Portal Web de la UNED, Universidad Nacional de Educación a Distancia

El Programa de Postgrado acoge los cursos que dan derecho a la obtención de un Título Propio otorgado por la UNED. Cada curso se impartirá en uno de los siguientes niveles: Máster de Formación Permanente, Diploma de Especialización, Diploma de Experto/a y Certificado de Formación del Profesorado.

Requisitos de acceso:

Estar en posesión de un título de Grado, Licenciatura, Diplomatura, Ingeniería, Ingeniería Técnica, Arquitectura o Arquitectura Técnica. La dirección del curso podrá proponer que se establezcan requisitos adicionales de formación previa específica en algunas disciplinas.

Asimismo, de forma excepcional y previo informe favorable de la citada dirección, el Rectorado podrá eximir del requisito previo de la titulación en los cursos conducentes al Diploma de Experto/a Universitario/a. En estos supuestos para realizar la matrícula se deberá presentar un currículo vitae de experiencias profesionales que avalen su capacidad para poder seguir el curso con aprovechamiento y disponer de acceso a la universidad según la normativa vigente.

Quien desee matricularse en algún curso del Programa de Postgrado sin reunir los requisitos de acceso podrá hacerlo, aunque, en el supuesto de superarlo, no tendrá derecho al Título propio, sino a un Certificado de aprovechamiento.

Es imprescindible que los alumnos/as adquieran al principio del curso una tarjeta de desarrollo basada en un microcontrolador para inteligencia artificial (AI), junto con algún otro accesorio de bajo coste (la tarjeta incluye varios sensores). Este material es ajeno al equipo docente y debe adquirirse a través de los distribuidores habituales (precio conjunto aproximado de 60 euros). Se darán las indicaciones necesarias en el curso virtual.

El curso está dirigido a alumnos/as que tengan unos conocimientos medios/básicos de programación en algún lenguaje de medio/alto nivel (por ej. Matlab, C o Python), así como manejar con cierta soltura herramientas de simulación tipo Matlab/Simulink (se usará principalmente Matlab/Simulink para simulaciones y cálculos, Python para las técnicas de Machine Learning y C para los microcontroladores). En el curso se incluyen bloques de nivelación para aquellos estudiantes que necesiten repasar conceptos de programación en C o Python. Se darán también indicaciones para repasar Matlab/Simulink. Es interesante, pero no imprescindible, tener conocimientos previos de programación de microcontroladores (por ej. PIC o Arduino).

Es conveniente tener unos conocimientos básicos de electrónica analógica y digital, así como de sistemas embebidos y microcontroladores. Es interesante repasar conocimientos previos de álgebra y cálculo para comprender mejor la implementación de los algoritmos de Machine Learning en microcontroladores, así como del procesado digital de señal y métodos numéricos aplicados a los datos.

Para el correcto seguimiento del curso, se requiere leer con soltura textos técnicos en inglés (la mayoría de la documentación y datasheets sobre los temas tratados se encuentra en inglés).

Fundamentos de Machine Learning enfocado a sistemas embebidos con microcontroladores (TinyML). 

Introducción al lenguaje de programación Python (por ej. Jupyter notebooks) y al lenguaje de programación C para microcontroladores. Fundamentos de simulación y análisis en Matlab/Simulink.

Principios de procesado digital de señales (tiempo/frecuencia) y métodos numéricos. Preprocesado y análisis de datos (métodos estadísticos y de señal). Estas técnicas forman la base para los métodos de Machine Learning aplicados a sistemas embebidos en tiempo real.

Fundamentos de microcontroladores y SoC para inteligencia artificial (AI) y Machine Learning. Se emplea una perspectiva de medio/alto nivel mediante el uso de algoritmos y librerías TinyML. Si se desea estudiar más en profundidad los sistemas embebidos basados en microcontroladores desde una perspectiva de medio/bajo nivel (Bare Metal), se recomienda el curso "Sistemas embebidos con microcontroladores en tiempo real".

Estudio teórico, implementación y aplicación práctica de técnicas de Machine Learning y Deep Learning en sistemas embebidos basados en microcontroladores en tiempo real (TinyML).

Bloque 1. Metodología de Machine Learning embebido con microcontroladores (TinyML) 

Bloque 2. Introducción al procesado digital de señales (tiempo/frecuencia) y métodos numéricos 

Bloque 3. Análisis y preprocesado de datos (métodos estadísticos y de señal) 

Bloque 4. Fundamentos de lenguaje C y programación de microcontroladores

Bloque 5. Procesado digital de señales con microcontroladores y simulación

Bloque 6. Fundamentos de Python para Machine Learning y procesado de señal 

Bloque 7. Introducción a las técnicas y algoritmos de Machine Learning 

Bloque 8. Microcontroladores y SoC para Machine Learning embebido e inteligencia artificial (AI)

Bloque 9. Fundamentos y algoritmos de Machine Learning embebido (TinyML) 

Bloque 10. Análisis y evaluación de los algoritmos de Machine Learning embebido

Bloque 11. Técnicas de Deep Learning embebido y procesado de señal en tiempo real

Bloque 12. Aplicaciones de Machine Learning embebido con microcontroladores

El curso se imparte bajo la modalidad a distancia, basándose principalmente en la plataforma online de la UNED (Ágora) para el acceso a los materiales de estudio, la comunicación con el equipo docente y las entregas de las actividades de evaluación.

Se debe estudiar el material proporcionado en el curso virtual, así como documentos y hojas de datos disponibles en internet (se referenciarán convenientemente).

El curso tiene un carácter eminentemente práctico y cada bloque de teoría debe completarse con su correspondiente trabajo práctico. Se utilizarán principalmente el lenguaje de programación Python (por ej. Jupyter notebooks) y el lenguaje C (microcontroladores).

A lo largo del curso se utilizarán también como complemento herramientas de simulación tipo Matlab/Simulink (disponible gratuitamente en la UNED para los alumnos/as), así como programas de simulación de circuitos tipo LTspice o similares.

Es imprescindible que los alumnos/as adquieran al principio del curso una tarjeta de desarrollo basada en un microcontrolador para inteligencia artificial (AI), junto con algún otro accesorio de bajo coste (la tarjeta incluye varios sensores). Este material es ajeno al equipo docente y debe adquirirse a través de los distribuidores habituales (precio conjunto aproximado de 60 euros). Se darán las indicaciones necesarias en el curso virtual.

4.1 Material obligatorio

4.1.1 Material en Plataforma Virtual

En el curso virtual se dispondrá del material necesario para seguir el curso, así como de una guía del mismo.

 

El curso se desarrollará en castellano. No obstante, los materiales del curso estarán en castellano y en inglés.

 

Para el correcto seguimiento del curso, se requiere leer con soltura textos técnicos en inglés.

4.2 Material optativo, de consulta y bibliografía

4.2.1 Otros Materiales

Es imprescindible que los alumnos/as adquieran al principio del curso una tarjeta de desarrollo basada en un microcontrolador para inteligencia artificial (AI), junto con algún otro accesorio de bajo coste (la tarjeta incluye varios sensores). Este material es ajeno al equipo docente y debe adquirirse a través de los distribuidores habituales (precio conjunto aproximado de 60 euros). Se darán las indicaciones necesarias en el curso virtual.

La atención a los alumnos/as se realizará preferentemente a través de los foros incluidos en el curso virtual siguiendo la metodología online de la UNED.

En caso de ser necesario, se pueden realizar consultas por correo electrónico (smonteso@ieec.uned.es) o telefónicamente (913986481), así como presencialmente (concertando cita) en el Departamento de Ingeniería Eléctrica, Electrónica y Control en la Sede Central de la UNED, en horario viernes de 15 a 19 horas.

Como evaluación continua, se realizarán varios trabajos prácticos a lo largo del curso, así como  cuestionarios online para comprobar los conocimientos adquiridos.

Como evaluación final, se realizará un trabajo práctico final (TPF) que englobe las materias estudiadas a lo largo del curso (el planteamiento debe acordarse con antelación con el equipo docente). Para desarrollar este trabajo se podrán usar las instalaciones del departamento de electrónica en la sede central, previo acuerdo con el equipo docente.

La duración del curso es del 1 de febrero al 15 de octubre de 2026.

La carga lectiva del curso es de 15 ETCS (375 horas).

Director/a

Precio de matrícula: 450,00 €.

10.1 Ayudas al estudio y descuentos

Se puede encontrar información general sobre ayudas al estudio y descuentos en este enlace.

Debe hacer la solicitud de matrícula marcando la opción correspondiente, y posteriormente enviar la documentación al correo: descuentos@fundacion.uned.es.

10.2 Incentivos

Son Ayudas que se concederán a propuesta voluntaria de los directores de los cursos, que son los que más conocen a su alumnado, y se detraerán del crédito disponible para el curso.

Su concesión no anula el porcentaje de los ingresos de matrícula que se destina a ayudas al estudio en esta actividad.

En todo caso, el porcentaje que se va a incentivar será exclusivamente el que corresponda al precio de matrícula (en ningún caso al precio del material necesario para el seguimiento del curso).

Los incentivos a la matrícula aprobados para este curso académico son los siguientes:

• Grupos que vengan de entidades que matriculen cinco miembros o más.

  Descuento aplicado: 10%.

Del 8 de septiembre de 2025 al 15 de enero de 2026.

Información de matrícula:

Fundación UNED

C/ Guzmán el Bueno, 133 - Edificio Germania, 1ª planta

28003 Madrid

Teléfonos: +34913867275/1592

Correo electrónico: bsaez@fundacion.uned.es

http://www.fundacion.uned.es

Negociado de Especialización.