Ingeniería de Trazabilidad de software y datasets (AI Act), auditorías y evidencia técnica para autoridades.
About us Ingeniería de Trazabilidad de software y datasets (AI Act), auditorías y evidencia técnica para autoridades.
Ingeniería de Trazabilidad de software y datasets (AI Act) constituye el núcleo para garantizar la integridad y transparencia en sistemas de inteligencia artificial, integrando metodologías avanzadas de gestión documental y metadatos en entornos aeronáuticos. El enfoque técnico considera la interoperabilidad con sistemas AFCS y FBW en plataformas eVTOL y UAM, asegurando cumplimiento con protocolos de certificación y gobernanza digital mediante marcos normativos como ISO 9001 y IEC 61508. Se abordan técnicas de verificación y validación automatizadas apoyadas en frameworks de auditoría continua, combinando análisis de big data y trazabilidad para fortalecer la conformidad regulatoria en componentes críticos de software y datasets.
En laboratorios especializados, las capacidades incluyen simulación SIL/HIL para testeo de software aeronáutico, adquisición y análisis de datos con equipos certificados bajo DO-178C y DO-254, así como pruebas de EMC y robustez contra interferencias, compatibles con estándares de ARP4754A y ARP4761. El alineamiento con el AI Act y normativas aplicables internacionales fortalece la trazabilidad documental y evidencias técnicas para auditorías ante autoridades regulatorias, habilitando profesionales en roles de Ingeniero de Calidad, Auditor Técnico, Especialista en Cumplimiento AI y Gestor de Datos Certificados.
Palabras clave objetivo (naturales en el texto): Ingeniería de trazabilidad, AI Act, DO-178C, DO-254, ARP4754A, ARP4761, auditorías técnicas, software aeronáutico, datasets, certificación aeronáutica.
Ingeniería de Trazabilidad de software y datasets (AI Act), auditorías y evidencia técnica para autoridades.
- Format: Online
- Duration: 19 months
- Time: 1900 H
- Practices: Consult
- Language: ES / EN
- Credits: 60 ECTS
- Registration date: 30-04-2026
- Start date: 24-06-2026
- Available places: 8
748.000 $
Skills and results
What you will learn
1. Auditoría y Evidencia Técnica en la Era de la IA: Trazabilidad de Software y Datasets (AI Act)
- Establecer el marco de auditoría de software y evidencia técnica para sistemas de IA, con foco en la AI Act y la trazabilidad de datasets y código.
- Diseñar la cadena de custodia de datos y modelos, incluyendo lineage, versionado de datasets, control de cambios y metadatos para una verificación de cumplimiento.
- Generar y validar evidencia técnica verificable: planes de pruebas, registros de auditoría, métricas de calidad de datos y procesos de governanza de IA.
1. Análisis de la Trazabilidad Software y Datos (AI Act): Auditorías Técnicas para Autoridades
- Analizar acoplos flap–lag–torsion, whirl flutter y fatiga.
- Dimensionar laminados en compósitos, uniones y bonded joints con FE.
- Implementar damage tolerance y NDT (UT/RT/termografía).
3. Diseño y validación integral orientado al usuario (del modelado a la manufactura)
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.
4. Ingeniería de Trazabilidad de Software y Datasets (AI Act): Auditorías Técnicas para Autoridades
- Analizar la trazabilidad de software y datasets conforme al AI Act, con auditorías técnicas para autoridades y trazabilidad de decisiones de IA.
- Implementar mecanismos de trazabilidad y metadatos para datasets y pipelines, asegurando evidencia para auditorías y conformidad regulatoria.
- Diseñar y ejecutar procedimientos de revisión de cumplimiento y auditoría técnica, incluyendo control de cambios, gestión de acceso y evaluación de riesgos para autoridades.
5. Dominio de la Trazabilidad Software-Datos (AI Act): Auditorías Técnicas y Evidencia
- Analizar la trazabilidad software–datos conforme al AI Act, cubriendo mapeo de flujos, metadatos y controles de versión para auditorías técnicas.
- Definir y documentar evidencias auditables (registros de cambios, trazabilidad de requisitos a datos y datos de entrenamiento) y establecer un marco de gobernanza para cumplimiento.
- Implementar procesos de verificación y conservación de la trazabilidad, asegurando integridad, fiabilidad y conservación de evidencias para auditorías internas y externas.
6. Ingeniería de la Trazabilidad (AI Act): Auditorías Técnicas y Evidencia para Software y Datasets
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.
To whom is our:
Ingeniería de Trazabilidad de software y datasets (AI Act), auditorías y evidencia técnica para autoridades.
- Ingenieros/as con titulación en Ingeniería de Software, Informática, o disciplinas relacionadas con el desarrollo de software.
- Profesionales involucrados en el ciclo de vida del software, incluyendo desarrolladores, arquitectos de software, analistas de sistemas, y ingenieros de control de calidad (QA).
- Expertos en áreas como Machine Learning, Inteligencia Artificial y Ciencia de Datos que deseen profundizar en la trazabilidad y cumplimiento de la IA Act.
- Auditores y consultores de TI que busquen especializarse en auditorías de software y datasets, especialmente en el contexto del AI Act.
- Personal de empresas que desarrollan, implementan o utilizan sistemas de IA y que necesitan comprender y cumplir con las regulaciones.
- Profesionales en roles de compliance, gestión de riesgos y legal que requieren conocimientos técnicos para evaluar el cumplimiento del AI Act.
- Funcionarios de autoridades reguladoras y personal de organismos de certificación que deseen adquirir las habilidades necesarias para evaluar y supervisar el cumplimiento del AI Act.
Requisitos recomendados: Conocimientos básicos de programación, familiaridad con los conceptos de IA y Machine Learning.
- Standards-driven curriculum: trabajarás con CS-27/CS-29, DO-160, DO-178C/DO-254, ARP4754A/ARP4761, ADS-33E-PRF desde el primer módulo.
- Laboratorios acreditables (EN ISO/IEC 17025) con banco de rotor, EMC/Lightning pre-compliance, HIL/SIL, vibraciones/acústica.
- TFM orientado a evidencia: safety case, test plan, compliance dossier y límites operativos.
- Mentorado por industria: docentes con trayectoria en rotorcraft, tiltrotor, eVTOL/UAM y flight test.
- Modalidad flexible (híbrido/online), cohortes internacionales y soporte de SEIUM Career Services.
- Ética y seguridad: enfoque safety-by-design, ciber-OT, DIH y cumplimiento como pilares.
Módulo 1 — Introducción a la Trazabilidad y el AI Act
1.1 Contexto de la trazabilidad en sistemas navales con IA: por qué la trazabilidad facilita seguridad, mantenimiento, auditoría y aceptación operacional en navíos y plataformas offshore
1.2 AI Act: alcance, definiciones y requisitos relevantes para trazabilidad de software y datasets en entornos navales y de defensa
1.3 Principios de trazabilidad de software y datos: trazabilidad end-to-end desde requisitos y diseño hasta verificación, validación y mantenimiento
1.4 Ingeniería de trazabilidad: arquitectura de trazabilidad, MBSE/PLM, registro de cambios, control de versiones y vinculaciones entre software, datos y hardware
1.5 Evidencia técnica en IA: qué constituye evidencia para autoridad (informes de auditoría, registros de experimentos, logs, pruebas, métricas) y su formato
1.6 Trazabilidad de datasets y gobernanza de datos: provenance, calidad de datos, versionado, lineage, protección de datos y cumplimiento ético
1.7 Auditorías técnicas para autoridades: procedimientos de auditoría, criterios de cumplimiento, plantillas de informe, gestión de no conformidades
1.8 Gestión de riesgos y madurez tecnológica: TRL/CRL/SRL en proyectos navales con IA, evaluación de readiness y plan de mitigación
1.9 Cumplimiento, certificaciones y time-to-market: normativa marítima, certificaciones de sistemas críticos, patentes y licencias, impacto en despliegue
1.10 Caso práctico: desarrollo de un plan de auditoría de trazabilidad para un sistema autonomo de navegación costera: objetivos, entregables, plazos, matriz de riesgos y criterios go/no-go
2.2 AI Act: Trazabilidad de Software y Datasets para auditorías técnicas: alcance, principios y evidencias mínimas
2.2 Análisis de Trazabilidad de Software y Datos (AI Act): Auditorías técnicas para autoridades: metodologías, criterios de evaluación y reporte
2.3 Trazabilidad de Software y Datos (AI Act): Ingeniería, Auditoría y Evidencia Técnica: diseño de trazabilidad, captura de evidencia y verificación
2.4 Ingeniería de Trazabilidad de Software y Datasets (AI Act): Auditorías Técnicas para Autoridades: gestión de artefactos, control de cambios y metadatos
2.5 Dominio de la Trazabilidad Software-Datos (AI Act): Auditorías Técnicas y Evidencia: alcance, integridad de metadatos y proveniencia de datos
2.6 Ingeniería de la Trazabilidad (AI Act): Auditorías Técnicas y Evidencia para Software y Datasets: herramientas, pipelines y trazabilidad end-to-end
2.7 Auditoría y Evidencia Técnica de la Trazabilidad Software/Datasets (AI Act): Métodos de recopilación de evidencia, verificación independiente y cumplimiento
2.8 Trazabilidad AI Act: Auditorías, Software, Datasets y Evidencia Técnica: gobernanza de datos, provenance de modelos y registros de entrenamiento
2.9 IP, certificaciones y time-to-market en IA: Consideraciones de trazabilidad y propiedad intelectual en el AI Act
2.20 Case clinic: go/no-go con matriz de riesgo para la trazabilidad AI Act: casos prácticos y criterios de decisión
3.3 AI Act: Trazabilidad de Software y Datos para Auditorías Técnicas
3.2 Trazabilidad de datos de entrenamiento, validación y prueba: origen, transformaciones y calidad
3.3 Trazabilidad de modelos y pipelines: versionado, cambios y evidencias
3.4 Ingeniería de la trazabilidad: MBSE/PLM e integración de cambios
3.5 Evidencia técnica: generación, estructuración y almacenamiento para auditoría
3.6 Herramientas de trazabilidad: data catalogs, lineage y metadata management
3.7 Gobernanza de datos y cumplimiento: políticas, roles y controles
3.8 Evaluación de riesgos y readiness: TRL/CRL/SRL y métricas de cumplimiento
3.9 Propiedad intelectual, certificaciones y time-to-market
3.30 Caso práctico: go/no-go con matriz de riesgo de trazabilidad AI Act
4.4 Auditoría y Evidencia Técnica en la Era de la IA: Trazabilidad de Software y Datasets (AI Act)
4.2 Análisis de la Trazabilidad Software y Datos (AI Act): Auditorías Técnicas para Autoridades
4.3 Trazabilidad de Software y Datos (AI Act): Ingeniería, Auditoría y Evidencia Técnica
4.4 Ingeniería de Trazabilidad de Software y Datasets (AI Act): Auditorías Técnicas para Autoridades
4.5 Dominio de la Trazabilidad Software-Datos (AI Act): Auditorías Técnicas y Evidencia
4.6 Ingeniería de la Trazabilidad (AI Act): Auditorías Técnicas y Evidencia para Software y Datasets
4.7 Auditoría y Evidencia Técnica de la Trazabilidad Software/Datasets (AI Act)
4.8 Trazabilidad AI Act: Auditorías, Software, Datasets y Evidencia Técnica
4.9 Fundamentos de la trazabilidad para compliance AI Act: procesos, evidencias y gobernanza
4.40 Casos clínicos: go/no-go con matriz de riesgo en trazabilidad AI Act
5.5 Principios de la Trazabilidad: Fundamentos y Marco Regulatorio (AI Act)
5.5 Diseño e Implementación de Sistemas de Trazabilidad para Software
5.3 Diseño e Implementación de Sistemas de Trazabilidad para Datasets
5.4 Auditorías Técnicas: Metodologías y Buenas Prácticas para la Trazabilidad
5.5 Recopilación y Gestión de Evidencia Técnica: Asegurando la Conformidad
5.6 Análisis de Riesgos y Mitigación en la Trazabilidad (AI Act)
5.7 Herramientas y Tecnologías para la Trazabilidad (AI Act)
5.8 Casos de Estudio: Implementación de Trazabilidad en Proyectos Reales
5.9 Aspectos Legales y Éticos de la Trazabilidad (AI Act)
5.50 Preparación para Auditorías y Certificaciones (AI Act)
6.6 Fundamentos de la Trazabilidad AI Act: Definiciones y Marco Regulatorio
6.2 Arquitectura de la Trazabilidad: Componentes y Relaciones en Software y Datasets
6.3 Técnicas de Ingeniería para la Trazabilidad: Implementación y Herramientas
6.4 Auditorías Técnicas: Metodologías y Estándares para la Evaluación
6.5 Evidencia Técnica: Recopilación, Gestión y Presentación
6.6 Análisis de Riesgos en la Trazabilidad: Identificación y Mitigación
6.7 Software y Datasets: Diseño para la Trazabilidad desde la Ingeniería
6.8 Casos Prácticos: Aplicación de la Trazabilidad en Diferentes Escenarios AI
6.9 Cumplimiento del AI Act: Preparación para Auditorías y Certificaciones
6.60 Tendencias Futuras: Evolución de la Trazabilidad y la Inteligencia Artificial
7.7 Marco Regulatorio y Legal de la Trazabilidad (AI Act): Visión General
7.2 Diseño de Sistemas de Trazabilidad: Principios y Mejores Prácticas
7.3 Implementación de Trazabilidad en el Ciclo de Vida del Software
7.4 Trazabilidad de Datos: Origen, Transformación y Gobernanza
7.7 Auditorías Técnicas: Metodología y Herramientas
7.6 Recopilación y Gestión de Evidencia Técnica
7.7 Análisis de Riesgos y Mitigación en Trazabilidad
7.8 Preparación para Auditorías de Conformidad (AI Act)
7.9 Casos de Estudio: Aplicación Práctica de la Trazabilidad
7.70 Documentación y Reportes: Creando un Dossier de Evidencia Robusto
8.8 Marco Legal del AI Act y su Impacto en la Trazabilidad
8.8 Fundamentos de la Auditoría Técnica en el Contexto de la IA
8.3 Recopilación y Análisis de Evidencia Técnica en Software y Datasets
8.4 Trazabilidad de Datos: Desde la Recolección hasta el Uso Final
8.5 Diseño de la Trazabilidad en Software: Principios y Mejores Prácticas
8.6 Herramientas y Metodologías para la Auditoría de Trazabilidad
8.7 Evaluación de Riesgos y Mitigación en Sistemas de IA
8.8 Creación y Gestión de Documentación de Evidencia Técnica
8.8 Integración de la Trazabilidad en el Ciclo de Vida del Software
8.80 Casos Prácticos de Auditorías de Trazabilidad: Estudios de Caso
9.9 Fundamentos de la Auditoría y Evidencia Técnica en la Era de la IA
9.9 Marco Regulatorio del AI Act y su Impacto en la Trazabilidad
9.3 Análisis de la Trazabilidad de Software y Datasets
9.4 Diseño e Implementación de Sistemas de Trazabilidad Robustos
9.5 Técnicas Avanzadas de Auditoría de Trazabilidad
9.6 Generación y Gestión de Evidencia Técnica Confiable
9.7 Evaluación de Riesgos y Mitigación en la Trazabilidad AI
9.8 Herramientas y Tecnologías para la Auditoría y Evidencia
9.9 Estudios de Caso: Aplicación Práctica de la Trazabilidad AI
9.90 Tendencias Futuras y Desafíos en la Auditoría de Trazabilidad AI
1.1 Marco Regulatorio AI Act: Contexto y Alcance para la Trazabilidad.
1.2 Principios Clave de la Trazabilidad en la IA.
1.3 Identificación de Riesgos y Mitigación: Auditorías Técnicas Iniciales.
1.4 Recopilación y Análisis de Evidencia: Datos y Documentación.
1.5 Herramientas y Metodologías para Auditorías de Trazabilidad.
1.6 Diseño de un Plan de Auditoría AI Act.
1.7 Auditoría de la Trazabilidad en el Ciclo de Vida del Software.
1.8 Auditoría de la Trazabilidad de Datasets: Origen y Uso.
1.9 Evaluación de la Calidad y la Integridad de los Datos.
1.10 Proyecto Final: Diseño de una Auditoría Completa.
- Metodología hands-on: test-before-you-trust, design reviews, failure analysis, compliance evidence.
- Software (según licencias/partners): MATLAB/Simulink, Python (NumPy/SciPy), OpenVSP, SU2/OpenFOAM, Nastran/Abaqus, AMESim/Modelica, herramientas de acústica, toolchains de planificación DO-178C.
- Laboratorios SEIUM: banco de rotor a escala, vibraciones/acústica, EMC/Lightning pre-compliance, HIL/SIL para AFCS, adquisición de datos con strain gauging.
- Estándares y cumplimiento: EN 9100, 17025, ISO 27001, GDPR.
Capstone-type projects
Admissions, fees and scholarships
- Perfil: Formación en Ingeniería Informática, Matemáticas, Estadística o campos relacionados; experiencia práctica en NLP y sistemas de recuperación de información valorada.
- Documentación: CV actualizado, expediente académico, SOP/ensayo de propósito, ejemplos de proyectos o código (opcional).
- Proceso: solicitud → evaluación técnica de perfil y experiencia → entrevista técnica → revisión de casos prácticos → decisión final → matrícula.
- Tasas:
- Pago único: 10% de descuento.
- Pago en 3 plazos: sin comisiones; 30% a la inscripción + 2 pagos mensuales iguales del 35% restante.
- Pago mensual: disponible con comisión del 7% sobre el total; revisión anual.
- Becas: por mérito académico, situación económica y fomento de la inclusión; convenios con empresas del sector para becas parciales o totales.
Consulta “Calendario & convocatorias”, “Becas & ayudas” y “Tasas & financiación” en el mega-menú de SEIUM
Do you have any questions?
Our team is ready to help you. Contact us and we’ll get back to you as soon as possible.
F. A. Q
Frequently Asked Questions
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”).