organización de una unidad de investigación
9.2Priorización de alertas
9.3Procedimientos de investigación
9.4Entrevistas y declaraciones
9.5Colaboración con detectives privados
9.6Evidencia digital y su preservación
9.7Coordinación con fuerzas de seguridad
9.8Denuncia y procedimientos judiciales
9.9Recobros y acciones civiles
9.10Caso práctico: plan de investigación de un siniestro sospechoso
Módulo 10 de 12 · 10 submódulos

Marco legal y ético

10.1Fraude de seguro en el Código Penal
10.2RGPD y tratamiento con fines antifraude
10.3Ficheros comunes de la industria aseguradora
10.4Decisiones automatizadas y supervisión humana
10.5Ley de IA y sistemas de evaluación
10.6Derechos del asegurado
10.7Seguridad privada y Ley 5/2014
10.8Prevención del blanqueo de capitales
10.9Sesgos y discriminación en la detección
10.10Taller: evaluación de impacto de un sistema antifraude
Módulo 11 de 12 · 10 submódulos

Estrategia y medición

11.1Estrategia antifraude corporativa
11.2Cálculo del retorno de la inversión
11.3Indicadores: tasa de detección y ahorro
11.4Equilibrio entre fraude y experiencia del cliente
11.5Disuasión y prevención en la contratación
11.6Colaboración sectorial
11.7Gestión de proveedores tecnológicos
11.8Implantación en sistemas de siniestros
11.9Mejora continua
11.10Práctica: cuadro de mando antifraude
Módulo 12 de 12 · 10 submódulos

Trabajo Fin de Máster

12.1Definición del tipo de fraude a abordar
12.2Revisión del estado de la técnica
12.3Preparación y anonimización de datos
12.4Diseño de la arquitectura de detección
12.5Desarrollo de modelos
12.6Evaluación con métricas de negocio
12.7Integración en el proceso de investigación
12.8Análisis legal y ético
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.

Fraude oportunista frente a organizado
Módulo 1 · El fraude en seguros de movilidad
Tasa de falsos positivos
Módulo 3 · Estadística de anomalías
Combinación de detectores
Módulo 5 · Aprendizaje no supervisado
Coherencia entre daños y fuerza del impacto
Módulo 7 · Telemática y fraude
Caso práctico: plan de investigación de un siniestro sospechoso
Módulo 9 · Investigación y unidad SIU

Marca los cinco conceptos y te damos tu resultado.

Normas y estándares que vas a manejar

Reglamento (UE) 2016/679 (RGPD)Ley Orgánica 3/2018 de Protección de Datos y garantía de los derechos digitalesLey Orgánica 10/1995 del Código PenalReglamento (UE) 2024/1689 de Inteligencia ArtificialLey 20/2015 de ordenación, supervisión y solvencia de las entidades aseguradoras (LOSSEAR)Ley 5/2014 de Seguridad PrivadaISO/IEC 27037:2012 Evidencia digital

Cuerpo docente y expertos

Este programa se imparte en el área de Seguros, Riesgo & Datos Actuariales (Movilidad/Infra), 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.

Analista antifraude
Investigador de siniestros SIU
Científico de datos antifraude
Responsable de unidad de investigación
Perito de automóviles
Consultor de prevención del fraude

Para quién es

Analista antifraude
Investigador de siniestros SIU
Científico de datos antifraude
Responsable de unidad de investigación
Perito de automóviles
Consultor de prevención del fraude
Titulados en ingeniería o ciencias que busquen entrar en seguros de automóvil

Otras formaciones del área

Del mismo área y nivel, para completar tu itinerario.

En el blog técnico: Visión por computador en movilidad: de la detección al seguimiento robusto · Adas para sistemas seguros: diseño, métricas y validación integral · Cómo se diseña un sistema ADAS seguro: de la percepción a la actuación.

Áreas cercanas: todas las de Seguros, Riesgo & Datos Actuariales (Movilidad/Infra) · 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 Seguros, Riesgo & Datos Actuariales (Movilidad/Infra)?
¿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 Neo4j, Python (scikit-learn, PyOD), SAS Fraud Management, Shift Technology, i2 Analyst's Notebook, en versiones gratuitas, académicas o de evaluación. Los ensayos se estudian sobre procedimientos reales de detección de redes de fraude organizado mediante grafos, verificación de siniestros con datos telemáticos de impacto, análisis forense de imágenes aportadas en siniestros. La evaluación es continua por módulo más el TFM final.

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

Preguntas frecuentes

Son 12 módulos con 120 submódulos y 1900 h de trabajo total. Abre por «El fraude en seguros de movilidad» y cierra con «Trabajo Fin de Máster».

Se trabajan Reglamento (UE) 2016/679 (RGPD), Ley Orgánica 3/2018 de Protección de Datos y garantía de los derechos digitales, Ley Orgánica 10/1995 del Código Penal, Reglamento (UE) 2024/1689 de Inteligencia Artificial, Ley 20/2015 de ordenación, supervisión y solvencia de las entidades aseguradoras (LOSSEAR) y Ley 5/2014 de Seguridad Privada.

Los perfiles más directos son Analista antifraude, Investigador de siniestros SIU, Científico de datos antifraude, Responsable de unidad de investigación y Perito de automóviles.

En un pago son 4.424 €, sobre una tarifa de 5.530 €. A plazos, una entrada de 2.206 € y 12 cuotas de 277 €, 5.530 € 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 Neo4j, Python (scikit-learn, PyOD), SAS Fraud Management, Shift Technology, i2 Analyst's Notebook. 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.

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 20264.424 € Matricularme
Contactar con Seium
Pago al contado4.424 €ahorras 1.106 €
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.