CursoDefensa, ingeniería militar y sistemas terrestres Inscripciones abiertas

Curso de Regulación de Transparencia Algorítmica

Curso en línea de 300 horas sobre regulación de la transparencia algorítmica. 6 módulos que abarcan el Reglamento (UE) 2024/1689 (Ley de Inteligencia Artificial), el Reglamento (UE) 2016/679 (RGPD), el artículo 22 y Python (SHAP y LIME). Tutor asignado e inscripciones abiertas.

Duración300 h
ModalidadEn línea
Fechas de inicioSegún determine el cuerpo docente
CertificaciónDiploma SEIUM Institute

Curso de Regulación de Transparencia Algorítmica — estudiando desde Colombia

La ingeniería de defensa en Colombia se vincula con el mantenimiento y modernización de sistemas terrestres, la logística militar y el desarrollo de capacidades de apoyo a las Fuerzas Militares. Empresas estatales y privadas del sector de defensa, así como contratistas de mantenimiento y suministro de equipos, demandan ingenieros mecánicos, electrónicos y de sistemas con conocimientos en vehículos blindados, comunicaciones tácticas y sostenimiento de material. La formación en este campo se articula con normas técnicas y procedimientos de contratación pública y de seguridad.

Costos para Colombia: $ 1.920.000 (peso colombiano), con cuotas y patrocinio empresarial disponibles.

Organismos relevantes en Colombia

  • Ministerio de Defensa Nacional
  • Industria Militar de Colombia (INDUMIL)
  • Corporación de la Industria Aeronáutica Colombiana (CIAC)

Roles típicos

  • Ingeniero de sistemas de defensa
  • Ingeniero de mantenimiento de material militar
  • Especialista en logística de defensa
  • Ingeniero de sistemas terrestres

Preguntas desde Colombia

¿Cómo se relaciona la ingeniería de defensa con la regulación colombiana?

La adquisición y el control de equipos de defensa en Colombia los gestiona el Ministerio de Defensa Nacional y sus entidades, y aplican normas de contratación pública como la Ley 80 de 1993 y la Ley 1150 de 2007. El título de ingeniero se reconoce por el Ministerio de Educación. Un programa de SEIUM es una cualificación privada y no oficial, así que su valor depende de empleadores e instituciones del sector.

¿Dónde se contratan ingenieros de sistemas terrestres y defensa en Colombia?

Los perfiles se contratan en industrias de defensa con presencia en el país, contratistas de mantenimiento y logística, empresas de vehículos especiales, y en entidades públicas del sector. También hay demanda en empresas que proveen soporte técnico a fuerzas de seguridad. Estos empleos suelen requerir verificación de antecedentes y no están garantizados.

¿Mi empleador podría financiar esta formación y cómo es el pago?

Algunas organizaciones del sector financian capacitación de su personal técnico, lo que es práctica común en empresas con programas de desarrollo. El pago en SEIUM es fraccionado en cuotas. Conviene acordar con el empleador cualquier reembolso o compromiso. Como estudia en línea desde Colombia no necesita visa de estudiante, y el programa se dicta en inglés.

Laboratorio virtual · pruébalo antes de inscribirte

Toma el control.

Realiza un auténtico compromiso de ingeniería en este campo. Mueve los controles deslizantes, observa cómo reacciona el modelo en tiempo real y supera el desafío.

SIM · EN VIVO ●
Resultados de aprendizaje

Lo que podrás hacer

01

Comprender qué exige la transparencia algorítmica y por qué es necesaria.

02

Interpretar las obligaciones de transparencia de la Ley de Inteligencia Artificial, el RGPD y la Ley de Servicios Digitales.

03

Documentar sistemas algorítmicos mediante fichas de modelo y registros.

04

Aplicar técnicas de explicabilidad como SHAP y LIME.

05

Realizar auditorías algorítmicas de sesgos y de rendimiento.

06

Diseñar mecanismos de gobernanza y publicación de algoritmos.

07

Elaborar un informe de transparencia de un sistema algorítmico.

Perfil

Para quién es

  • Auditor de algoritmos que desea especializarse en Regulación de la Transparencia Algorítmica.
  • Gerente de gobernanza de inteligencia artificial que desea especializarse en Regulación de la Transparencia Algorítmica.
  • Oficial de protección de datos que desea especializarse en Regulación de la Transparencia Algorítmica.
  • Analista de explicabilidad de modelos que desea especializarse en Regulación de la Transparencia Algorítmica.
  • Consultor de cumplimiento digital que desea especializarse en Regulación de la Transparencia Algorítmica.
  • Responsable de transparencia en el sector público que desea especializarse en Regulación de la Transparencia Algorítmica.
  • Egresados en ingeniería o ciencias que buscan incorporarse a la administración pública.
Normas y herramientas

Con qué trabajarás

  • Reglamento (UE) 2024/1689 (Ley de Inteligencia Artificial)
  • Reglamento (UE) 2016/679 (RGPD), artículo 22
  • Reglamento (UE) 2022/2065 (Ley de Servicios Digitales)
  • ISO/IEC 42001 (sistemas de gestión de la inteligencia artificial)
  • ISO/IEC 23894 (gestión de riesgos de la inteligencia artificial)
  • ISO/IEC TR 24028 (confiabilidad en la inteligencia artificial)
  • Ley 19/2013 de transparencia, acceso a la información pública y buen gobierno
Plan de estudios

6 módulos · 300 h

  1. 1.1Opacidad técnica, jurídica y organizativa
  2. 1.2Lo que desea saber la persona afectada por una decisión
  3. 1.3Lo que necesita saber el supervisor
  4. 1.4Transparencia frente a secretos comerciales
  5. 1.5Transparencia frente al riesgo de manipulación del sistema
  6. 1.6Niveles de transparencia: sistema, modelo y decisión
  7. 1.7Documentos internacionales de referencia
  8. 1.8Vocabulario del sector
  9. 1.9Casos públicos que impulsaron la regulación
  10. 1.10Ejercicio: definir qué publicar sobre un sistema concreto
  1. 2.1Decisiones automatizadas y derechos de las personas interesadas
  2. 2.2Derecho a información significativa sobre la lógica aplicada
  3. 2.3Normativa europea de IA y transparencia
  4. 2.4Obligaciones de las plataformas en línea
  5. 2.5Transparencia en el sector público y registros de algoritmos
  6. 2.6Contratación pública y cláusulas de transparencia
  7. 2.7Acceso a la información pública aplicado a algoritmos
  8. 2.8Normativa sectorial: crédito, empleo y salud
  9. 2.9Jurisprudencia relevante
  10. 2.10Práctica: mapeo de las obligaciones de un sistema del sector público
  1. 3.1Ficha técnica del modelo y del conjunto de datos
  2. 3.2Registro de decisiones y datos de auditoría
  3. 3.3Explicaciones locales y métodos habituales
  4. 3.4Explicaciones globales y análisis de importancia de variables
  5. 3.5Explicaciones contrafactuales
  6. 3.6Límites y riesgos de las explicaciones
  7. 3.7Explicaciones comprensibles para la persona afectada
  8. 3.8Interfaz de explicación y pruebas con usuarios
  9. 3.9Verificación de la fidelidad de la explicación
  10. 3.10Práctica: redactar una explicación para una persona afectada
  1. 4.1Auditoría interna y externa del sistema
  2. 4.2Acceso del auditor a los datos y a los modelos
  3. 4.3Auditoría de caja negra y sus técnicas
  4. 4.4Pruebas por subgrupos y detección de sesgos
  5. 4.5Reproducibilidad del resultado auditado
  6. 4.6Protección de la información durante una auditoría
  7. 4.7Informe de auditoría y su publicación
  8. 4.8Inspección por la autoridad y sus facultades
  9. 4.9Investigación independiente y acceso de investigadores
  10. 4.10Práctica: diseño de un plan de auditoría
  1. 5.1Registro público de algoritmos: contenido y mantenimiento
  2. 5.2Evaluación de impacto y su publicación
  3. 5.3Participación de las personas afectadas en el diseño
  4. 5.4Canal de reclamaciones y revisión humana
  5. 5.5Comunicación con los medios y el público
  6. 5.6Transparencia proactiva frente a reactiva
  7. 5.7Indicadores de transparencia
  8. 5.8El riesgo de una transparencia meramente formal
  9. 5.9Mejora continua de la política
  10. 5.10Práctica: diseño de la ficha informativa pública de un sistema
  1. 6.1Elección del sistema y de su contexto
  2. 6.2Mapa de obligaciones de transparencia
  3. 6.3Documentación técnica y ficha del modelo
  4. 6.4Diseño de explicaciones para cada público
  5. 6.5Plan de auditoría y de acceso
  6. 6.6Ficha informativa pública y registro de algoritmos
  7. 6.7Canal de reclamaciones y revisión humana
  8. 6.8Indicadores y plan de mejora
  9. 6.9Informe del proyecto
  10. 6.10Defensa del proyecto
Metodología, software y laboratorios

Cómo aprenderás

Formación 100% en línea en el campus de SEIUM, con material descargable, clases grabadas y un tutor técnico asignado. No hay horarios fijos: el estudiante avanza a su propio ritmo dentro de la promoción, lo que permite combinar el curso con el trabajo.

Cada módulo combina teoría, lectura guiada de la normativa original y ejercicios aplicados. El software de trabajo es Python (SHAP y LIME), IBM AI Fairness 360, Fairlearn, Jupyter Notebook, en versiones gratuitas, académicas o de evaluación. Los casos prácticos se basan en procedimientos reales de auditoría algorítmica de sistemas reales, elaboración de fichas y registros de modelos, y análisis de explicabilidad de decisiones automatizadas. La evaluación es continua, módulo a módulo, más el proyecto final integrador.

Trabajo práctico aplicadocon software estándar de la industria, simulación, casos de estudio reales y ejercicios prácticos guiados.
Proyecto final orientado a evidencias:caso de seguridad, plan de pruebas, expediente de cumplimiento y límites operativos.
Mentoría de la industria:docentes con experiencia profesional en el campo y en proyectos reales de la industria.
Formato flexible(100% en línea), cohortes internacionales y apoyo de SEIUM Career Services.
Ética y seguridad:un enfoque de seguridad desde el diseño, con ciberseguridad y cumplimiento normativo como pilares.
Proyecto final

Desarrólalo de principio a fin

Tu proyecto final sigue el flujo de trabajo real de la ingeniería, paso a paso, revisado por tu tutor.

Elección del sistema y su contexto

Comprender qué exige la transparencia algorítmica y por qué es necesaria.

Mapa de obligaciones de transparencia

Interpretar las obligaciones de transparencia de la Ley de Inteligencia Artificial, el RGPD y la Ley de Servicios Digitales.

Documentación técnica y ficha del modelo

Documentar sistemas algorítmicos mediante fichas de modelo y registros.

Diseño de explicaciones para cada audiencia

Aplicar técnicas de explicabilidad como SHAP y LIME.

Plan de auditoría y acceso

Realizar auditorías algorítmicas de sesgo y rendimiento.

Oportunidades profesionales

Hacia dónde te lleva

Auditor de algoritmosGestor de gobernanza de la IAOficial de protección de datosAnalista de explicabilidad de modelosConsultor de cumplimiento digitalResponsable de transparencia en el sector público
Admisión y becas

Requisitos

  • No se requiere titulación previa.
  • Conexión a internet y una computadora capaz de ejecutar el software del programa.
  • Inglés suficiente para seguir la lectura técnica de la normativa.

¿Listo para empezar?

Envía tu solicitud hoy. Nuestro equipo de admisiones responde en un plazo de 72 horas con tu plan de estudios y las opciones de financiamiento.

Preguntas frecuentes

Preguntas frecuentes

El programa comprende 300 horas en total, distribuidas en 3 a 5 meses. Esto equivale a un promedio de 10 a 15 horas por semana, compatible con un trabajo de tiempo completo.

El curso utiliza Python (SHAP y LIME), IBM AI Fairness 360, Fairlearn y Jupyter Notebook. Se emplean versiones gratuitas, académicas o de evaluación, y el tutor indica la alternativa de código abierto cuando existe.

Un diploma propio de SEIUM al aprobar la evaluación continua y el proyecto integrador. Es una formación interna, no una titulación oficial del Ministerio.

Sí. Los módulos aprobados en un curso o diplomado de posgrado del mismo ámbito se reconocen para el programa avanzado. Consulte la política de reconocimiento al matricularse.

Curso de Regulación de Transparencia AlgorítmicaInscripción
Volver arriba
SEIUM – Instituto de Ingeniería Avanzada
Resumen de privacidad

Este sitio web utiliza cookies para brindarle la mejor experiencia de usuario posible. La información de las cookies se almacena en su navegador y cumple funciones como reconocerlo cuando regresa a nuestro sitio web y ayudar a nuestro equipo a comprender qué secciones del sitio le resultan más interesantes y útiles.