Temario
Aquí puedes ver el temario y los módulos que componen el curso.
El curso consiste de 12 ECTS, divididos en módulos de 3 ECTs cada uno. El alumno debe
elegir 4 de los 5 módulos ofertados. Se trata de una formación online, con algunos de estos contenidos de
carácter asíncrono, lo cual permite a los estudiantes avanzar a su propio ritmo, ya que los materiales estarán disponibles en todo momento, y podrán formarse dentro de sus propios horarios.
Ciberseguridad y confianza distribuida
3 ECTs
Coordinador:
Enrique Barra Arias
Modalidad:
Asíncrono
Este módulo abarca desde las bases de la ciberseguridad hasta las últimas tecnologías que
resguardan el ciberespacio. Incluyendo la criptografía, gestión de riesgos y las innovadoras soluciones Blockchain. Este conocimiento es imprescindible para cualquier profesional de cualquier área para proteger sistemas y datos valiosos. ¡Prepárate para el futuro de la seguridad digital con este módulo!
Temario
- Las bases de la ciberseguridad
- Criptografía
- Protección de sistemas y servicios
- Protección de la información
- Operación de la ciberseguridad (SOC y CiberSOC)
- Análisis y Gestión de riesgos
- Sistemas de confianza distribuida (Blockchain)
Profesores
-
Enrique Barra Arias
Profesor Contratado Doctor e Investigador
E.T.S.I. de Telecomunicación
-
Xavier Larriva Novo
Profesor Ayudante Doctor e investigador
E.T.S.I. de Telecomunicación
-
María Dolón Poza
Profesora Ayudante Doctor e investigador
E.T.S.I. y Sistemas de Telecomunicación
-
Pedro Castillejo Parrilla
Profesor Contratado Doctor e investigador
E.T.S.I. y Sistemas de Telecomunicación
-
Vicente Jara Vera
Profesor Ayudante Doctor e investigador
E.T.S.I. de Telecomunicación
Manejo de datos
3 ECTs
Coordinador:
Rubén Fraile Muñoz
Modalidad:
Síncrono y asíncrono
Los alumnos aprenderán a utilizar hojas de cálculo, que son las herramientas de uso más
frecuente en el manejo de datos en entornos empresariales. Con ellas podrán manejar
grandes
volúmenes de datos y procesarlos con diversas funciones, presentar resultados mediante
tablas
dinámicas y gráficas, obtener información valiosa para la toma de decisiones, y ahorrar
tiempo
en la realización de cálculos complejos.
Temario
- Compartición de datos y colaboración en la nube
- Manejo básico de datos en tablas
- Gráficos
- Cálculos con tablas
- Funciones avanzadas hojas de cálculo
Profesores
-
Rubén Fraile Muñoz
Profesor Titular de Universidad
E.T.S.I. y Sistemas de Telecomunicación
-
Pedro Castillejo Parrilla
Profesor Contratado Doctor e investigador
E.T.S.I. y Sistemas de Telecomunicación
-
Personal Gate
Big Data – Nivel medio
3 ECTs
Coordinador:
Jose Andrés Muñoz Arcentales
Modalidad:
Síncrono y asíncrono
Descubre el apasionante universo del Big Data con nuestro módulo.
Desde los fundamentos hasta las últimas tendencias, aprenderás a manejar grandes volúmenes de datos con técnicas avanzadas de almacenamiento, limpieza, procesamiento y visualización. Sumérgete en la revolución tecnológica con la computación en la nube aplicada a Big Data, adquiriendo habilidades cruciales para el futuro digital. Este curso no solo es una oportunidad para aprender, sino una puerta abierta a un mundo de posibilidades profesionales. ¡Atrévete a conquistar el Big Data y marca la diferencia en tu carrera!
Temario
- Introducción a Big Data
- Sistemas de información de Big Data y sus usos actuales
- Ciclos de vida de Proyectos de Big Data, fases y componentes
- Adquisición y Almacenamiento
- Limpieza
- Procesamiento
- Visualización
- Computación en la nube aplicada a big data
- Introducción al cloud computing
- Máquinas virtuales
- Contenedores Docker y Docker compose
- Despliegues de componentes en la nube con kubernetes
Profesores
-
Jose Andrés Muñoz Arcentales
Profesor Ayudante Doctor
E.T.S.I. de Telecomunicación
-
Joaquín Salvachúa
Profesor Titular de Universidad
E.T.S.I. de Telecomunicación
-
Gabriel Huecas Fernández-Toribio
Profesor Titular de Universidad
E.T.S.I. de Telecomunicación
-
Enrique Barra Arias
Profesor Contratado Doctor e Investigador
E.T.S.I. de Telecomunicación
-
Javier Conde Díaz
Profesor Ayudante Doctor e Investigador
E.T.S.I. de Telecomunicación
-
Álvaro Alonso González
Profesor Contratado Doctor e Investigador
E.T.S.I. de Telecomunicación
Programación
3 ECTs
Coordinador:
Alberto Díaz Álvarez
Modalidad:
Síncrono y asíncrono
Este módulo sumerge a los estudiantes en el mundo de la programación, enfocándose en Python.Desde los fundamentos básicos como variables y estructuras de control, hasta conceptos avanzados como la estructura y distribución de aplicaciones, trabajo con ficheros y bibliotecas de terceros, está estructurado para proporcionar un conocimiento profundo y práctico, ideal tanto para principiantes como para programadores que buscan ampliar sus habilidades.
Temario
- Introducción a la programación en Python
- Variables, tipos y expresiones
- Estructuras de control
- Funciones
- Clases
- Estructura y distribución de aplicaciones en Python
- Trabajo con ficheros
- Principales librerías de sistema y terceros
- Trabajo en red e Internet
Profesores
-
Alberto Díaz Álvarez
Profesor Ayudante Doctor e investigador
E.T.S.I. de Sistemas Informáticos
-
Edgar Talavera Muñoz
Profesor Ayudante Doctor e investigador
E.T.S.I. de Sistemas Informáticos
-
Álvaro Alonso González
Profesor Contratado Doctor e Investigador
E.T.S.I. de Telecomunicación
-
Óscar Araque Iborra
Profesor Ayudante Doctor e Investigador
E.T.S.I. de Telecomunicación
Aprendizaje automático e Inteligencia Artificial
3 ECTs
Coordinador:
Esteban García Cuesta
Modalidad:
Síncrono y asíncrono
Este módulo está diseñado para proporcionar a los estudiantes una comprensión profunda de los fundamentos y aplicaciones prácticas de estas tecnologías revolucionarias. Desde la preparación de datos hasta la implementación de modelos avanzados, explorarás diversas técnicas de aprendizaje automático y descubrirás cómo aplicarlas en situaciones del mundo real. Este módulo no solo te equipará con conocimientos teóricos, sino que también te brindará la experiencia práctica necesaria para destacar en el emocionante campo de la inteligencia artificial.
Temario
- Introducción al aprendizaje automático.
- Preprocesamiento de datos
- Normalización, escalado, ruido y datos desconocidos
- Selección de características: filtrado, ranking, y aproximación
‘wrapper’ - Extracción de características
- Métodos de validación
- Método de selección de modelos y métricas
- Validación cruzada
- Muestreo de datos no balanceados
- Aprendizaje No-supervisado
- Tipos de agrupamiento
- Agrupamiento jerárquico
- Agrupamiento particional
- Caso práctico
- Aprendizaje supervisado
- Introducción a la regresión y clasificación
- K vecinos más cercanos
- Regresión lineal, regresión logística y regularización
- Árboles de decisión.
- Redes de neuronas: perceptrón multicapa
- Caso práctico
- Metodologías y automatización
- KDD, SEMMA, CRISP-DM, y MLOps
- Automatización AutoML
Profesores
-
Esteban García Cuesta
Profesor Ayudante Doctor e investigador
E.T.S. de Ingenieros Informáticos