Máster de Formación Permanente de la Universidad de Alcalá
Máster en Ingeniería de Sistemas de IA Generativa
Un año, 100 % online, para aprender a diseñar, evaluar y poner en producción sistemas basados en modelos de lenguaje y agentes. Para desarrolladores e ingenieros que quieren entender cómo funcionan estos sistemas por dentro y construirlos con criterio.
Para quién es
Para perfiles técnicos que ya escriben o mantienen software y van a tener que construir, integrar u operar sistemas con IA generativa.
- DesarrolladoresDe cualquier lenguaje o stack, que quieren incorporar la IA generativa a su trabajo diario y entender a fondo cómo funciona.
- Ingeniería y operacionesIngenieros de software, DevOps, SRE y arquitectos que integran componentes generativos en servicios reales y responden de su fiabilidad, coste y operación.
- Perfiles técnicos en generalCualquier profesional que desarrolla o mantiene código o sistemas, sea cual sea su sector o experiencia, y quiere ponerse al día.
Qué aprenderás
El objetivo es que salgas sabiendo decidir qué modelo usar, cómo evaluarlo, cuándo adaptarlo y cómo integrarlo de forma robusta en una arquitectura de software real.
- Razonar sobre el comportamiento de un LLM porque entiendes su arquitectura: atención, tokenización, embeddings, generación y paradigmas de entrenamiento.
- Diseñar prompts y contextos que den resultados precisos y reproducibles, y mitigar alucinaciones y fallos de razonamiento en tiempo de inferencia.
- Construir pipelines de RAG y GraphRAG eligiendo chunking, embeddings, indexación y reranking según el dominio.
- Diseñar sistemas multiagente con memoria a corto y largo plazo, uso de herramientas y protocolos como MCP.
- Programar con agentes de código: especificar, generar, revisar, refactorizar y testear, integrándolos en Git, la revisión por pares y CI/CD.
- Evaluar modelos y agentes con métricas, benchmarks, LLM-as-judge y red-teaming, y detectar vulnerabilidades como la inyección de prompts o los jailbreaks.
- Adaptar modelos fundacionales con SFT, LoRA, QLoRA y otros métodos PEFT, y alinearlos con RLHF o DPO a partir de datasets propios.
- Desplegar y operar en producción: contenedores, optimización de inferencia, costes, observabilidad y cumplimiento del AI Act y el RGPD.
Plan de estudios
Seis asignaturas obligatorias de 9 ECTS y un trabajo fin de máster de 6 ECTS.
1Fundamentos de IA generativa y razonamiento9 ECTS
- Transformers y mecanismos de atención: arquitectura, funcionamiento y variantes.
- Tokenización, embeddings y generación autorregresiva.
- Paradigmas de entrenamiento: preentrenamiento, instrucción y RLHF.
- Modelos fundacionales: tipos, capacidades y límites, y comparativa entre modelos abiertos y comerciales.
- Prompt engineering, de las técnicas básicas a las avanzadas.
- Modelos de razonamiento y cómputo en tiempo de inferencia: self-consistency, best-of-N, búsqueda y planificación.
2Memoria y sistemas multiagente9 ECTS
- Arquitecturas agénticas reactivas, deliberativas e híbridas, y frameworks para construir agentes.
- Ingeniería de contexto: memoria y gestión del conocimiento.
- Retrieval-Augmented Generation: arquitectura, chunking, indexación y recuperación semántica.
- Compound AI Systems y optimización programática de pipelines con DSPy.
- Sistemas multiagente: coordinación, comunicación y protocolos como MCP.
- Patrones de diseño y casos de uso de sistemas agénticos.
3Ingeniería de software con agentes de código9 ECTS
- Cómo funcionan los agentes de código, qué pueden hacer hoy y dónde fallan.
- Desarrollo asistido: especificación, generación y revisión de código.
- Testing automatizado y refactorización con IA generativa.
- Producción autónoma de documentación, configuración y pipelines.
- Integración en entornos reales: IDE, control de versiones y CI/CD, y control de calidad del código generado.
- Agentes web y computer use, y agentes multimodales con imagen, audio y documentos.
4Evaluación de sistemas generativos9 ECTS
- Métricas automáticas para LLM: perplejidad, BLEU, BERTScore y otras.
- LLM-as-judge y frameworks de evaluación como RAGAS o HELM.
- Benchmarks estándar y cómo leerlos con espíritu crítico.
- Detección y mitigación de alucinaciones.
- Fiabilidad, robustez y seguridad de sistemas agénticos.
- Red-teaming y análisis de vulnerabilidades.
5Fine-tuning y adaptación de modelos9 ECTS
- Fine-tuning supervisado (SFT) y construcción de datasets.
- Adaptación eficiente: LoRA, QLoRA, PEFT y variantes.
- RLHF y optimización de preferencias con DPO y métodos afines.
- Evaluación y validación de modelos adaptados.
- Adaptación a dominio: estrategias, riesgos y buenas prácticas.
- Herramientas y plataformas de fine-tuning disponibles en el mercado.
6Despliegue y operaciones de sistemas generativos9 ECTS
- MLOps para IA generativa: pipelines, versionado y CI/CD.
- Contenerización y orquestación de modelos en producción.
- Optimización de inferencia: cuantización, batching, caching y destilación.
- Gestión de costes, latencia y escalabilidad.
- Observabilidad y monitorización de sistemas generativos.
- Regulación y ética aplicada: AI Act, RGPD y cumplimiento en producción.
7Trabajo fin de máster6 ECTS
- Un proyecto de valor empresarial, de innovación o de desarrollo técnico sobre un caso de uso concreto.
- Integra diseño, implementación, evaluación y cumplimiento normativo de un sistema generativo.
- Se defiende ante un tribunal de profesorado del máster y expertos en la materia.
Cada asignatura se evalúa con pruebas de evaluación continua teórico-prácticas o con un portfolio de proyectos, programados de antemano y con sus criterios publicados. El seguimiento se hace en Blackboard, con sesiones síncronas cuando corresponde, correcciones del profesorado y tutorías. Plan de estudios oficial (PDF)
Salidas profesionales
Perfiles que construyen y operan sistemas con IA generativa, en equipos de producto, consultoría o plataforma.
- Ingeniería de IA generativa y de LLM
- Desarrollo de agentes y sistemas multiagente
- Arquitectura de soluciones de IA
- LLMOps y MLOps
- Evaluación, calidad y seguridad de sistemas de IA
- Liderazgo técnico de equipos que integran IA en producto
Formación para empresas
Si tu empresa quiere formar a varias personas de su equipo técnico, puede matricular a varios empleados en el máster. La formación puede bonificarse a través de FUNDAE con el crédito de formación anual de la empresa. Escríbenos y te contamos cómo inscribirlos y cómo gestionar la bonificación.
Profesorado
Claustro del plan de estudios 2026-2027.
Dirección
- Miguel Ángel Sicilia UrbánDirector
- Alberto Ballesteros RodríguezCoordinador
Docentes
- Luis Usero AragonésFundamentos de IA generativa y razonamiento; Trabajo fin de máster
- Alberto Nogales MoyanoFundamentos de IA generativa; Memoria y sistemas multiagente
- Elena García BarriocanalEvaluación de sistemas generativos; Fundamentos de IA generativa
- Miguel Ángel Sicilia GarcíaSistemas multiagente; Agentes de código
- Eduardo González JoyanesAgentes de código; Despliegue y operaciones
- Ricardo Colomo PalaciosEvaluación; Despliegue y operaciones
- Julián Prieto VelascoFine-tuning y adaptación de modelos
Precio y becas
4.500 €75 € por crédito, con pago fraccionado
- Preinscripción
- Al preinscribirte abonas un importe de 900 €.
- Pago fraccionado
- El importe del máster se puede pagar en plazos.
- Becas
- La dirección académica convoca y adjudica becas, a las que se destina el 10 % de los ingresos del máster.
- No incluido
- Las tasas de servicios administrativos y el seguro de accidentes. Ver tasas en la UAH
Admisión paso a paso
Resuelve tus dudas
Escríbenos con tu perfil y te confirmamos si el máster encaja contigo.
Solicita la admisión
Envía tu CV y una carta de motivación. La dirección académica revisa tu solicitud y te comunica la resolución de tu admisión.
Formaliza la admisión
Si eres admitido en el estudio deberás abonar la reserva de plaza y podrás comenzar el proceso de matriculación.
Formaliza la matrícula
Envía el resto de documentación para formalizar la matrícula.
Preguntas frecuentes sobre el máster
¿Necesito experiencia previa en inteligencia artificial?
No. Necesitas experiencia programando o trabajando con sistemas. La primera asignatura parte de cómo funcionan los modelos de lenguaje por dentro.
¿En qué se diferencia de un máster de IA o de ciencia de datos generalista?
Se centra en la ingeniería de sistemas generativos: cómo se construyen, evalúan, adaptan y operan en producción las aplicaciones con LLM y agentes. No es un recorrido por el aprendizaje automático clásico ni un curso de manejo de herramientas.
¿Con qué herramientas se trabaja?
Con los frameworks y protocolos vigentes en cada momento, porque el sector cambia rápido: frameworks de agentes, MCP, DSPy, RAGAS, técnicas como LoRA o DPO y herramientas de despliegue y observabilidad. El material y la bibliografía de cada asignatura se detallan en su syllabus.
¿Cuándo empieza y cuánto dura?
De febrero de 2027 a febrero de 2028. Son 60 ECTS, unas 1.500 horas de trabajo entre sesiones con el profesorado y trabajo personal.
¿Es un título oficial?
Es un Máster de Formación Permanente: un título propio de la Universidad de Alcalá. No es un máster universitario oficial, así que no habilita para profesiones reguladas ni da acceso por sí solo al doctorado.
¿Cómo es el trabajo fin de máster?
Es un proyecto aplicado sobre un caso de uso real, con valor empresarial, de innovación o de desarrollo técnico. Integra lo aprendido en el resto del máster y se defiende ante un tribunal.
Solicita información
Cuéntanos qué programa te interesa y te asesoraremos personalmente.
- O si prefieres nos puedes escribir a master.ia@uah.es
- Reserva una llamada de 15 minutos
- Escríbenos por WhatsApp