Módulo 1 — Casos de uso y arquitectura: niveles, rejillas y familias sencillas

1.1 Fundamentos, alcance y criterio profesional: Aborda Casos de uso y arquitectura: niveles, rejillas y familias sencillas desde el problema concreto de niveles, rejillas y familias sencillas (naming claro), relacionando niveles, rejillas y familias sencillas con el comportamiento esperado del sistema o proceso. El alumno aprende a identificar mecanismos, dependencias y restricciones antes de ejecutar cálculos o mediciones. Se documentan supuestos, criterios stop/go y señales que invalidan una conclusión, evitando respuestas genéricas que no puedan defenderse ante un revisor. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

1.2 Datos, preparación y calidad de entrada: Estructura la información necesaria para Casos de uso y arquitectura: niveles, rejillas y familias sencillas tomando niveles, rejillas y familias sencillas como variable de control. Se revisan nomenclatura, tolerancias, resolución y trazabilidad, y se comparan con los requisitos de naming claro. La práctica obliga a registrar incertidumbres y a establecer criterios de aceptación para decidir si el conjunto de datos es utilizable, debe condicionarse o necesita una nueva medición o revisión documental. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

1.3 Método, herramienta y comprobación: Utiliza Python/ML como instrumento de decisión para Casos de uso y arquitectura: niveles, rejillas y familias sencillas, no como fin del ejercicio. El alumno define entradas y controles, analiza niveles, rejillas y familias sencillas, revisa sensibilidad y detecta salidas incompatibles con el comportamiento esperado. El método debe ser reproducible y explicar qué parte del resultado depende de la herramienta, qué parte de la evidencia y qué supuestos permanecen abiertos. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

1.4 Riesgos, interfaces y controles: Integra sesgo de dataset en Casos de uso y arquitectura: niveles, rejillas y familias sencillas y analiza su relación con niveles, rejillas y familias sencillas, otras disciplinas y la operación. Se construye una lógica causa-consecuencia-control con señales tempranas, responsable y evidencia de cierre. El alumno distingue controles preventivos, detectivos y correctivos, y deja explícito el riesgo residual para que la matriz de riesgos esté conectada con la decisión real. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

1.5 Entregable y aplicación profesional: Cierra Casos de uso y arquitectura: niveles, rejillas y familias sencillas mediante modelo o dataset validado. El documento integra alcance, fuentes, hipótesis, análisis de niveles, rejillas y familias sencillas, resultados, riesgos residuales y próximos pasos. Se exige trazabilidad entre dato y conclusión y un criterio de aceptación claro, de forma que la entrega pueda utilizarse en coordinación, revisión, aprobación o actualización sin depender de explicaciones informales. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

Módulo 2 — Captura/ingesta de información: naming claro

2.1 Fundamentos, alcance y criterio profesional: Construye el marco técnico de Captura/ingesta de información: naming claro para niveles, rejillas y familias sencillas (naming claro). El bloque utiliza naming claro como hilo conductor y revisa condiciones previas, variables dominantes y errores de interpretación. Se exige declarar qué información está confirmada, qué se estima y qué requiere verificación adicional. La salida es un esquema de decisión que permite justificar por qué una comprobación es suficiente o por qué debe escalarse a un nivel de mayor profundidad. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

2.2 Datos, preparación y calidad de entrada: Prepara las entradas de Captura/ingesta de información: naming claro: fuentes, unidades, fechas, versiones, cobertura y responsable. Se organizan datos sobre naming claro y se contrastan con niveles, rejillas. El alumno detecta vacíos, valores improbables y conflictos de información, clasifica cada dato por nivel de confianza y define qué evidencia adicional necesita antes de aumentar la fidelidad del análisis. Esta disciplina evita construir una decisión precisa en apariencia sobre entradas débiles. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

2.3 Método, herramienta y comprobación: Utiliza herramientas de validación de modelos como instrumento de decisión para Captura/ingesta de información: naming claro, no como fin del ejercicio. El alumno define entradas y controles, analiza naming claro, revisa sensibilidad y detecta salidas incompatibles con el comportamiento esperado. El método debe ser reproducible y explicar qué parte del resultado depende de la herramienta, qué parte de la evidencia y qué supuestos permanecen abiertos. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

2.4 Riesgos, interfaces y controles: Integra falso negativo en Captura/ingesta de información: naming claro y analiza su relación con naming claro, otras disciplinas y la operación. Se construye una lógica causa-consecuencia-control con señales tempranas, responsable y evidencia de cierre. El alumno distingue controles preventivos, detectivos y correctivos, y deja explícito el riesgo residual para que la matriz de riesgos esté conectada con la decisión real. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

2.5 Entregable y aplicación profesional: Convierte el trabajo de Captura/ingesta de información: naming claro en workflow de interoperabilidad, con especial atención a naming claro. La entrega debe permitir reconstruir el razonamiento: qué dato se utilizó, cómo se procesó, qué alternativa se descartó, qué riesgo permanece y qué acción corresponde. Se valora claridad y utilidad para la decisión, no la acumulación de anexos sin propósito. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

Módulo 3 — Calidad, modelo y contexto del dato: niveles, rejillas

3.1 Fundamentos, alcance y criterio profesional: Construye el marco técnico de Calidad, modelo y contexto del dato: niveles, rejillas para niveles, rejillas y familias sencillas (naming claro). El bloque utiliza niveles, rejillas como hilo conductor y revisa condiciones previas, variables dominantes y errores de interpretación. Se exige declarar qué información está confirmada, qué se estima y qué requiere verificación adicional. La salida es un esquema de decisión que permite justificar por qué una comprobación es suficiente o por qué debe escalarse a un nivel de mayor profundidad. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

3.2 Datos, preparación y calidad de entrada: Estructura la información necesaria para Calidad, modelo y contexto del dato: niveles, rejillas tomando niveles, rejillas como variable de control. Se revisan nomenclatura, tolerancias, resolución y trazabilidad, y se comparan con los requisitos de familias sencillas. La práctica obliga a registrar incertidumbres y a establecer criterios de aceptación para decidir si el conjunto de datos es utilizable, debe condicionarse o necesita una nueva medición o revisión documental. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

3.3 Método, herramienta y comprobación: Desarrolla el método de Calidad, modelo y contexto del dato: niveles, rejillas con apoyo de BIM/CDE. La práctica transforma niveles, rejillas en una secuencia de análisis: preparación, ejecución, comprobación y decisión. Se documentan configuraciones, unidades y resultados intermedios, y se comparan escenarios para reconocer qué variable controla la conclusión y dónde existe incertidumbre relevante. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

3.4 Riesgos, interfaces y controles: Somete Calidad, modelo y contexto del dato: niveles, rejillas a una revisión de riesgo centrada en dato sin contexto y su interacción con niveles, rejillas. El participante identifica mecanismos de fallo, dependencias y condiciones de escalado, define controles proporcionados y documenta qué información podría modificar la decisión. El objetivo es convertir riesgo e incertidumbre en acciones verificables. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

3.5 Entregable y aplicación profesional: Formaliza Calidad, modelo y contexto del dato: niveles, rejillas en reglas de QA/QC. El participante sintetiza niveles, rejillas sin perder evidencia, diferencia hecho, cálculo, interpretación y recomendación, y registra supuestos pendientes. La revisión final comprueba coherencia, control de versiones y capacidad para reproducir el proceso en otro caso comparable. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

Módulo 4 — Procesamiento y representación: familias sencillas

4.1 Fundamentos, alcance y criterio profesional: Sitúa niveles, rejillas y familias sencillas (naming claro) dentro de BIM, GIS, captura de realidad, datos, automatización, gemelo digital y OT y define qué decisión profesional debe sostener Procesamiento y representación: familias sencillas. Se establecen alcance, actores, datos mínimos y límites del análisis. El participante diferencia observación, hipótesis y criterio de aceptación, y conecta familias sencillas con consecuencias sobre seguridad, calidad, coste, plazo u operación. El objetivo es comenzar con una pregunta técnicamente bien formulada y no con una herramienta elegida por costumbre. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

4.2 Datos, preparación y calidad de entrada: Convierte los datos de familias sencillas en entradas verificables para Procesamiento y representación: familias sencillas. Se aplican comprobaciones de consistencia, orden de magnitud, completitud y procedencia, relacionándolas con dataset. El resultado es una ficha de información que deja explícitos supuestos y limitaciones y permite que otro profesional entienda qué se sabe realmente antes de interpretar el resultado. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

4.3 Método, herramienta y comprobación: Utiliza QGIS/ArcGIS cuando procede como instrumento de decisión para Procesamiento y representación: familias sencillas, no como fin del ejercicio. El alumno define entradas y controles, analiza familias sencillas, revisa sensibilidad y detecta salidas incompatibles con el comportamiento esperado. El método debe ser reproducible y explicar qué parte del resultado depende de la herramienta, qué parte de la evidencia y qué supuestos permanecen abiertos. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

4.4 Riesgos, interfaces y controles: Evalúa cómo modelo desactualizado puede comprometer Procesamiento y representación: familias sencillas. A partir de familias sencillas, se identifican escenarios, barreras y puntos de inspección; después se priorizan acciones por criticidad y facilidad de detección. Cada medida incluye una forma concreta de verificación, evitando considerar cerrado un riesgo solo porque exista un procedimiento o una intención de control. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

4.5 Entregable y aplicación profesional: Cierra Procesamiento y representación: familias sencillas mediante dashboard o entrega digital reproducible. El documento integra alcance, fuentes, hipótesis, análisis de familias sencillas, resultados, riesgos residuales y próximos pasos. Se exige trazabilidad entre dato y conclusión y un criterio de aceptación claro, de forma que la entrega pueda utilizarse en coordinación, revisión, aprobación o actualización sin depender de explicaciones informales. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

Módulo 5 — Automatización y workflows: dataset

5.1 Fundamentos, alcance y criterio profesional: Define los fundamentos operativos de Automatización y workflows: dataset aplicados a niveles, rejillas y familias sencillas (naming claro). Se revisa el papel de dataset, su interacción con otras variables y la diferencia entre cumplir una rutina y demostrar técnicamente un resultado. El participante prepara criterios de suficiencia, responsables y puntos de control para que el análisis pueda repetirse de forma consistente en otro proyecto o activo. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

5.2 Datos, preparación y calidad de entrada: Convierte los datos de dataset en entradas verificables para Automatización y workflows: dataset. Se aplican comprobaciones de consistencia, orden de magnitud, completitud y procedencia, relacionándolas con ground truth. El resultado es una ficha de información que deja explícitos supuestos y limitaciones y permite que otro profesional entienda qué se sabe realmente antes de interpretar el resultado. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

5.3 Método, herramienta y comprobación: Utiliza Python o automatización de datos como instrumento de decisión para Automatización y workflows: dataset, no como fin del ejercicio. El alumno define entradas y controles, analiza dataset, revisa sensibilidad y detecta salidas incompatibles con el comportamiento esperado. El método debe ser reproducible y explicar qué parte del resultado depende de la herramienta, qué parte de la evidencia y qué supuestos permanecen abiertos. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

5.4 Riesgos, interfaces y controles: Evalúa cómo parámetro inconsistente puede comprometer Automatización y workflows: dataset. A partir de dataset, se identifican escenarios, barreras y puntos de inspección; después se priorizan acciones por criticidad y facilidad de detección. Cada medida incluye una forma concreta de verificación, evitando considerar cerrado un riesgo solo porque exista un procedimiento o una intención de control. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

5.5 Entregable y aplicación profesional: Cierra Automatización y workflows: dataset mediante modelo o dataset validado. El documento integra alcance, fuentes, hipótesis, análisis de dataset, resultados, riesgos residuales y próximos pasos. Se exige trazabilidad entre dato y conclusión y un criterio de aceptación claro, de forma que la entrega pueda utilizarse en coordinación, revisión, aprobación o actualización sin depender de explicaciones informales. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

Módulo 6 — Interoperabilidad y formatos: ground truth

6.1 Fundamentos, alcance y criterio profesional: Construye el marco técnico de Interoperabilidad y formatos: ground truth para niveles, rejillas y familias sencillas (naming claro). El bloque utiliza ground truth como hilo conductor y revisa condiciones previas, variables dominantes y errores de interpretación. Se exige declarar qué información está confirmada, qué se estima y qué requiere verificación adicional. La salida es un esquema de decisión que permite justificar por qué una comprobación es suficiente o por qué debe escalarse a un nivel de mayor profundidad. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

6.2 Datos, preparación y calidad de entrada: Convierte los datos de ground truth en entradas verificables para Interoperabilidad y formatos: ground truth. Se aplican comprobaciones de consistencia, orden de magnitud, completitud y procedencia, relacionándolas con precision/recall. El resultado es una ficha de información que deja explícitos supuestos y limitaciones y permite que otro profesional entienda qué se sabe realmente antes de interpretar el resultado. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

6.3 Método, herramienta y comprobación: Aplica IFC/BCF y formatos abiertos para desarrollar Interoperabilidad y formatos: ground truth con un nivel de detalle proporcional al objetivo. Se estudia ground truth, los parámetros sensibles y las condiciones que pueden cambiar la respuesta. El participante debe contrastar el resultado mediante una segunda referencia, una medición o una comprobación independiente. La herramienta se considera útil solo si su salida puede explicarse, verificarse y vincularse con los datos que la originaron. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

6.4 Riesgos, interfaces y controles: Somete Interoperabilidad y formatos: ground truth a una revisión de riesgo centrada en interoperabilidad deficiente y su interacción con ground truth. El participante identifica mecanismos de fallo, dependencias y condiciones de escalado, define controles proporcionados y documenta qué información podría modificar la decisión. El objetivo es convertir riesgo e incertidumbre en acciones verificables. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

6.5 Entregable y aplicación profesional: Convierte el trabajo de Interoperabilidad y formatos: ground truth en workflow de interoperabilidad, con especial atención a ground truth. La entrega debe permitir reconstruir el razonamiento: qué dato se utilizó, cómo se procesó, qué alternativa se descartó, qué riesgo permanece y qué acción corresponde. Se valora claridad y utilidad para la decisión, no la acumulación de anexos sin propósito. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

Módulo 7 — Analítica y reglas de decisión aplicado a niveles, rejillas y familias sencillas (naming claro)

7.1 Fundamentos, alcance y criterio profesional: Aborda Analítica y reglas de decisión aplicado a niveles, rejillas y familias sencillas (naming claro) desde el problema concreto de niveles, rejillas y familias sencillas (naming claro), relacionando precision/recall con el comportamiento esperado del sistema o proceso. El alumno aprende a identificar mecanismos, dependencias y restricciones antes de ejecutar cálculos o mediciones. Se documentan supuestos, criterios stop/go y señales que invalidan una conclusión, evitando respuestas genéricas que no puedan defenderse ante un revisor. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

7.2 Datos, preparación y calidad de entrada: Prepara las entradas de Analítica y reglas de decisión aplicado a niveles, rejillas y familias sencillas (naming claro): fuentes, unidades, fechas, versiones, cobertura y responsable. Se organizan datos sobre precision/recall y se contrastan con drift. El alumno detecta vacíos, valores improbables y conflictos de información, clasifica cada dato por nivel de confianza y define qué evidencia adicional necesita antes de aumentar la fidelidad del análisis. Esta disciplina evita construir una decisión precisa en apariencia sobre entradas débiles. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

7.3 Método, herramienta y comprobación: Utiliza dashboards o plataformas IoT como instrumento de decisión para Analítica y reglas de decisión aplicado a niveles, rejillas y familias sencillas (naming claro), no como fin del ejercicio. El alumno define entradas y controles, analiza precision/recall, revisa sensibilidad y detecta salidas incompatibles con el comportamiento esperado. El método debe ser reproducible y explicar qué parte del resultado depende de la herramienta, qué parte de la evidencia y qué supuestos permanecen abiertos. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

7.4 Riesgos, interfaces y controles: Somete Analítica y reglas de decisión aplicado a niveles, rejillas y familias sencillas (naming claro) a una revisión de riesgo centrada en automatización de un error y su interacción con precision/recall. El participante identifica mecanismos de fallo, dependencias y condiciones de escalado, define controles proporcionados y documenta qué información podría modificar la decisión. El objetivo es convertir riesgo e incertidumbre en acciones verificables. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

7.5 Entregable y aplicación profesional: Cierra Analítica y reglas de decisión aplicado a niveles, rejillas y familias sencillas (naming claro) mediante reglas de QA/QC. El documento integra alcance, fuentes, hipótesis, análisis de precision/recall, resultados, riesgos residuales y próximos pasos. Se exige trazabilidad entre dato y conclusión y un criterio de aceptación claro, de forma que la entrega pueda utilizarse en coordinación, revisión, aprobación o actualización sin depender de explicaciones informales. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

Módulo 8 — Ciberseguridad, privacidad y gobierno: drift

8.1 Fundamentos, alcance y criterio profesional: Construye el marco técnico de Ciberseguridad, privacidad y gobierno: drift para niveles, rejillas y familias sencillas (naming claro). El bloque utiliza drift como hilo conductor y revisa condiciones previas, variables dominantes y errores de interpretación. Se exige declarar qué información está confirmada, qué se estima y qué requiere verificación adicional. La salida es un esquema de decisión que permite justificar por qué una comprobación es suficiente o por qué debe escalarse a un nivel de mayor profundidad. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

8.2 Datos, preparación y calidad de entrada: Estructura la información necesaria para Ciberseguridad, privacidad y gobierno: drift tomando drift como variable de control. Se revisan nomenclatura, tolerancias, resolución y trazabilidad, y se comparan con los requisitos de modelo de información. La práctica obliga a registrar incertidumbres y a establecer criterios de aceptación para decidir si el conjunto de datos es utilizable, debe condicionarse o necesita una nueva medición o revisión documental. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

8.3 Método, herramienta y comprobación: Aplica Python/ML para desarrollar Ciberseguridad, privacidad y gobierno: drift con un nivel de detalle proporcional al objetivo. Se estudia drift, los parámetros sensibles y las condiciones que pueden cambiar la respuesta. El participante debe contrastar el resultado mediante una segunda referencia, una medición o una comprobación independiente. La herramienta se considera útil solo si su salida puede explicarse, verificarse y vincularse con los datos que la originaron. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

8.4 Riesgos, interfaces y controles: Integra sesgo de dataset en Ciberseguridad, privacidad y gobierno: drift y analiza su relación con drift, otras disciplinas y la operación. Se construye una lógica causa-consecuencia-control con señales tempranas, responsable y evidencia de cierre. El alumno distingue controles preventivos, detectivos y correctivos, y deja explícito el riesgo residual para que la matriz de riesgos esté conectada con la decisión real. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

8.5 Entregable y aplicación profesional: Convierte el trabajo de Ciberseguridad, privacidad y gobierno: drift en dashboard o entrega digital reproducible, con especial atención a drift. La entrega debe permitir reconstruir el razonamiento: qué dato se utilizó, cómo se procesó, qué alternativa se descartó, qué riesgo permanece y qué acción corresponde. Se valora claridad y utilidad para la decisión, no la acumulación de anexos sin propósito. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

Módulo 9 — Despliegue y operación: modelo de información

9.1 Fundamentos, alcance y criterio profesional: Construye el marco técnico de Despliegue y operación: modelo de información para niveles, rejillas y familias sencillas (naming claro). El bloque utiliza modelo de información como hilo conductor y revisa condiciones previas, variables dominantes y errores de interpretación. Se exige declarar qué información está confirmada, qué se estima y qué requiere verificación adicional. La salida es un esquema de decisión que permite justificar por qué una comprobación es suficiente o por qué debe escalarse a un nivel de mayor profundidad. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

9.2 Datos, preparación y calidad de entrada: Convierte los datos de modelo de información en entradas verificables para Despliegue y operación: modelo de información. Se aplican comprobaciones de consistencia, orden de magnitud, completitud y procedencia, relacionándolas con identificador y parámetro. El resultado es una ficha de información que deja explícitos supuestos y limitaciones y permite que otro profesional entienda qué se sabe realmente antes de interpretar el resultado. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

9.3 Método, herramienta y comprobación: Desarrolla el método de Despliegue y operación: modelo de información con apoyo de herramientas de validación de modelos. La práctica transforma modelo de información en una secuencia de análisis: preparación, ejecución, comprobación y decisión. Se documentan configuraciones, unidades y resultados intermedios, y se comparan escenarios para reconocer qué variable controla la conclusión y dónde existe incertidumbre relevante. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

9.4 Riesgos, interfaces y controles: Somete Despliegue y operación: modelo de información a una revisión de riesgo centrada en falso negativo y su interacción con modelo de información. El participante identifica mecanismos de fallo, dependencias y condiciones de escalado, define controles proporcionados y documenta qué información podría modificar la decisión. El objetivo es convertir riesgo e incertidumbre en acciones verificables. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

9.5 Entregable y aplicación profesional: Convierte el trabajo de Despliegue y operación: modelo de información en modelo o dataset validado, con especial atención a modelo de información. La entrega debe permitir reconstruir el razonamiento: qué dato se utilizó, cómo se procesó, qué alternativa se descartó, qué riesgo permanece y qué acción corresponde. Se valora claridad y utilidad para la decisión, no la acumulación de anexos sin propósito. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

Módulo 10 — QA/QC y reproducibilidad aplicado a niveles, rejillas y familias sencillas (naming claro)

10.1 Fundamentos, alcance y criterio profesional: Sitúa niveles, rejillas y familias sencillas (naming claro) dentro de BIM, GIS, captura de realidad, datos, automatización, gemelo digital y OT y define qué decisión profesional debe sostener QA/QC y reproducibilidad aplicado a niveles, rejillas y familias sencillas (naming claro). Se establecen alcance, actores, datos mínimos y límites del análisis. El participante diferencia observación, hipótesis y criterio de aceptación, y conecta identificador y parámetro con consecuencias sobre seguridad, calidad, coste, plazo u operación. El objetivo es comenzar con una pregunta técnicamente bien formulada y no con una herramienta elegida por costumbre. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

10.2 Datos, preparación y calidad de entrada: Estructura la información necesaria para QA/QC y reproducibilidad aplicado a niveles, rejillas y familias sencillas (naming claro) tomando identificador y parámetro como variable de control. Se revisan nomenclatura, tolerancias, resolución y trazabilidad, y se comparan con los requisitos de interoperabilidad. La práctica obliga a registrar incertidumbres y a establecer criterios de aceptación para decidir si el conjunto de datos es utilizable, debe condicionarse o necesita una nueva medición o revisión documental. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

10.3 Método, herramienta y comprobación: Aplica BIM/CDE para desarrollar QA/QC y reproducibilidad aplicado a niveles, rejillas y familias sencillas (naming claro) con un nivel de detalle proporcional al objetivo. Se estudia identificador y parámetro, los parámetros sensibles y las condiciones que pueden cambiar la respuesta. El participante debe contrastar el resultado mediante una segunda referencia, una medición o una comprobación independiente. La herramienta se considera útil solo si su salida puede explicarse, verificarse y vincularse con los datos que la originaron. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

10.4 Riesgos, interfaces y controles: Evalúa cómo dato sin contexto puede comprometer QA/QC y reproducibilidad aplicado a niveles, rejillas y familias sencillas (naming claro). A partir de identificador y parámetro, se identifican escenarios, barreras y puntos de inspección; después se priorizan acciones por criticidad y facilidad de detección. Cada medida incluye una forma concreta de verificación, evitando considerar cerrado un riesgo solo porque exista un procedimiento o una intención de control. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

10.5 Entregable y aplicación profesional: Cierra QA/QC y reproducibilidad aplicado a niveles, rejillas y familias sencillas (naming claro) mediante workflow de interoperabilidad. El documento integra alcance, fuentes, hipótesis, análisis de identificador y parámetro, resultados, riesgos residuales y próximos pasos. Se exige trazabilidad entre dato y conclusión y un criterio de aceptación claro, de forma que la entrega pueda utilizarse en coordinación, revisión, aprobación o actualización sin depender de explicaciones informales. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

Módulo 11 — Mantenimiento del dato/modelo aplicado a niveles, rejillas y familias sencillas (naming claro)

11.1 Fundamentos, alcance y criterio profesional: Aborda Mantenimiento del dato/modelo aplicado a niveles, rejillas y familias sencillas (naming claro) desde el problema concreto de niveles, rejillas y familias sencillas (naming claro), relacionando interoperabilidad con el comportamiento esperado del sistema o proceso. El alumno aprende a identificar mecanismos, dependencias y restricciones antes de ejecutar cálculos o mediciones. Se documentan supuestos, criterios stop/go y señales que invalidan una conclusión, evitando respuestas genéricas que no puedan defenderse ante un revisor. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

11.2 Datos, preparación y calidad de entrada: Estructura la información necesaria para Mantenimiento del dato/modelo aplicado a niveles, rejillas y familias sencillas (naming claro) tomando interoperabilidad como variable de control. Se revisan nomenclatura, tolerancias, resolución y trazabilidad, y se comparan con los requisitos de calidad del dato. La práctica obliga a registrar incertidumbres y a establecer criterios de aceptación para decidir si el conjunto de datos es utilizable, debe condicionarse o necesita una nueva medición o revisión documental. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

11.3 Método, herramienta y comprobación: Desarrolla el método de Mantenimiento del dato/modelo aplicado a niveles, rejillas y familias sencillas (naming claro) con apoyo de QGIS/ArcGIS cuando procede. La práctica transforma interoperabilidad en una secuencia de análisis: preparación, ejecución, comprobación y decisión. Se documentan configuraciones, unidades y resultados intermedios, y se comparan escenarios para reconocer qué variable controla la conclusión y dónde existe incertidumbre relevante. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

11.4 Riesgos, interfaces y controles: Somete Mantenimiento del dato/modelo aplicado a niveles, rejillas y familias sencillas (naming claro) a una revisión de riesgo centrada en modelo desactualizado y su interacción con interoperabilidad. El participante identifica mecanismos de fallo, dependencias y condiciones de escalado, define controles proporcionados y documenta qué información podría modificar la decisión. El objetivo es convertir riesgo e incertidumbre en acciones verificables. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

11.5 Entregable y aplicación profesional: Convierte el trabajo de Mantenimiento del dato/modelo aplicado a niveles, rejillas y familias sencillas (naming claro) en reglas de QA/QC, con especial atención a interoperabilidad. La entrega debe permitir reconstruir el razonamiento: qué dato se utilizó, cómo se procesó, qué alternativa se descartó, qué riesgo permanece y qué acción corresponde. Se valora claridad y utilidad para la decisión, no la acumulación de anexos sin propósito. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

Módulo 12 — Caso digital aplicado aplicado a niveles, rejillas y familias sencillas (naming claro)

12.1 Fundamentos, alcance y criterio profesional: Construye el marco técnico de Caso digital aplicado aplicado a niveles, rejillas y familias sencillas (naming claro) para niveles, rejillas y familias sencillas (naming claro). El bloque utiliza calidad del dato como hilo conductor y revisa condiciones previas, variables dominantes y errores de interpretación. Se exige declarar qué información está confirmada, qué se estima y qué requiere verificación adicional. La salida es un esquema de decisión que permite justificar por qué una comprobación es suficiente o por qué debe escalarse a un nivel de mayor profundidad. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

12.2 Datos, preparación y calidad de entrada: Convierte los datos de calidad del dato en entradas verificables para Caso digital aplicado aplicado a niveles, rejillas y familias sencillas (naming claro). Se aplican comprobaciones de consistencia, orden de magnitud, completitud y procedencia, relacionándolas con coordenadas y contexto. El resultado es una ficha de información que deja explícitos supuestos y limitaciones y permite que otro profesional entienda qué se sabe realmente antes de interpretar el resultado. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

12.3 Método, herramienta y comprobación: Aplica Python o automatización de datos para desarrollar Caso digital aplicado aplicado a niveles, rejillas y familias sencillas (naming claro) con un nivel de detalle proporcional al objetivo. Se estudia calidad del dato, los parámetros sensibles y las condiciones que pueden cambiar la respuesta. El participante debe contrastar el resultado mediante una segunda referencia, una medición o una comprobación independiente. La herramienta se considera útil solo si su salida puede explicarse, verificarse y vincularse con los datos que la originaron. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

12.4 Riesgos, interfaces y controles: Integra parámetro inconsistente en Caso digital aplicado aplicado a niveles, rejillas y familias sencillas (naming claro) y analiza su relación con calidad del dato, otras disciplinas y la operación. Se construye una lógica causa-consecuencia-control con señales tempranas, responsable y evidencia de cierre. El alumno distingue controles preventivos, detectivos y correctivos, y deja explícito el riesgo residual para que la matriz de riesgos esté conectada con la decisión real. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.

12.5 Entregable y aplicación profesional: Convierte el trabajo de Caso digital aplicado aplicado a niveles, rejillas y familias sencillas (naming claro) en dashboard o entrega digital reproducible, con especial atención a calidad del dato. La entrega debe permitir reconstruir el razonamiento: qué dato se utilizó, cómo se procesó, qué alternativa se descartó, qué riesgo permanece y qué acción corresponde. Se valora claridad y utilidad para la decisión, no la acumulación de anexos sin propósito. El curso mantiene un enfoque práctico: cada criterio debe poder trasladarse a una rutina, comprobación o entregable concreto.