Conviértete en un experto de la Ciberseguridad dominando la Computer Science y analítica de datos, mejorando enormemente tu empleabilidad en un sector cada vez más pujante” 

Impulsada por los continuos avances que experimenta la Informática, no sólo la tecnología ha disfrutado de grandes mejoras, sino también las propias herramientas digitales con las que se realizan numerosas tareas en la actualidad. La otra cara de la moneda es que dichos avances han conllevado también el aumento de vulnerabilidades Informáticas. Por esta razón, cada vez más empresas buscan profesionales especializados en Ciberseguridad que sean capaces de proporcionarles la protección adecuada contra todo tipo de ataques informáticos.  

En Este Grand Máster, el informático podrá profundizar en aspectos como la seguridad en el desarrollo y diseño de sistemas, las mejores técnicas criptográficas o la seguridad en entornos Cloud Computing. Asimismo, el presente programa se centra en los fundamentos de programación y la estructura de datos, la algoritmia y complejidad, así como el diseño avanzado de algoritmos, la programación avanzada, o los procesadores de lenguajes y la Informática gráfica, entre otros aspectos. Todo ello, contando con numerosos recursos didácticos multimedia, impartidos por el profesorado más prestigioso y especializado en el ámbito. 

Por otro lado, esta titulación aborda, desde una perspectiva técnica y de negocio, la ciencia del dato, ofreciendo todos los conocimientos necesarios para la extracción del conocimiento oculto en ellos. De esta forma, los informáticos podrán analizar con detalles los distintos algoritmos, plataformas y herramientas más actuales para la exploración, visualización, manipulación, procesamiento y análisis de los datos. Todo lo anterior, complementado con el desarrollo de habilidades empresariales, necesarias para alcanzar un perfil a nivel ejecutivo capaz de tomar decisiones claves en una empresa.   

Así, esta capacitación proporciona al profesional las herramientas y habilidades específicas para que desarrolle con éxito su actividad profesional en el amplio entorno de la computación. Trabajando competencias claves como el conocimiento de la realidad y práctica diaria en distintas áreas Informáticas y desarrollando la responsabilidad en el seguimiento y supervisión de su trabajo, así como habilidades específicas dentro de cada campo. 

Con esta titulación, los informáticos serán capaces de especializarse en Computer Science, Ciberseguridad y Análisis de Datos convirtiéndose en la oportunidad perfecta para potenciar su carrera profesional. Todo esto, será tangible gracias a un programa 100% online, que se adapta a las necesidades diarias de los profesionales, por lo que solo será necesario contar con un dispositivo con conexión a internet para empezar a trabajar por un perfil profesional completo y con proyección internacional. 

De forma cómoda y sencilla, adquiere los conocimientos necesarios en Computer Science, Ciberseguridad y Análisis de Datos para realizar programaciones Informáticas de calidad” 

Este Grand Máster en Computer Science, Ciberseguridad y Análisis de Datos contiene el programa educativo más completo y actualizado del mercado. Sus características más destacadas son:

• El desarrollo de casos prácticos presentados por expertos en Informática 
• Los contenidos gráficos, esquemáticos y eminentemente prácticos con los que están concebidos, recogen una información científica y práctica sobre aquellas disciplinas indispensables para el ejercicio profesional 
• Los ejercicios prácticos donde realizar el proceso de autoevaluación para mejorar el aprendizaje 
• Su especial hincapié en metodologías innovadoras para la Ciberseguridad y el Análisis de Datos 
• Las lecciones teóricas, preguntas al experto, foros de discusión de temas controvertidos y trabajos de reflexión individual 
• La disponibilidad de acceso a los contenidos desde cualquier dispositivo fijo o portátil con conexión a internet 

TECH pone a tu servicio un material didáctico amplio y claro, que incorpora todos los temas de interés en la actualidad, para que sigas avanzando en computación” 

Incluye en su cuadro docente a profesionales pertenecientes al ámbito de la Informática, que vierten en este programa la experiencia de su trabajo, además de reconocidos especialistas de sociedades de referencia y universidades de prestigio. 

Su contenido multimedia, elaborado con la última tecnología educativa, permitirá al profesional un aprendizaje situado y contextual, es decir, un entorno simulado que proporcionará un estudio inmersivo programado para entrenarse ante situaciones reales. 

El diseño de este programa se centra en el Aprendizaje Basado en Problemas, mediante el cual el alumno deberá tratar de resolver las distintas situaciones de práctica profesional que se le planteen a lo largo del curso académico. Para ello, el profesional contará con la ayuda de un novedoso sistema de vídeo interactivo realizado por reconocidos expertos.   

Potencia tu carrera determinando la creación de cuadros de mando y KPI’s en función del departamento en el que trabajes"

Conoce, de primera mano, las mejores técnicas de seguridad aplicada a entornos Cloud Computing o a la tecnología Blockchain"

Este Grand Máster reúne una serie de módulos especializados que permitirán al informático profundizar en aspectos como la identificación digital, los sistemas de control de acceso, la arquitectura de seguridad de la información, la estructura del área de seguridad, los sistemas de gestión de la seguridad de la información en comunicaciones y operación software o el desarrollo del plan de continuidad del negocio asociado a la seguridad. A su vez, se abordan las técnicas más completas y actuales para el procesamiento de datos y la extracción de conocimiento, desde una perspectiva tanto teórica como práctica.  

Todos los ámbitos de interés que necesitas dominar para trabajar con acierto en las ciencias de la computación, recopilados en un temario de máxima calidad”  

Módulo 1. Fundamentos de programación 

1.1. Introducción a la programación 

1.1.1. Estructura básica de un ordenador 
1.1.2. Software 
1.1.3. Lenguajes de programación 
1.1.4. Ciclo de vida de una aplicación Informática 

1.2. Diseño de algoritmos 

1.2.1. La resolución de problemas 
1.2.2. Técnicas descriptivas 
1.2.3. Elementos y estructura de un algoritmo 

1.3. Elementos de un programa 

1.3.1. Origen y características del lenguaje C++ 
1.3.2. El entorno de desarrollo 
1.3.3. Concepto de programa 
1.3.4. Tipos de Datos fundamentales 
1.3.5. Operadores 
1.3.6. Expresiones 
1.3.7. Sentencias 
1.3.8. Entrada y salida de Datos 

1.4. Sentencias de control 

1.4.1. Sentencias 
1.4.2. Bifurcaciones 
1.4.3. Bucles 

1.5. Abstracción y modularidad: funciones 

1.5.1. Diseño modular 
1.5.2. Concepto de función y utilidad 
1.5.3. Definición de una función 
1.5.4. Flujo de ejecución en la llamada de una función 
1.5.5. Prototipo de una función 
1.5.6. Devolución de resultados 
1.5.7. Llamada a una función: parámetros 
1.5.8. Paso de parámetros por referencia y por valor 
1.5.9. Ámbito identificador 

1.6. Estructuras de Datos estáticas 

1.6.1. Arrays 
1.6.2. Matrices. Poliedros 
1.6.3. Búsqueda y ordenación 
1.6.4. Cadenas. Funciones de E/S para cadenas 
1.6.5. Estructuras. Uniones 
1.6.6. Nuevos tipos de Datos 

1.7. Estructuras de Datos dinámicas: punteros 

1.7.1. Concepto. Definición de puntero 
1.7.2. Operadores y operaciones con punteros 
1.7.3. Arrays de punteros 
1.7.4. Punteros y Arrays 
1.7.5. Punteros a cadenas 
1.7.6. Punteros a estructuras 
1.7.7. Indirección múltiple 
1.7.8. Punteros a funciones 
1.7.9. Paso de funciones, estructuras y Arrays como parámetros de funciones 

1.8. Ficheros 

1.8.1. Conceptos básicos 
1.8.2. Operaciones con ficheros 
1.8.3. Tipos de ficheros 
1.8.4. Organización de los ficheros 
1.8.5. Introducción a los ficheros C++ 
1.8.6. Manejo de ficheros 

1.9. Recursividad 

1.9.1. Definición de recursividad 
1.9.2. Tipos de recursión 
1.9.3. Ventajas e inconvenientes 
1.9.4. Consideraciones 
1.9.5. Conversión recursivo-iterativa 
1.9.6. La Pila de recursión 

1.10. Prueba y documentación 

1.10.1. Pruebas de programas 
1.10.2. Prueba de la caja blanca 
1.10.3. Prueba de la caja negra 
1.10.4. Herramientas para realizar las pruebas 
1.10.5. Documentación de programas 

Módulo 2. Estructura de datos 

2.1. Introducción a la programación en C++ 

2.1.1. Clases, constructores, métodos y atributos 
2.1.2. Variables 
2.1.3. Expresiones condicionales y bucles 
2.1.4. Objetos 

2.2. Tipos abstractos de Datos (TAD) 

2.2.1. Tipos de Datos 
2.2.2. Estructuras básicas y TAD 
2.2.3. Vectores y Arrays 

2.3. Estructuras de Datos lineales 

2.3.1. TAD Lista. Definición 
2.3.2. Listas enlazadas y doblemente enlazadas 
2.3.3. Listas ordenadas 
2.3.4. Listas en C++ 
2.3.5. TAD Pila 
2.3.6. TAD Cola 
2.3.7. Pila y Cola en C++ 

2.4. Estructuras de Datos jerárquicas 

2.4.1. TAD Árbol 
2.4.2. Recorridos 
2.4.3. Árboles n-arios 
2.4.4. Árboles binarios 
2.4.5. Árboles binarios de búsqueda 

2.5. Estructuras de Datos jerárquicas: árboles complejos 

2.5.1. Árboles perfectamente equilibrados o de altura mínima 
2.5.2. Árboles multicamino 
2.5.3. Referencias bibliográficas 

2.6. Montículos y Cola de prioridad 

2.6.1. TAD Montículos 
2.6.2. TAD Cola de prioridad 

2.7. Tablas Hash 

2.7.1. TAD Tabla Hash 
2.7.2. Funciones Hash 
2.7.3. Función Hash en tablas Hash 
2.7.4. Redispersión 
2.7.5. Tablas Hash abiertas 

2.8. Grafos 

2.8.1 TAD Grafo 
2.8.2 Tipos de Grafo 
2.8.3 Representación gráfica y operaciones básicas 
2.8.4 Diseño de Grafo 

2.9. Algoritmos y conceptos avanzados sobre Grafos 

2.9.1. Problemas sobre Grafos 
2.9.2. Algoritmos sobre caminos 
2.9.3. Algoritmos de búsqueda o recorridos 
2.9.4. Otros algoritmos 

2.10. Otras estructuras de Datos 

2.10.1. Conjuntos 
2.10.2. Arrays paralelos 
2.10.3. Tablas de símbolos 
2.10.4. Tries 

Módulo 3. Algoritmia y complejidad 

3.1. Introducción a las estrategias de diseño de algoritmos 

3.1.1. Recursividad 
3.1.2. Divide y conquista 
3.1.3. Otras estrategias 

3.2. Eficiencia y análisis de los algoritmos 

3.2.1. Medidas de eficiencia 
3.2.2. Medir el tamaño de la entrada 
3.2.3. Medir el tiempo de ejecución 
3.2.4. Caso peor, mejor y medio 
3.2.5. Notación asintónica 
3.2.6. Criterios de análisis matemático de algoritmos no recursivos 
3.2.7. Análisis matemático de algoritmos recursivos 
3.2.8. Análisis empírico de algoritmos 

3.3. Algoritmos de ordenación 

3.3.1. Concepto de ordenación 
3.3.2. Ordenación de la burbuja 
3.3.3. Ordenación por selección 
3.3.4. Ordenación por inserción 
3.3.5. Ordenación por mezcla (Merge Sort) 
3.3.6. Ordenación rápida (Quicksort) 

3.4. Algoritmos con árboles 

3.4.1. Concepto de árbol 
3.4.2. Árboles binarios 
3.4.3. Recorridos de árbol 
3.4.4. Representar expresiones 
3.4.5. Árboles binarios ordenados 
3.4.6. Árboles binarios balanceados 

3.5. Algoritmos con Heaps 

3.5.1. Los Heaps 
3.5.2. El algoritmo Heapsort 
3.5.3. Las colas de prioridad 

3.6. Algoritmos con Grafos 

3.6.1. Representación 
3.6.2. Recorrido en anchura 
3.6.3. Recorrido en profundidad 
3.6.4. Ordenación topológica 

3.7. Algoritmos Greedy

3.7.1. La estrategia Greedy
3.7.2. Elementos de la estrategia Greedy
3.7.3. Cambio de monedas 
3.7.4. Problema del viajante 
3.7.5. Problema de la mochila 

3.8. Búsqueda de caminos mínimos 

3.8.1. El problema del camino mínimo 
3.8.2. Arcos negativos y ciclos 
3.8.3. Algoritmo de Dijkstra 

3.9. Algoritmos Greedy sobre Grafos 

3.9.1. El árbol de recubrimiento mínimo 
3.9.2. El algoritmo de Prim 
3.9.3. El algoritmo de Kruskal 
3.9.4. Análisis de complejidad 

3.10. Backtracking 

3.10.1. El Backtracking 
3.10.2. Técnicas alternativas 

Módulo 4. Diseño avanzado de algoritmos 

4.1. Análisis de algoritmos recursivos y tipo divide y conquista 

4.1.1. Planteamiento y resolución de ecuaciones de recurrencia homogéneas y no homogéneas
4.1.2. Descripción general de la estrategia divide y conquista 

4.2. Análisis amortizado 

4.2.1. El análisis agregado 
4.2.2. El método de contabilidad 
4.2.3. El método del potencial 

4.3. Programación dinámica y algoritmos para problemas NP 

4.3.1. Características de la programación dinámica 
4.3.2. Vuelta atrás: backtracking 
4.3.3. Ramificación y poda 

4.4. Optimización combinatoria 

4.4.1. Representación de problemas 
4.4.2. Optimización en 1D 

4.5. Algoritmos de aleatorización 

4.5.1. Ejemplos de algoritmos de aleatorización 
4.5.2. El teorema Buffon 
4.5.3. Algoritmo de Monte Carlo 
4.5.4. Algoritmo Las Vegas 

4.6. Búsqueda local y con candidatos 

4.6.1. Garcient  Ascent 
4.6.2. Hill Climbing 
4.6.3. Simulated Annealing 
4.6.4. Tabu Search 
4.6.5. Búsqueda con candidatos 

4.7. Verificación formal de programas 

4.7.1. Especificación de abstracciones funcionales 
4.7.2. El lenguaje de la lógica de primer orden 
4.7.3. El sistema formal de Hoare 

4.8. Verificación de programas iterativos 

4.8.1. Reglas del sistema formal de Hoare 
4.8.2. Concepto de invariante de iteraciones 

4.9. Métodos numéricos 

4.9.1. El método de la bisección 
4.9.2. El método de Newton-Raphson 
4.9.3. El método de la secante 

4.10. Algoritmos paralelos 

4.10.1. Operaciones binarias paralelas 
4.10.2. Operaciones paralelas con Grafos 
4.10.3. Paralelismo en divide y vencerás 
4.10.4. Paralelismo en programación dinámica 

Módulo 5. Programación avanzada 

5.1. Introducción a la programación orientada a objetos 

5.1.1. Introducción a la programación orientada a objetos 
5.1.2. Diseño de clases 
5.1.3. Introducción a UML para el modelado de los problemas 

5.2. Relaciones entre clases 

5.2.1. Abstracción y herencia 
5.2.2. Conceptos avanzados de herencia 
5.2.3. Polimorfismo 
5.2.4. Composición y agregación 

5.3. Introducción a los patrones de diseño para problemas orientados a objetos 

5.3.1. ¿Qué son los patrones de diseño? 
5.3.2. Patrón Factory 
5.3.4. Patrón Singleton 
5.3.5. Patrón Observer 
5.3.6. Patrón Composite 

5.4. Excepciones 

5.4.1. ¿Qué son las excepciones? 
5.4.2. Captura y gestión de excepciones 
5.4.3. Lanzamiento de excepciones 
5.4.4. Creación de excepciones 

5.5. Interfaces de usuarios 

5.5.1. Introducción a Qt 
5.5.2. Posicionamiento 
5.5.3. ¿Qué son los eventos? 
5.5.4. Eventos: definición y captura 
5.5.5. Desarrollo de interfaces de usuario 

5.6. Introducción a la programación concurrente 

5.6.1. Introducción a la programación concurrente 
5.6.2. El concepto de proceso e hilo 
5.6.3. Interacción entre procesos o hilos 
5.6.4. Los hilos en C++ 
5.6.5. Ventajas e inconvenientes de la programación concurrente 

5.7. Gestión de hilos y sincronización 

5.7.1. Ciclo de vida de un hilo 
5.7.2. La clase Thread 
5.7.3. Planificación de hilos 
5.7.4. Grupos hilos 
5.7.5. Hilos de tipo demonio 
5.7.6. Sincronización 
5.7.7. Mecanismos de bloqueo 
5.7.8. Mecanismos de comunicación 
5.7.9. Monitores 

5.8. Problemas comunes dentro de la programación concurrente 

5.8.1. El problema de los productores consumidores 
5.8.2. El problema de los lectores y escritores 
5.8.3. El problema de la cena de los filósofos 

5.9. Documentación y pruebas de software 

5.9.1. ¿Por qué es importante documentar el software? 
5.9.2. Documentación de diseño 
5.9.3. Uso de herramientas para la documentación 

5.10. Pruebas de software 

5.10.1. Introducción a las pruebas del software 
5.10.2. Tipos de pruebas 
5.10.3. Prueba de unidad 
5.10.4. Prueba de integración 
5.10.5. Prueba de validación 
5.10.6. Prueba del sistema 

Módulo 6. Informática teórica 

6.1. Conceptos matemáticos utilizados 

6.1.1. Introducción a la lógica proposicional 
6.1.2. Teoría de relaciones 
6.1.3. Conjuntos numerables y no numerables 

6.2. Lenguajes y gramáticas formales e introducción a las máquinas de Turing 

6.2.1. Lenguajes y gramáticas formales 
6.2.2. Problema de decisión 
6.2.3. La máquina de Turing 

6.3. Extensiones para las máquinas de Turing, máquinas de Turing restringidas y computadoras 

6.3.1. Técnicas de programación para las máquinas de Turing 
6.3.2. Extensiones para las máquinas de Turing 
6.3.3. Máquinas de Turing restringidas 
6.3.4. Máquinas de Turing y computadoras 

6.4. Indecibilidad 

6.4.1. Lenguaje no recursivamente enumerable 
6.4.2. Un problema indecidible recursivamente enumerable 

6.5. Otros problemas indecibles 

6.5.1. Problemas indecidibles para las máquinas de Turing 
6.5.2. Problema de correspondencia de Post (PCP) 

6.6. Problemas intratables 

6.6.1. Las clases P y NP 
6.6.2. Un problema NP completo 
6.6.3. Problema de la satisfacibilidad restringido 
6.6.4. Otros problemas NP completos 

6.7. Problemas co-NP y PS 

6.7.1. Complementarios de los lenguajes de NP 
6.7.2. Problemas resolubles en espacio polinómico 
6.7.3. Problemas PS completos 

6.8. Clases de lenguajes basados en la aleatorización 

6.8.1. Modelo de la MT con aleatoriedad 
6.8.2. Las clases RP y ZPP 
6.8.3. Prueba de primalidad 
6.8.4. Complejidad de la prueba de primalidad 

6.9. Otras clases y gramáticas 

6.9.1. Autómatas finitos probabilísticos 
6.9.2. Autómatas celulares 
6.9.3. Células de McCulloch y Pitts 
6.9.4. Gramáticas de Lindenmayer 

6.10. Sistemas avanzados de cómputo 

6.10.1. Computación con membranas: sistemas P 
6.10.2. Computación con ADN 
6.10.3. Computación cuántica 

Módulo 7: Teoría de autómatas y lenguajes formales 

7.1. Introducción a la teoría de autómatas 

7.1.1. ¿Por qué estudiar teoría de autómatas? 
7.1.2. Introducción a las demostraciones formales 
7.1.3. Otras formas de demostración 
7.1.4. Inducción matemática 
7.1.5. Alfabetos, cadenas y lenguajes 

7.2. Autómatas finitos deterministas 

7.2.1. Introducción a los autómatas finitos 
7.2.2. Autómatas finitos deterministas 

7.3. Autómatas finitos no deterministas 

7.3.1. Autómatas finitos no deterministas 
7.3.2. Equivalencia entre AFD y AFND 
7.3.3.  Autómatas finitos con transiciones €  

7.4. Lenguajes y expresiones regulares (I) 

7.4.1. Lenguajes y expresiones regulares 
7.4.2. Autómatas finitos y expresiones regulares 

7.5. Lenguajes y expresiones regulares (II) 

7.5.1. Conversión de expresiones regulares en autómatas 
7.5.2. Aplicaciones de las expresiones regulares 
7.5.3. Álgebra de las expresiones regulares 

7.6. Lema de bombeo y clausura de los lenguajes regulares 

7.6.1. Lema de bombeo 
7.6.2. Propiedades de clausura de los lenguajes regulares 

7.7. Equivalencia y minimización de autómatas 

7.7.1. Equivalencia de AF 
7.7.2. Minimización de AF 

7.8. Gramáticas independientes de contexto (GIC) 

7.8.1. Gramáticas independientes de contexto 
7.8.2. Árboles de derivación 
7.8.3. Aplicaciones de las GIC 
7.8.4. Ambigüedad en las gramáticas y lenguajes 

7.9. Autómatas a Pila y GIC 

7.9.1. Definición de los autómatas a Pila 
7.9.2. Lenguajes aceptados por un autómata a Pila 
7.9.3. Equivalencia entre autómatas a Pila y GIC 
7.9.4. Autómata a Pila determinista 

7.10. Formas normales, lema de bombeo de las GIC y propiedades de los LIC 

7.10.1. Formas normales de las GIC 
7.10.2. Lema de bombeo 
7.10.3. Propiedades de clausura de los lenguajes 
7.10.4. Propiedades de decisión de los LIC 

Módulo 8. Procesadores de lenguajes 

8.1. Introducción al proceso de compilación 

8.1.1. Compilación e interpretación 
8.1.2. Entorno de ejecución de un compilador 
8.1.3. Proceso de análisis 
8.1.4. Proceso de síntesis 

8.2. Analizador léxico 

8.2.1. ¿Qué es un analizador léxico? 
8.2.2. Implementación del analizador léxico 
8.2.3. Acciones semánticas 
8.2.4. Recuperación de errores 
8.2.5. Cuestiones de implementación 

8.3. Análisis sintáctico 

8.3.1. ¿Qué es un analizador sintáctico? 
8.3.2. Conceptos previos 
8.3.3. Analizadores descendentes 
8.3.4. Analizadores ascendentes 

8.4. Análisis sintáctico descendente y análisis sintáctico ascendente 

8.4.1. Analizador LL (1) 
8.4.2. Analizador LR (0) 
8.4.3. Ejemplo de analizador 

8.5. Análisis sintáctico ascendente avanzado 

8.5.1. Analizador SLR 
8.5.2. Analizador LR (1) 
8.5.3. Analizador LR (k) 
8.5.4. Analizador LALR 

8.6. Análisis semántico (I) 

8.6.1. Traducción dirigida por la sintaxis 
8.6.2. Tabla de símbolos 

8.7. Análisis semántico (II) 

8.7.1. Comprobación de tipos 
8.7.2. El subsistema de tipos 
8.7.3. Equivalencia de tipos y conversiones 

8.8. Generación de código y entorno de ejecución 

8.8.1. Aspectos de diseño 
8.8.2. Entorno de ejecución 
8.8.3. Organización de la memoria 
8.8.4. Asignación de memoria 

8.9. Generación de código intermedio 

8.9.1. Traducción dirigida por la síntesis 
8.9.2. Representaciones intermedias 
8.9.3. Ejemplos de traducciones 

8.10. Optimización de código 

8.10.1. Asignación de registros 
8.10.2. Eliminación de asignaciones muertas 
8.10.3. Ejecución en tiempo de compilación 
8.10.4. Reordenación de expresiones 
8.10.5. Optimización de bucles 

Módulo 9. Informática gráfica y visualización 

9.1. Teoría del color 

9.1.1. Propiedades de la luz 
9.1.2. Modelos de color 
9.1.3. El estándar CIE 
9.1.4. Profiling 

9.2. Primitivas de salida 

9.2.1. El controlador de vídeo 
9.2.2. Algoritmos de dibujo de líneas 
9.2.3. Algoritmos de dibujo de circunferencias 
9.2.4. Algoritmos de relleno 

9.3. Transformaciones 2D y sistemas de coordenadas y recorte 2D 

9.3.1. Transformaciones geométricas básicas 
9.3.2. Coordenadas homogéneas 
9.3.3. Transformación inversa 
9.3.4. Composición de transformaciones 
9.3.5. Otras transformaciones 
9.3.6. Cambio de coordenada 
9.3.7. Sistemas de coordenadas 2D 
9.3.8. Cambio de coordenadas 
9.3.9. Normalización 
9.3.10. Algoritmos de recorte 

9.4. Transformaciones 3D 

9.4.1. Translación 
9.4.2. Rotación 
9.4.3. Escalado 
9.4.4. Reflexión 
9.4.5. Cizalla 

9.5. Visualización y cambio de coordenadas 3D 

9.5.1. Sistemas de coordenadas 3D 
9.5.2. Visualización 
9.5.3. Cambio de coordenadas 
9.5.4. Proyección y normalización 

9.6. Proyección y recorte 3D 

9.6.1. Proyección ortogonal 
9.6.2. Proyección paralela oblicua 
9.6.3. Proyección perspectiva 
9.6.4. Algoritmos de recorte 3D 

9.7. Eliminación de superficies ocultas 

9.7.1. Back-Face Removal 
9.7.2. Z-Buffer 
9.7.3. Algoritmo del pintor 
9.7.4. Algoritmo de Warnock 
9.7.5. Detección de líneas ocultas 

9.8. Interpolación y curvas paramétricas 

9.8.1. Interpolación y aproximación con polinomios 
9.8.2. Representación paramétrica 
9.8.3. Polinomio de Lagrange 
9.8.4. Splines cúbicos naturales 
9.8.5. Funciones base 
9.8.6. Representación matricial 

9.9. Curvas Bézier 

9.9.1. Construcción algebraica 
9.9.2. Forma matricial 
9.9.3. Composición 
9.9.4. Construcción geométrica 
9.9.5. Algoritmo de dibujo 

9.10. B-Splines 

9.10.1. El problema del control local 
9.10.2. B-splines cúbicos uniformes 
9.10.3. Funciones base y puntos de control 
9.10.4. Deriva al origen y multiplicidad 
9.10.5. Representación matricial 
9.10.6. B-splines no uniformes 

Módulo 10: Computación bioinspirada 

10.1. Introducción a la computación bioinspirada 

10.1.1. Introducción a la computación bioinspirada 

10.2. Algoritmos de adaptación social 

10.2.1. Computación bioinspirada basada en colonia de hormigas 
10.2.2. Variantes de los algoritmos de colonias de hormigas 
10.2.3. Computación basada en nubes de partículas 

10.3. Algoritmos genéticos 

10.3.1. Estructura general 
10.3.2. Implementaciones de los principales operadores 

10.4. Estrategias de exploración-explotación del espacio para algoritmos genéticos 

10.4.1. Algoritmo CHC 
10.4.2. Problemas multimodales 

10.5. Modelos de computación evolutiva (I) 

10.5.1. Estrategias evolutivas 
10.5.2. Programación evolutiva 
10.5.3. Algoritmos basados en evolución diferencial 

10.6. Modelos de computación evolutiva (II) 

10.6.1. Modelos de evolución basados en estimación de distribuciones (EDA) 
10.6.2. Programación genética 

10.7. Programación evolutiva aplicada a problemas de aprendizaje 

10.7.1 Aprendizaje Basado en Reglas 
10.7.2 Métodos evolutivos en problemas de selección de instancias 

10.8. Problemas multiobjetivo 

10.8.1. Concepto de dominancia 
10.8.2. Aplicación de algoritmos evolutivos a problemas multiobjetivo 

10.9. Redes neuronales (I) 

10.9.1. Introducción a las redes neuronales 
10.9.2. Ejemplo práctico con redes neuronales 

10.10. Redes neuronales (II) 

10.10.1. Casos de uso de las redes neuronales en la investigación médica 
10.10.2. Casos de uso de las redes neuronales en la economía 
10.10.3. Casos de uso de las redes neuronales en la visión artificial 

Módulo 11. Seguridad en el diseño y desarrollo de sistemas 

11.1. Sistemas de información 

11.1.1. Dominios de un sistema de información 
11.1.2. Componentes de un sistema de información 
11.1.3. Actividades de un sistema de información 
11.1.4. Ciclo de vida de un sistema de información 
11.1.5. Recursos de un sistema de información 

11.2. Sistemas de información. Tipología 

11.2.1. Tipos de sistemas de información 

11.2.1.1. Empresarial 
11.2.1.2. Estratégicos 
11.2.1.3. Según el ámbito de la aplicación 
11.2.1.4. Específicos 

11.2.2. Sistemas de información. Ejemplos reales 
11.2.3. Evolución de los sistemas de información: etapas 
11.2.4. Metodologías de los sistemas de información 

11.3. Seguridad de los sistemas de información. Implicaciones legales 

11.3.1. Acceso a Datos 
11.3.2. Amenazas de seguridad: vulnerabilidades 
11.3.3. Implicaciones legales: delitos 
11.3.4. Procedimientos de mantenimiento de un sistema de información 

11.4. Seguridad de un sistema de información. Protocolos de seguridad 

11.4.1. Seguridad de un sistema de información 

11.4.1.1. Integridad 
11.4.1.2. Confidencialidad 
11.4.1.3. Disponibilidad 
11.4.1.4. Autenticación 

11.4.2. Servicios de seguridad 
11.4.3. Protocolos de seguridad de la información. Tipología 
11.4.4. Sensibilidad de un sistema de información 

11.5. Seguridad en un sistema de información. Medidas y sistemas de control de acceso 

11.5.1. Medidas de seguridad 
11.5.2. Tipo de medidas de seguridad 

11.5.2.1. Prevención 
11.5.2.2. Detección 
11.5.2.3. Corrección 

11.5.3. Sistemas de control de acceso. Tipología 
11.5.4. Criptografía 

11.6. Seguridad en redes e internet 

11.6.1. Firewalls 
11.6.2. Identificación digital 
11.6.3. Virus y gusanos 
11.6.4. Hacking 
11.6.5. Ejemplos y casos reales 

11.7. Delitos informáticos 

11.7.1. Delito informático 
11.7.2. Delitos informáticos. Tipología 
11.7.3. Delito informático. Ataque. Tipologías 
11.7.4. El caso de la Realidad Virtual 
11.7.5. Perfiles de delincuentes y víctimas. Tipificación del delito 
11.7.6. Delitos informáticos. Ejemplos y casos reales 

11.8. Plan de seguridad en un sistema de información 

11.8.1. Plan de seguridad. Objetivos 
11.8.2. Plan de seguridad. Planificación 
11.8.3. Plan de riesgos. Análisis 
11.8.4. Política de seguridad. Implementación en la organización 
11.8.5. Plan de seguridad. Implementación en la organización 
11.8.6. Procedimientos de seguridad. Tipos 
11.8.7. Planes de seguridad. Ejemplos 

11.9. Plan de contingencia 

11.9.1. Plan de contingencia. Funciones 
11.9.2. Plan de emergencia: elementos y objetivos 
11.9.3. Plan de contingencia en la organización. Implementación 
11.9.4. Planes de contingencia. Ejemplos 

11.10. Gobierno de la seguridad de sistemas de información 

11.10.1. Normativa legal 
11.10.2. Estándares 
11.10.3. Certificaciones 
11.10.4. Tecnologías 

Módulo 12. Arquitecturas y modelos de seguridad de la información 

12.1. Arquitectura de seguridad de la información 

12.1.1. SGSI/PDS 
12.1.2. Alineación estratégica 
12.1.3. Gestión del riesgo 
12.1.4. Medición del desempeño 

12.2. Modelos de seguridad de la información 

12.2.1. Basados en políticas de seguridad 
12.2.2. Basados en herramientas de protección 
12.2.3. Basados en equipos de trabajo 

12.3. Modelo de seguridad. Componentes clave 

12.3.1. Identificación de riesgos 
12.3.2. Definición de controles 
12.3.3. Evaluación continua de niveles de riesgo 
12.3.4. Plan de concienciación de empleados, proveedores, socios, etc.

12.4. Proceso de gestión de riesgos 

12.4.1. Identificación de activos 
12.4.2. Identificación de amenazas 
12.4.3. Evaluación de riesgos 
12.4.4. Priorización de controles 
12.4.5. Reevaluación y riesgo residual 

12.5. Procesos de negocio y seguridad de la información 

12.5.1. Procesos de negocio 
12.5.2. Evaluación de riesgos basados en parámetros de negocio 
12.5.3. Análisis de impacto al negocio 
12.5.4. Las operaciones de negocio y la seguridad de la información 

12.6. Proceso de mejora continua 

12.6.1. El ciclo de Deming 
12.6.1.1. Planificar 
12.6.1.2. Hacer 
12.6.1.3. Verificar 
12.6.1.4. Actuar 

12.7. Arquitecturas de seguridad 

12.7.1. Selección y homogeneización de tecnologías 
12.7.2. Gestión de identidades. Autenticación 
12.7.3. Gestión de accesos. Autorización 
12.7.4. Seguridad de infraestructura de red 
12.7.5. Tecnologías y soluciones de cifrado 
12.7.6. Seguridad de equipos terminales (EDR) 

12.8. El marco normativo 

12.8.1. Normativas sectoriales 
12.8.2. Certificaciones 
12.8.3. Legislaciones 

12.9. La norma ISO 27001 

12.9.1. Implementación 
12.9.2. Certificación 
12.9.3. Auditorías y tests de intrusión 
12.9.4. Gestión continua del riesgo 
12.9.5. Clasificación de la información 

12.10. Legislación sobre privacidad. RGPD (GDPR) 

12.10.1. Alcance del reglamento general de protección de Datos (RGPD) 
12.10.2. Datos personales 
12.10.3. Roles en el tratamiento de Datos personales 
12.10.4. Derechos ARCO 
12.10.5. El DPO. Funciones 

Módulo 13. Gestión de la seguridad IT 

13.1. Gestión de la seguridad 

13.1.1. Operaciones de seguridad 
13.1.2. Aspecto legal y regulatorio 
13.1.3. Habilitación del negocio 
13.1.4. Gestión de riesgos 
13.1.5. Gestión de identidades y accesos 

13.2. Estructura del área de seguridad. La oficina del CISO 

13.2.1. Estructura organizativa. Posición del CISO en la estructura 
13.2.2. Las líneas de defensa 
13.2.3. Organigrama de la oficina del CISO 
13.2.4. Gestión presupuestaria 

13.3. Gobierno de seguridad 

13.3.1. Comité de seguridad 
13.3.2. Comité de seguimiento de riesgos 
13.3.3. Comité de auditoría 
13.3.4. Comité de crisis 

13.4. Gobierno de seguridad. Funciones 

13.4.1. Políticas y normas 
13.4.2. Plan director de seguridad 
13.4.3. Cuadros de mando 
13.4.4. Concienciación y formación 
13.4.5. Seguridad en la cadena de suministro 

13.5. Operaciones de seguridad 

13.5.1. Gestión de identidades y accesos 
13.5.2. Configuración de reglas de seguridad de red. Firewalls 
13.5.3. Gestión de plataformas IDS/IPS 
13.5.4. Análisis de vulnerabilidades 

13.6. Marco de trabajo de Ciberseguridad. NIST CSF 

13.6.1. Metodología NIST 

13.6.1.1. Identificar 
13.6.1.2. Proteger 
13.6.1.3. Detectar 
13.6.1.4. Responder 
13.6.1.5. Recuperar 

13.7. Centro de operaciones de seguridad (SOC). Funciones 

13.7.1. Protección. Red Team, Pentesting, Threat Intelligence 
13.7.2. Detección. SIEM, User Behavior Analytics, Fraud Prevention 
13.7.3. Respuesta 

13.8. Auditorías de seguridad 

13.8.1. Test de intrusión 
13.8.2. Ejercicios de Red Team 
13.8.3. Auditorías de código fuente. Desarrollo seguro 
13.8.4. Seguridad de componentes (Software Supply Chain) 
13.8.5. Análisis forense 

13.9. Respuesta a incidentes 

13.9.1. Preparación 
13.9.2. Detección, análisis y notificación 
13.9.3. Contención, erradicación y recuperación 
13.9.4. Actividad post incidente 
13.9.4.1. Retención de evidencias 
13.9.4.2. Análisis forense 
13.9.4.3. Gestión de brechas 
13.9.5. Guías oficiales de gestión de ciberincidentes 

13.10. Gestión de vulnerabilidades 

13.10.1. Análisis de vulnerabilidades 
13.10.2. Valoración de vulnerabilidad 
13.10.3. Bastionado de sistemas 
13.10.4. Vulnerabilidades de día 0. Zero-Day 

Módulo 14. Análisis de riesgos y entorno de seguridad IT 

14.1. Análisis del entorno 

14.1.1. Análisis de la situación coyuntural 

14.1.1.1. Entornos VUCA 

14.1.1.1.1. Volátil 
14.1.1.1.2. Incierto 
14.1.1.1.3. Complejo 
14.1.1.1.4. Ambiguo 

14.1.1.2. Entornos BANI 

14.1.1.2.1. Quebradizo 
14.1.1.2.2. Ansioso 
14.1.1.2.3. No lineal 
14.1.1.2.4. Incomprensible 

14.1.2. Análisis del entorno general. PESTEL 

14.1.2.1. Político 
14.1.2.2. Económico 
14.1.2.3. Social 
14.1.2.4. Tecnológico 
14.1.2.5. Ecológico/Ambiental 
14.1.2.6. Legal 

14.1.3. Análisis de la situación interna. DAFO 

14.1.3.1. Objetivos 
14.1.3.2. Amenazas 
14.1.3.3. Oportunidades 
14.1.3.4. Fortalezas 

14.2. Riesgo e incertidumbre 

14.2.1. Riesgo 
14.2.2. Gerencia de riesgos 
14.2.3. Estándares de gestión de riesgos 

14.3. Directrices para la gestión de riesgos ISO 31.000:2018 

14.3.1. Objeto 
14.3.2. Principios 
14.3.3. Marco de referencia 
14.3.4. Proceso 

14.4. Metodología de análisis y gestión de riesgos de los sistemas de información (MAGERIT) 

14.4.1. Metodología MAGERIT 

14.4.1.1. Objetivos 
14.4.1.2. Método 
14.4.1.3. Elementos 
14.4.1.4. Técnicas 
14.4.1.5. Herramientas disponibles (PILAR) 

14.5. Transferencia del riesgo cibernético 

14.5.1. Transferencia de riesgos 
14.5.2. Riesgos cibernéticos. Tipología 
14.5.3. Seguros de ciber riesgos 

14.6. Metodologías ágiles para la gestión de riesgos 

14.6.1. Metodologías ágiles 
14.6.2. Scrum para la gestión del riesgo 
14.6.3. Agile Risk Management 

14.7. Tecnologías para la gestión del riesgo 

14.7.1. Inteligencia artificial aplicada a la gestión de riesgos 
14.7.2. Blockchain y criptografía. Métodos de preservación del valor 
14.7.3. Computación cuántica. Oportunidad o amenaza 

14.8. Elaboración de mapas de riesgos IT basados en metodologías ágiles 

14.8.1. Representación de la probabilidad y el impacto en entornos ágiles 
14.8.2. El riesgo como amenaza del valor 
14.8.3. Re-evolución en la gestión de proyectos y procesos ágiles basados en KRIs 

14.9. Risk Driven en la gestión de riesgos 

14.9.1. Risk Driven 
14.9.2. Risk Driven en la gestión de riesgos 
14.9.3. Elaboración de un modelo de gestión empresarial impulsado por el riesgo 

14.10. Innovación y transformación digital en la gestión de riesgos IT 

14.10.1. La gestión de riesgos ágiles como fuente de innovación empresarial 
14.10.2. Transformación de Datos en información útil para la toma de decisiones 
14.10.3. Visión holística de la empresa a través del riesgo 

Módulo 15. Criptografía en IT 

15.1. Criptografía 

15.1.1. Criptografía 
15.1.2. Fundamentos matemáticos 

15.2. Criptología 

15.2.1. Criptología 
15.2.2. Criptoanálisis 
15.2.3. Esteganografía y estegoanálisis 

15.3. Protocolos criptográficos 

15.3.1. Bloques básicos 
15.3.2. Protocolos básicos 
15.3.3. Protocolos intermedios 
15.3.4. Protocolos avanzados 
15.3.5. Protocolos esotéricos 

15.4. Técnicas criptográficas 

15.4.1. Longitud de claves 
15.4.2. Manejo de claves 
15.4.3. Tipos de algoritmos 
15.4.4. Funciones resumen. Hash 
15.4.5. Generadores de números pseudoaleatorios 
15.4.6. Uso de algoritmos 

15.5. Criptografía simétrica 

15.5.1. Cifrados de bloque 
15.5.2. DES (Data Encryption Standard) 
15.5.3. Algoritmo RC4 
15.5.4. AES (Advanced Encryption Standard) 
15.5.5. Combinación de cifrados de bloques 
15.5.6. Derivación de claves 

15.6. Criptografía asimétrica 

15.6.1. Diffie-Hellman 
15.6.2. DSA (Digital Signature Algorithm) 
15.6.3. RSA (Rivest, Shamir y Adleman) 
15.6.4. Curva elíptica 
15.6.5. Criptografía asimétrica. Tipología 

15.7. Certificados digitales 

15.7.1. Firma digital 
15.7.2. Certificados X509 
15.7.3. Infraestructura de clave pública (PKI) 

15.8. Implementaciones 

15.8.1. Kerberos 
15.8.2. IBM CCA 
15.8.3. Pretty Good Privacy (PGP) 
15.8.4. ISO Authentication Framework 
15.8.5. SSL y TLS 
15.8.6. Tarjetas inteligentes en medios de pago (EMV) 
15.8.7. Protocolos de telefonía móvil 
15.8.8. Blockchain 

15.9. Esteganografía 

15.9.1. Esteganografía 
15.9.2. Estegoanálisis 
15.9.3. Aplicaciones y usos 

15.10. Criptografía cuántica 

15.10.1. Algoritmos cuánticos 
15.10.2. Protección de algoritmos frente a computación cuántica 
15.10.3. Distribución de claves cuántica 

Módulo 16. Gestión de identidad y accesos en seguridad IT 

16.1. Gestión de identidad y accesos (IAM) 

16.1.1. Identidad digital 
16.1.2. Gestión de identidad 
16.1.3. Federación de identidades 

16.2. Control de acceso físico 

16.2.1. Sistemas de protección 
16.2.2. Seguridad de las áreas 
16.2.3. Instalaciones de recuperación 

16.3. Control de acceso lógico 

16.3.1. Autenticación: tipología 
16.3.2. Protocolos de autenticación 
16.3.3. Ataques de autenticación 

16.4. Control de acceso lógico. Autenticación MFA 

16.4.1. Control de acceso lógico. Autenticación MFA 
16.4.2. Contraseñas. Importancia 
16.4.3. Ataques de autenticación 

16.5. Control de acceso lógico. Autenticación biométrica 

16.5.1. Control de acceso lógico. Autenticación biométrica 

16.5.1.1. Autenticación biométrica. Requisitos 

16.5.2. Funcionamiento 
16.5.3. Modelos y técnicas 

16.6. Sistemas de gestión de autenticación 

16.6.1. Single Sign On 
16.6.2. Kerberos 
16.6.3. Sistemas AAA 

16.7. Sistemas de gestión de autenticación: Sistemas AAA 

16.7.1. TACACS 
16.7.2. RADIUS 
16.7.3. DIAMETER 

16.8. Servicios de control de acceso 

16.8.1. FW - Cortafuegos 
16.8.2. VPN - Redes Privadas Virtuales 
16.8.3. IDS - Sistema de Detección de Intrusiones 

16.9. Sistemas de control de acceso a la red 

16.9.1. NAC 
16.9.2. Arquitectura y elementos 
16.9.3. Funcionamiento y estandarización 

16.10. Acceso a redes inalámbricas 

16.10.1. Tipos de redes inalámbricas 
16.10.2. Seguridad en redes inalámbricas 
16.10.3. Ataques en redes inalámbricas 

Módulo 17. Seguridad en comunicaciones y operación software 

17.1. Seguridad Informática en comunicaciones y operación software 

17.1.1. Seguridad Informática 
17.1.2. Ciberseguridad 
17.1.3. Seguridad en la nube 

17.2. Seguridad Informática en comunicaciones y operación software. Tipología 

17.2.1. Seguridad física 
17.2.2. Seguridad lógica 

17.3. Seguridad en comunicaciones 

17.3.1. Principales elementos 
17.3.2. Seguridad de redes 
17.3.3. Mejores prácticas 

17.4. Ciberinteligencia 

17.4.1. Ingeniería social 
17.4.2. Deep Web 
17.4.3. Phishing 
17.4.4. Malware 

17.5. Desarrollo seguro en comunicaciones y operación software 

17.5.1. Desarrollo seguro. Protocolo HTTP 
17.5.2. Desarrollo seguro. Ciclo de vida 
17.5.3. Desarrollo seguro. Seguridad PHP 
17.5.4. Desarrollo seguro. Seguridad NET 
17.5.5. Desarrollo seguro. Mejores prácticas 

17.6. Sistemas de gestión de la seguridad de la información en comunicaciones y operación software 

17.6.1. GDPR 
17.6.2. ISO 27021 
17.6.3. ISO 27017/18 

17.7. Tecnologías SIEM 

17.7.1. Tecnologías SIEM 
17.7.2. Operativa de SOC 
17.7.3. SIEM vendors 

17.8. El rol de la seguridad en las organizaciones 

17.8.1. Roles en las organizaciones 
17.8.2. Rol de los especialistas IoT en las compañías 
17.8.3. Certificaciones reconocidas en el mercado 

17.9. Análisis forense 

17.9.1. Análisis forense 
17.9.2. Análisis forense. Metodología 
17.9.3. Análisis forense. Herramientas e implantación 

17.10. La Ciberseguridad en la actualidad 

17.10.1. Principales ataques informáticos 
17.10.2. Previsiones de empleabilidad 
17.10.3. Retos 

Módulo 18. Seguridad en entornos Cloud 

18.1. Seguridad en entornos Cloud Computing 

18.1.1. Seguridad en entornos Cloud Computing 
18.1.2. Seguridad en entornos Cloud Computing. Amenazas y riesgos seguridad 
18.1.3. Seguridad en entornos Cloud Computing. Aspectos clave de seguridad 

18.2. Tipos de infraestructura Cloud 

18.2.1. Público 
18.2.2. Privado 
18.2.3. Híbrido 

18.3. Modelo de gestión compartida 

18.3.1. Elementos de seguridad gestionados por proveedor 
18.3.2. Elementos gestionados por cliente 
18.3.3. Definición de la estrategia para seguridad 

18.4. Mecanismos de prevención 

18.4.1. Sistemas de gestión de autenticación 
18.4.2. Sistema de gestión de autorización: políticas de acceso 
18.4.3. Sistemas de gestión de claves 

18.5. Securización de sistemas 

18.5.1. Securización de los sistemas de almacenamiento 
18.5.2. Protección de los sistemas de base de Datos 
18.5.3. Securización de Datos en tránsito 

18.6. Protección de infraestructura 

18.6.1. Diseño e implementación de red segura 
18.6.2. Seguridad en recursos de computación 
18.6.3. Herramientas y recursos para protección de infraestructura 

18.7. Detección de las amenazas y ataques 

18.7.1. Sistemas de auditoría, Logging y monitorización 
18.7.2. Sistemas de eventos y alarmas 
18.7.3. Sistemas SIEM 

18.8. Respuesta ante incidentes 

18.8.1. Plan de respuesta a incidentes 
18.8.2. La continuidad de negocio 
18.8.3. Análisis forense y remediación de incidentes de la misma naturaleza 

18.9. Seguridad en Clouds públicos 

18.9.1. AWS (Amazon Web Services) 
18.9.2. Microsoft Azure 
18.9.3. Google GCP 
18.9.4. Oracle Cloud 

18.10. Normativa y cumplimiento 

18.10.1. Cumplimiento de normativas de seguridad 
18.10.2. Gestión de riesgos 
18.10.3. Personas y proceso en las organizaciones 

Módulo 19. Seguridad en comunicaciones de dispositivos Iot 

19.1. De la telemetría al IoT 

19.1.1. Telemetría 
19.1.2. Conectividad M2M 
19.1.3. Democratización de la telemetría 

19.2. Modelos de referencia IoT 

19.2.1. Modelo de referencia IoT 
19.2.2. Arquitectura simplificada IoT 

19.3. Vulnerabilidades de seguridad del IoT 

19.3.1. Dispositivos IoT 
19.3.2. Dispositivos IoT. Casuística de uso 
19.3.3. Dispositivos IoT. Vulnerabilidades 

19.4. Conectividad del IoT 

19.4.1. Redes PAN, LAN, WAN 
19.4.2. Tecnologías inalámbricas no IoT 
19.4.3. Tecnologías inalámbricas LPWAN 

19.5. Tecnologías LPWAN 

19.5.1. El triángulo de hierro de las redes LPWAN 
19.5.2. Bandas de frecuencia libres vs. Bandas licenciadas 
19.5.3. Opciones de tecnologías LPWAN 

19.6. Tecnología LoRaWAN 

19.6.1. Tecnología LoRaWAN 
19.6.2. Casos de uso LoRaWAN. Ecosistema 
19.6.3. Seguridad en LoRaWAN 

19.7. Tecnología Sigfox 

19.7.1. Tecnología Sigfox 
19.7.2. Casos de uso Sigfox. Ecosistema 
19.7.3. Seguridad en Sigfox 

19.8. Tecnología celular IoT 

19.8.1. Tecnología celular IoT (NB-IoT y LTE-M) 
19.8.2. Casos de uso celular IoT. Ecosistema 
19.8.3. Seguridad en celular IoT 

19.9. Tecnología Wi-SUN 

19.9.1. Tecnología Wi-SUN 
19.9.2. Casos de uso Wi-SUN. Ecosistema 
19.9.3. Seguridad en Wi-SUN 

19.10. Otras tecnologías IoT 

19.10.1. Otras tecnologías IoT 
19.10.2. Casos de uso y ecosistema de otras tecnologías IoT 
19.10.3. Seguridad en otras tecnologías IoT 

Módulo 20. Plan de continuidad del negocio asociado a la seguridad 

20.1. Plan de continuidad de negocio 

20.1.1. Los planes de continuidad de negocio (PCN) 
20.1.2. Plan de continuidad de negocio (PCN). Aspectos clave 
20.1.3. Plan de continuidad de negocio (PCN) para la valoración de la empresa 

20.2. Métricas en un plan de continuidad de negocio (PCN) 

20.2.1. Recovery Time Objective (RTO) y Recovery Point Objective (RPO) 
20.2.2. Tiempo máximo tolerable (MTD) 
20.2.3. Niveles mínimos de recuperación (ROL) 
20.2.4. Punto de recuperación objetivo (RPO) 

20.3. Proyectos de continuidad. Tipología 

20.3.1. Plan de continuidad de negocio (PCN) 
20.3.2. Plan de continuidad de TIC (PCTIC) 
20.3.3. Plan de recuperación ante desastres (PRD) 

20.4. Gestión de riesgos asociada al PCN 

20.4.1. Análisis de impacto sobre el negocio 
20.4.2. Beneficios de la implantación de un PCN 
20.4.3. Mentalidad basada en riesgos 

20.5. Ciclo de vida de un plan de continuidad de negocio 

20.5.1. Fase 1: análisis de la organización 
20.5.2. Fase 2: determinación de la estrategia de continuidad 
20.5.3. Fase 3: respuesta a la contingencia 
20.5.4. Fase 4: prueba, mantenimiento y revisión 

20.6. Fase del análisis de la organización de un PCN 

20.6.1. Identificación de procesos en el alcance del PCN 
20.6.2. Identificación de áreas críticas del negocio 
20.6.3. Identificación de dependencias entre áreas y procesos 
20.6.4. Determinación del MTD adecuado 
20.6.5. Entregables. Creación de un plan 

20.7. Fase de determinación de la estrategia de continuidad en un PCN 

20.7.1. Roles en la fase de determinación de la estrategia 
20.7.2. Tareas de la fase de determinación de la estrategia 
20.7.3. Entregables 

20.8. Fase de respuesta a la contingencia en un PCN 

20.8.1. Roles en la fase de respuesta 
20.8.2. Tareas en esta fase 
20.8.3. Entregables 

20.9. Fase de pruebas, mantenimiento y revisión de un PCN 

20.9.1. Roles en la fase de pruebas, mantenimiento y revisión 
20.9.2. Tareas en la fase de pruebas, mantenimiento y revisión 
20.9.3. Entregables 

20.10. Normas ISO asociadas a los planes de continuidad de negocio (PCN) 

20.10.1. ISO 22301:2019 
20.10.2. ISO 22313:2020 
20.10.3. Otras normas ISO e internacionales relacionadas 

Módulo 21. Analítica del dato en la organización empresarial 

21.1. Análisis de negocio  

21.1.1. Análisis de negocio 
21.1.2. Estructura del dato 
21.1.3. Fases y elementos  

21.2. Analítica del dato en la empresa 

21.2.1. Cuadros de mando y KPI´s por departamentos 
21.2.2. Informes operativos, tácticos y estratégicos 
21.2.3. Analítica del dato aplicada a cada departamento 

21.2.3.1. Marketing y comunicación 
21.2.3.2. Comercial 
21.2.3.3. Atención al cliente 
21.2.3.4. Compras 
21.2.3.5. Administración 
21.2.3.6. RRHH 
21.2.3.7. Producción 
21.2.3.8. IT 

21.3. Marketing y comunicación 

21.3.1. KPI´s a medir, aplicaciones y beneficios 
21.3.2. Sistemas de Marketing y Data Warehouse 
21.3.3. Implementación de una estructura de analítica del dato en Marketing 
21.3.4. Plan de Marketing y comunicación 
21.3.5. Estrategias, predicción y gestión de campañas 

21.4. Comercial y ventas  

21.4.1. Aportaciones de analítica del dato en el área comercial  
21.4.2. Necesidades del departamento de Ventas 
21.4.3. Estudios de mercado  

21.5. Atención al cliente 

21.5.1. Fidelización  
21.5.2. Calidad personal e inteligencia emocional  
21.5.3. Satisfacción del cliente 

21.6. Compras  

21.6.1. Analítica del dato para estudios de mercado 
21.6.2. Analítica del dato para estudios de competencia 
21.6.3. Otras aplicaciones 

21.7. Administración  

21.7.1. Necesidades en el departamento de Administración 
21.7.2. Data Warehouse y análisis de riesgo financiero 
21.7.3. Data Warehouse y análisis de riesgo de crédito 

21.8. Recursos humanos 

21.8.1. RRHH y beneficios de la analítica del dato 
21.8.2. Herramientas de analítica del dato en el departamento de RRHH 
21.8.3. Aplicación de analítica del dato en los RRHH 

21.9. Producción   

21.9.1. Análisis de Datos en un departamento de Producción 
21.9.2. Aplicaciones 
21.9.3. Beneficios  

21.10.  IT  

21.10.1. Departamento de IT 
21.10.2. Analítica del dato y transformación digital  
21.10.3. Innovación y productividad 

Módulo 22. Gestión, manipulación de Datos e información para Ciencia de Datos 

22.1. Estadística. Variables, índices y ratios  

22.1.1. La Estadística  
22.1.2. Dimensiones estadísticas  
22.1.3. Variables, índices y ratios  

22.2. Tipología del dato  

22.2.1. Cualitativos  
22.2.2. Cuantitativos  
22.2.3. Caracterización y categorías  

22.3. Conocimiento de los Datos a partir de medidas  

22.3.1. Medidas de centralización  
22.3.2. Medidas de dispersión  
22.3.3. Correlación  

22.4. Conocimiento de los Datos a partir de gráficos  

22.4.1. Visualización según el tipo de dato  
22.4.2. Interpretación de información grafica  
22.4.3. Customización de gráficos con R  

22.5. Probabilidad  

22.5.1. Probabilidad  
22.5.2. Función de probabilidad  
22.5.3. Distribuciones  

22.6. Recolección de Datos  

22.6.1. Metodología de recolección  
22.6.2. Herramientas de recolección  
22.6.3. Canales de recolección  

22.7. Limpieza del dato  

22.7.1. Fases de la limpieza de Datos  
22.7.2. Calidad del dato  
22.7.3. Manipulación de Datos (con R)  

22.8. Análisis de Datos, interpretación y valoración de resultados  

22.8.1. Medidas estadísticas  
22.8.2. Índices de relación  
22.8.3. Minería de Datos  

22.9. Almacén del dato (Data Warehouse)  

22.9.1. Elementos   
22.9.2. Diseño  

22.10. Disponibilidad del dato  

22.10.1. Acceso  
22.10.2. Utilidad  
22.10.3. Seguridad 

Módulo 23. Dispositivos y plataformas IoT como base para la Ciencia de Datos 

23.1. Internet of Things 

23.1.1. Internet del futuro, Internet of Things 
23.1.2. El consorcio de internet industrial 

23.2. Arquitectura de referencia  

23.2.1. La arquitectura de referencia 
23.2.2. Capas 
23.2.3.  Componentes 

23.3. Sensores y dispositivos IoT  

23.3.1 Componentes principales 
23.3.2. Sensores y actuadores 

23.4. Comunicaciones y protocolos  

23.4.1. Protocolos. Modelo OSI 
23.4.2. Tecnologías de comunicación 

23.5. Plataformas Cloud para IoT e IIoT  

23.5.1. Plataformas de propósito general 
23.5.2. Plataformas industriales 
23.5.3. Plataformas de código abierto 

23.6. Gestión de Datos en plataformas IoT  

23.6.1. Mecanismos de gestión de Datos. Datos abiertos 
23.6.2. Intercambio de Datos y visualización 

23.7. Seguridad en IoT  

23.7.1. Requisitos y áreas de seguridad 
23.7.2. Estrategias de seguridad en IIoT 

23.8. Aplicaciones de IoT  

23.8.1. Ciudades inteligentes 
23.8.2. Salud y condición física 
23.8.3. Hogar inteligente 
23.8.4. Otras aplicaciones 

23.9. Aplicaciones de IIoT  

23.9.1. Fabricación 
23.9.2. Transporte 
23.9.3. Energía 
23.9.4. Agricultura y ganadería 
23.9.5. Otros sectores 

23.10. Industria 4.0  

23.10.1. IoRT (Internet of Robotics Things) 
23.10.2. Fabricación aditiva 3D 
23.10.3. Big Data Analytics 

Módulo 24. Representación gráfica para Análisis de Datos 

24.1. Análisis exploratorio  

24.1.1. Representación para análisis de información 
24.1.2. El valor de la representación gráfica 
24.1.3. Nuevos paradigmas de la representación gráfica 

24.2. Optimización para ciencia de Datos 

24.2.1. La gama cromática y el diseño 
24.2.2. La Gestalt en la representación gráfica 
24.2.3. Errores a evitar y consejos  

24.3. Fuentes de Datos básicos 

24.3.1. Para representación de calidad 
24.3.2. Para representación de cantidad 
24.3.3. Para representación de tiempo 

24.4. Fuentes de Datos complejos 

24.4.1. Archivos, listados y BBDD 
24.4.2. Datos abiertos 
24.4.3. Datos de generación continua 

24.5. Tipos de gráficas  

24.5.1. Representaciones básicas 
24.5.2. Representación de bloques 
24.5.3. Representación para análisis de dispersión 
24.5.4. Representaciones circulares 
24.5.5. Representaciones burbujas 
24.5.6. Representaciones geográfias 

24.6. Tipos de visualización  

24.6.1. Comparativas y relacional 
24.6.2. Distribución 
24.6.3. Jerárquica 

24.7. Diseño de informes con representación gráfica 

24.7.1. Aplicación de gráficas en informes de Marketing 
24.7.2. Aplicación de gráficas en cuadros de mando y Kpi´s 
24.7.3. Aplicación de gráficas en planes estratégicos 
24.7.4. Otros usos: ciencia, salud, negocio 

24.8. Narración gráfica 

24.8.1. La narración gráfica 
24.8.2. Evolución 
24.8.3. Utilidad 

24.9. Herramientas orientadas a visualización  

24.9.1. Herramientas avanzadas 
24.9.2. Software en línea 
24.9.3. Open Source 

24.10. Nuevas tecnologías en la visualización de Datos  

24.10.1. Sistemas para virtualización de la realidad 
24.10.2. Sistemas para aumento y mejora de la realidad 
24.10.3. Sistemas inteligentes 

Módulo 25. Herramientas de ciencia de Datos 

25.1. Ciencia de Datos 

25.1.1. La ciencia de Datos 
25.1.2. Herramientas avanzadas para el científico de Datos  

25.2. Datos, información y conocimiento 

25.2.1. Datos, información y conocimiento 
25.2.2. Tipos de Datos 
25.2.3. Fuentes de Datos 

25.3. De los Datos a la información 

25.3.1. Análisis de Datos 
25.3.2. Tipos de análisis 
25.3.3. Extracción de información de un Dataset 

25.4. Extracción de información mediante visualización 

25.4.1. La visualización como herramienta de análisis 
25.4.2. Métodos de visualización 
25.4.3. Visualización de un conjunto de Datos 

25.5. Calidad de los Datos 

25.5.1. Datos de calidad 
25.5.2. Limpieza de Datos 
25.5.3. Preprocesamiento básico de Datos 

25.6. Dataset 

25.6.1. Enriquecimiento del Dataset 
25.6.2. La maldición de la dimensionalidad 
25.6.3. Modificación de nuestro conjunto de Datos 

25.7. Desbalanceo 

25.7.1. Desbalanceo de clases 
25.7.2. Técnicas de mitigación del desbalanceo
25.7.3. Balanceo de un Dataset 

25.8. Modelos no supervisados 

25.8.1. Modelo no supervisado 
25.8.2. Métodos 
25.8.3. Clasificación con modelos no supervisados 

25.9. Modelos supervisados 

25.9.1. Modelo supervisado 
25.9.2. Métodos 
25.9.3. Clasificación con modelos supervisados 

25.10. Herramientas y buenas prácticas 

25.10.1. Buenas prácticas para un científico de Datos 
25.10.2. El mejor modelo  
25.10.3. Herramientas útiles 

Módulo 26. Minería de Datos. Selección, preprocesamiento y transformación 

26.1. La inferencia estadística 

26.1.1. Estadística descriptiva vs Inferencia estadística 
26.1.2. Procedimientos paramétricos 
26.1.3. Procedimientos no paramétricos 

26.2. Análisis exploratorio 

26.2.1. Análisis descriptivo 
26.2.2. Visualización 
26.2.3. Preparación de Datos 

26.3. Preparación de Datos 

26.3.1. Integración y limpieza de Datos 
26.3.2. Normalización de Datos 
26.3.3. Transformando atributos 

26.4. Los valores perdidos 

26.4.1. Tratamiento de valores perdidos 
26.4.2. Métodos de imputación de máxima verosimilitud 
26.4.3. Imputación de valores perdidos usando aprendizaje automático 

26.5. El ruido en los Datos 

26.5.1. Clases de ruido y atributos 
26.5.2. Filtrado de ruido 
26.5.3. El efecto del ruido 

26.6. La maldición de la dimensionalidad 

26.6.1. Oversampling 
26.6.2. Undersampling 
26.6.3. Reducción de Datos multidimensionales 

26.7. De atributos continuos a discretos 

26.7.1. Datos continuos vs. Discretos 
26.7.2. Proceso de discretización 

26.8. Los Datos 

26.8.1. Selección de Datos  
26.8.2. Perspectivas y criterios de selección. 
26.8.3. Métodos de selección  

26.9. Selección de instancias 

26.9.1. Métodos para la selección de instancias 
26.9.2. Selección de prototipos 
26.9.3. Métodos avanzados para la selección de instancias 

26.10. Preprocesamiento de Datos en entornos Big Data 

26.10.1. Big Data 
26.10.2. Preprocesamiento clásico vs.Masivo 
26.10.3. Smart Data 

Módulo 27. Predictibilidad y análisis de fenómenos estocásticos 

27.1. Series de tiempo 

27.1.1. Series de tiempo  
27.1.2. Utilidad y aplicabilidad 
27.1.3. Casuística relacionada 

27.2. La serie temporal 

27.2.1. Tendencia estacionalidad de ST 
27.2.2. Variaciones típicas 
27.2.3. Análisis de residuos 

27.3. Tipologías 

27.3.1. Estacionarias 
27.3.2. No estacionarias 
27.3.3. Transformaciones y ajustes 

27.4. Esquemas para series temporales  

27.4.1. Esquema (modelo) aditivo 
27.4.2. Esquema (modelo) multiplicativo 
27.4.3. Procedimientos para determinar el tipo de modelo 

27.5. Métodos básicos de Forecast 

27.5.1. Media 
27.5.2. Naïve 
27.5.3. Naïve estacional 
27.5.4. Comparación de métodos 

27.6. Análisis de residuos  

27.6.1. Autocorrelación 
27.6.2. ACF de residuos 
27.6.3. Test de correlación 

27.7. Regresión en el contexto de series temporales 

27.7.1. ANOVA 
27.7.2. Fundamentos 
27.7.3. Aplicación práctica  

27.8. Modelos predictivos de series temporales 

27.8.1. ARIMA 
27.8.2. Suavizado exponencial 

27.9. Manipulación y análisis de series temporales con R 

27.9.1. Preparación de los Datos 
27.9.2. Identificación de patrones 
27.9.3. Análisis del modelo 
27.9.4. Predicción 

27.10. Análisis gráficos combinados con R  

27.10.1. Situaciones habituales 
27.10.2. Aplicación práctica para resolución de problemas sencillos 
27.10.3. Aplicación práctica para resolución de problemas avanzados 

Módulo 28. Diseño y desarrollo de sistemas inteligentes 

28.1. Preprocesamiento de Datos 

28.1.1. Preprocesamiento de Datos 
28.1.2. Transformación de Datos 
28.1.3. Minería de Datos 

28.2. Aprendizaje automático 

28.2.1. Aprendizaje supervisado y no supervisado 
28.2.2. Aprendizaje por refuerzo 
28.2.3. Otros paradigmas de aprendizaje 

28.3. Algoritmos de clasificación 

28.3.1. Aprendizaje automático inductivo 
28.3.2. SVM y KNN 
28.3.3. Métricas y puntuaciones para clasificación 

28.4. Algoritmos de regresión 

28.4.1. Regresión lineal, regresión logística y modelos no lineales 
28.4.2. Series temporales 
28.4.3. Métricas y puntuaciones para regresión 

28.5. Algoritmos de agrupamiento 

28.5.1. Técnicas de agrupamiento jerárquico 
28.5.2. Técnicas de agrupamiento particional 
28.5.3. Métricas y puntuaciones para Clustering 

28.6. Técnicas de reglas de asociación 

28.6.1. Métodos para la extracción de reglas 
28.6.2. Métricas y puntuaciones para los algoritmos de reglas de asociación 

28.7. Técnicas de clasificación avanzadas. Multiclasificadores 

28.7.1. Algoritmos de Bagging 
28.7.2. Clasificador “Random Forests" 
28.7.3. “Boosting” para árboles de decisión 

28.8. Modelos gráficos probabilísticos 

28.8.1. Modelos probabilísticos 
28.8.2. Redes bayesianas. Propiedades, representación y parametrización 
28.8.3. Otros modelos gráficos probabilísticos 

28.9. Redes neuronales 

28.9.1. Aprendizaje automático con redes neuronales artificiales 
28.9.2. Redes Feedforward 

28.10. Aprendizaje profundo 

28.10.1. Redes Feedforward profundas 
28.10.2. Redes neuronales convolucionales y modelos de secuencia 
28.10.3. Herramientas para implementar redes neuronales profundas 

Módulo 29. Arquitecturas y sistemas para uso intensivo de Datos 

29.1. Requisitos no funcionales. Pilares de las aplicaciones de Datos masivos 

29.1.1. Fiabilidad 
29.1.2. Adaptabilidad 
29.1.3. Mantenibilidad 

29.2. Modelos de Datos 

29.2.1. Modelo relacional 
29.2.2. Modelo documental 
29.2.3. Modelo de Datos tipo grafo 

29.3. Bases de Datos. Gestión del almacenamiento y recuperación de Datos 

29.3.1. Índices Hash     
29.3.2. Almacenamiento estructurado en Log 
29.3.3. Árboles B 

29.4. Formatos de codificación de Datos 

29.4.1. Formatos específicos del lenguaje 
29.4.2. Formatos estandarizados 
29.4.3. Formatos de codificación binarios 
29.4.4. Flujo de Datos entre procesos 

29.5. Replicación 

29.5.1. Objetivos de la replicación 
29.5.2. Modelos de replicación 
29.5.3. Problemas con la replicación 

29.6. Transacciones distribuidas 

29.6.1. Transacción  
29.6.2. Protocolos para transacciones distribuidas
29.6.3. Transacciones serializables 

29.7. Particionado 

29.7.1. Formas de particionado 
29.7.2. Interacción de índice secundarios y particionado 
29.7.3. Rebalanceo de particiones 

29.8. Procesamiento de Datos Offline 

29.8.1. Procesamiento por lotes 
29.8.2. Sistemas de ficheros distribuidos 
29.8.3. MapReduce 

29.9 Procesamiento de Datos en tiempo real 

29.9.1. Tipos de Broker de mensajes 
29.9.2. Representación de bases de Datos como flujos de Datos 
29.9.3. Procesamiento de flujos de Datos 

29.10. Aplicaciones prácticas en la empresa 

29.10.1. Consistencia en lecturas 
29.10.2. Enfoque holístico de Datos 
29.10.3. Escalado de un servicio distribuido 

Módulo 30. Aplicación práctica de la ciencia de Datos en sectores de actividad empresarial 

30.1. Sector sanitario 

30.1.1. Implicaciones de la IA y la analítica de Datos en el sector sanitario 
30.1.2. Oportunidades y desafíos  

30.2. Riesgos y tendencias en sector sanitario   

30.2.1. Uso en el sector sanitario 
30.2.2. Riesgos potenciales relacionados con el uso de IA 

30.3. Servicios financieros  

30.3.1. Implicaciones de la IA y la analítica de Datos en el sector de los servicios financiero 
30.3.2. Uso en los servicios financieros 
30.3.3. Riesgos potenciales relacionados con el uso de IA 

30.4. Retail 

30.4.1. Implicaciones de la IA y la analítica de Datos en el sector del Retail 
30.4.2. Uso en el Retail 
30.4.3. Riesgos potenciales relacionados con el uso de IA 

30.5. Industria 4.0  

30.5.1. Implicaciones de la IA y la analítica de Datos en la Industria 4.0 
30.5.2. Uso en la Industria 4.0 

30.6. Riesgos y tendencias en Industria 4.0   

30.6.1. Riesgos potenciales relacionados con el uso de IA 

30.7. Administración Pública  

30.7.1. Implicaciones de la IA y la analítica de Datos en la Administración Pública 
30.7.2. Uso en la Administración Pública 
30.7.3. Riesgos potenciales relacionados con el uso de IA 

30.8. Educación  

30.8.1. Implicaciones de la IA y la analítica de Datos en la Educación 
30.8.2. Riesgos potenciales relacionados con el uso de IA 

30.9. Silvicultura y agricultura  

30.9.1. Implicaciones de la IA y la analítica de Datos en la silvicultura y agricultura 
30.9.2. Uso en Silvicultura y Agricultura 
30.9.3. Riesgos potenciales relacionados con el uso de IA 

30.10. Recursos humanos      

30.10.1. Implicaciones de la IA y la analítica de Datos en la gestión de recursos humanos 
30.10.2. Aplicaciones prácticas en el mundo empresarial
30.10.3. Riesgos potenciales relacionados con el uso de IA  

TECH pone a tu disposición el mejor programa para informáticos como tú que desean un cambio en su carrera para impulsar su trayectoria profesional”