abarca el diseño integral de frameworks para la gestión de datasets, trazabilidad y auditoría en sistemas basados en IA aplicados a plataformas eVTOL y UAM. Este enfoque interdisciplinar integra áreas como seguridad funcional, análisis de riesgos, ciberseguridad, cumplimiento de AI Act y metodologías avanzadas de machine learning para garantizar la fiabilidad y transparencia en ambientes aerotransportados. Los métodos implican la aplicación de técnicas de validación SAS, algoritmos explicables y la transferencia segura de datos, considerando normativas de privacidad y protección de datos en sistemas embarcados con arquitectura FBW y control adaptativo.
Las capacidades de laboratorio contemplan simulaciones HIL/SIL para validación de modelos, integración de sistemas de adquisición de datos con trazabilidad completa bajo estándares internacionales y auditoría conforme a la normativa aplicable en DO-178C, ARP4754A y requisitos de EASA CS-27 para operación segura. La implementación garantiza cumplimiento con las directrices de privacidad y seguridad, habilitando perfiles profesionales como ingenieros de datos, especialistas en IA, auditores de sistemas críticos, y expertos en normativas aeronáuticas y ciberseguridad.
4.100 €
Aprenderás a integrar todo el proceso de desarrollo de producto desde la concepción del modelo hasta su validación final, aplicando metodologías centradas en el usuario. Desarrollarás competencias en diseño paramétrico, ergonomía, simulación, materiales sostenibles, visualización 3D y gestión de manufactura, garantizando soluciones eficientes, seguras y alineadas con los estándares industriales actuales.
Aprenderás a integrar todo el proceso de desarrollo de producto desde la concepción del modelo hasta su validación final, aplicando metodologías centradas en el usuario. Desarrollarás competencias en diseño paramétrico, ergonomía, simulación, materiales sostenibles, visualización 3D y gestión de manufactura, garantizando soluciones eficientes, seguras y alineadas con los estándares industriales actuales.
Nota Importante: Se recomienda contar con conocimientos previos en aerodinámica, control de sistemas y estructuras. El curso se imparte en español e inglés, con un nivel mínimo B2+/C1. Si es necesario, ofrecemos bridging tracks (cursos de nivelación) para facilitar el acceso.
1.1 AI Act: alcance, categorías de riesgo y obligaciones para desarrolladores e integradores
1.2 Privacidad y Protección de Datos: privacidad por diseño, DPIA, consentimiento y derechos
1.3 Gobernanza de Datos: calidad, procedencia, gobernanza de datasets y ética de datos
1.4 Trazabilidad y Versionado: registro de datasets, lineage de modelos, logs de decisiones
1.5 Auditoría de IA: marco de auditoría, evidencias, informes y periodicidad
1.6 Cumplimiento regulatorio: autoridades, sanciones, reporting y governance de cumplimiento
1.7 Gestión de Proveedores y Cadena de Suministro: evaluación de riesgos, due diligence y SLA
1.8 Transparencia y Explicabilidad: documentación de modelos, decisiones auditables y stakeholders
1.9 Seguridad y Privacidad Avanzada: cifrado, pseudonimización, minimización, gestión de incidentes
1.10 Caso Práctico: go/no-go para un proyecto de IA con matriz de riesgo y plan de mitigación
2.1 Marco regulatorio de IA: AI Act, marcos internacionales y estándares de cumplimiento
2.2 Privacidad y protección de datos en IA: GDPR, derechos de los titulares y minimización
2.3 Calidad, procedencia y gestión de datasets: consentimiento, etiquetado, datos sensibles
2.4 Trazabilidad y auditoría de modelos IA: registro de data, versiones, cambios y revisión de decisiones
2.5 Gestión de sesgos y ética: gobernanza, responsabilidad y mitigación de riesgos
2.6 Gobernanza de IA: roles, políticas, comités y supervisión humana
2.7 Transparencia y explicabilidad: disclosure, claridad de capacidades y límites
2.8 Seguridad y protección de datos en IA: ciberseguridad, encriptación, control de acceso y continuidad
2.9 Cumplimiento, auditoría y métricas: auditorías de conformidad, indicadores de riesgo y reporting
2.10 Caso práctico: evaluación de conformidad ética y regulatoria en un proyecto IA naval
3.1 AI Act: marco regulatorio y alcance
3.2 Privacidad y Protección de Datos: DPIA, consentimiento, transferencias
3.3 Datasets y Calidad de Datos: procedencia, limpieza, sesgos y gobernanza
3.4 Trazabilidad de IA: trazabilidad de datos, modelos y decisiones
3.5 Auditoría de IA: procesos, criterios, informes y cumplimiento
3.6 Gobernanza del ciclo de vida de modelos: desarrollo, despliegue y monitorización
3.7 Transparencia y Explicabilidad: requisitos, métricas y comunicación
3.8 Seguridad y Privacidad en IA: mitigaciones, diseño seguro, privacy-by-design
3.9 Cumplimiento Legal y Ética en IA: principios, responsabilidades y derechos
3.10 Caso práctico: go/no-go con matriz de riesgo para IA
4.1 AI Act: fundamentos, alcance, clasificación de sistemas de IA y obligaciones de cumplimiento
4.2 Privacidad en IA: principios de privacidad por diseño, DPIA, minimización de datos y derechos de los usuarios
4.3 Datasets para IA: calidad, sesgo, gobernanza de datos, consentimiento y trazabilidad de origen
4.4 Trazabilidad de IA: registro de datos, versiones de modelos, pipelines y registros de decisiones
4.5 Auditoría de IA: enfoques, métricas, frecuencia, informes y auditoría interna vs externa
4.6 Gobernanza de proveedores y cadena de suministro de IA: evaluación de riesgos, contratos, cumplimiento y continuidad
4.7 Ética y gobernanza de IA: transparencia, responsabilidad, explicabilidad y mitigación de sesgos
4.8 Cumplimiento legal internacional: GDPR/privacidad transfronteriza, otras normativas, protección de datos y normas ISO
4.9 Seguridad y resiliencia en IA: controles de acceso, cifrado, gestión de incidentes y continuidad de negocio
4.10 Caso práctico: go/no-go con matriz de riesgos de IA y criterios de cumplimiento
5. 1 Conceptos Clave: ¿Qué es la Gobernanza de IA y por qué es crucial?
5. 2 Principios Éticos Fundamentales: Equidad, Transparencia, Responsabilidad
5. 3 Marco Regulatorio: Introducción al AI Act y otras normativas relevantes
5. 4 Privacidad y Protección de Datos: GDPR y consideraciones específicas para IA
5. 5 Datasets: Calidad, Sesgos y Mitigación
5. 6 Trazabilidad: Rastreando el Ciclo de Vida de los Modelos de IA
5. 7 Auditoría: Verificación y Evaluación del Cumplimiento
5. 8 Stakeholders: Roles y Responsabilidades en la Gobernanza de IA
5. 9 Gestión de Riesgos: Identificación, Evaluación y Mitigación de Riesgos en IA
5. 10 Caso de Estudio: Ejemplos Prácticos de Gobernanza de IA en Acción
6.1 Fundamentos de la Gobernanza de IA: Principios, Objetivos y Alcance
6.2 Marco Regulatorio: El AI Act de la Unión Europea – Estructura y Contenido
6.3 Categorización de Sistemas de IA: Niveles de Riesgo y Requisitos
6.4 Impacto del AI Act en el Desarrollo y Despliegue de IA
6.5 Importancia de la Privacidad en el Diseño y Operación de IA
6.6 Introducción a la Gestión de Datasets: Calidad, Sesgos y Ética
6.7 Conceptos Clave de Trazabilidad en IA: Origen de Datos, Modelos y Decisiones
6.8 Primeros Pasos en la Auditoría de IA: Propósito y Metodologías
6.9 Caso de Estudio: Análisis del AI Act y sus Implicaciones Prácticas
6.10 Tendencias Futuras: La Evolución de la Gobernanza de IA
7.1 Introducción a la Gobernanza de IA: Definición y necesidad
7.2 Principios Éticos de la IA: Equidad, transparencia, responsabilidad
7.3 El Marco Regulatorio: Visión general del AI Act y otras legislaciones
7.4 Fundamentos de la Privacidad: GDPR, CCPA y sus implicaciones
7.5 Gestión de Datasets: Calidad, sesgos y mitigación
7.6 Conceptos de Trazabilidad: Origen y ciclo de vida de los datos
7.7 Introducción a la Auditoría de IA: Tipos y objetivos
7.8 Roles y Responsabilidades en la Gobernanza de IA
7.9 Riesgos y Desafíos de la IA: Sesgos, discriminación, seguridad
7.10 Caso de Estudio: Principios fundamentales y su aplicación
8.1 Introducción a la Gobernanza de IA: Principios y Objetivos
8.2 Marco Legal de la IA: El AI Act y su Impacto
8.3 Protección de la Privacidad en la Era de la IA
8.4 Gestión de Datasets: Calidad, Sesgos y Curación
8.5 Trazabilidad de Datos y Modelos de IA
8.6 Auditoría de Sistemas de IA: Métodos y Herramientas
8.7 Ética y Responsabilidad en el Desarrollo de IA
8.8 Gobernanza de Datos y Cumplimiento Normativo
8.9 Caso de Estudio: Implementación de la Gobernanza de IA
8.10 Futuro de la Gobernanza de IA y Tendencias Emergentes
9.1 ¿Qué es la Gobernanza de IA? Conceptos fundamentales.
9.2 Importancia y beneficios de la Gobernanza de IA.
9.3 Marco Regulatorio: Visión general del AI Act y otras normativas relevantes.
9.4 Principios éticos en la IA: Equidad, transparencia y responsabilidad.
9.5 Riesgos de la IA: Sesgos, privacidad y seguridad.
9.6 El ciclo de vida de la IA: Desarrollo, implementación y monitorización.
9.7 Stakeholders en la Gobernanza de IA: Roles y responsabilidades.
9.8 Gobernanza de Datos: Principios y prácticas clave.
9.9 Introducción a la Trazabilidad en IA.
9.10 Casos de uso y ejemplos prácticos de Gobernanza de IA.
10.1 Introducción a la Gobernanza de la IA: Definiciones y Principios Clave
10.2 El Marco Legal de la IA: Entendiendo el AI Act
10.3 Protección de Datos y Privacidad en el Contexto de la IA
10.4 Gestión y Curación de Datasets: Calidad y Sesgos
10.5 Trazabilidad en IA: Desde el Diseño hasta la Implementación
10.6 Auditoría de Sistemas de IA: Métodos y Buenas Prácticas
10.7 Ética y Responsabilidad en el Desarrollo de la IA
10.8 Implementación de Políticas de Gobernanza de IA
10.9 Estudios de Caso: Conformidad y Desafíos en la Práctica
10.10 Futuro de la Gobernanza de IA: Tendencias y Desafíos
Consulta “Calendario & convocatorias”, “Becas & ayudas” y “Tasas & financiación” en el mega-menú de SEIUM
Nuestro equipo está listo para ayudarte. Contáctanos y te responderemos lo antes posible.
Si, contamos con certificacion internacional
Sí: modelos experimentales, datos reales, simulaciones aplicadas, entornos profesionales, casos de estudio reales.
No es obligatoria. Ofrecemos tracks de nivelación y tutorización
Totalmente. Cubre e-propulsión, integración y normativa emergente (SC-VTOL).
Recomendado. También hay retos internos y consorcios.
Sí. Modalidad online/híbrida con laboratorios planificados y soporte de visados (ver “Visado & residencia”).
SEIUM-UNIVERSIDAD INTERNACIONAL DE INGENIERÍA AVANZADA MULTIMODAL
Copyright © 2025 Seium, Todos los Derechos Reservados.