Bienvenido a la...

Enciclopedia de la Web

---

Ingeniería Web

• Introducción a la Ingeniería de Software para la Web.
• Ingeniería Web.
• Habilidades para ser Ingeniero Web.
• Tendencias de organización en las empresas.
• Pasos para la creación de un proyecto Web
  1. Ideas.
  2. Validación de ideas.
  3. Estimación de costos y tiempos.
  4. Metodologías de Desarrollo.
• Métricas para Web.

---

Seguridad

• Infraestructura y servicios de red.
• Detección de servicios.
• Detección de vulnerabilidades.
• Seguridad en aplicaciones Web:
  1. Entidades certificadoras.
  2. Protección contra bots.
  3. Validación de formularios.
  4. Firma electrónica y certificados.
  5. Cifrado de información.
  6. Protección contra DOS.
  7. Protección contra SQL Injection.

---

Diseño Web

• Principios de diseño Web.
• Principios del color.
• Tipografía.
• Organización de elementos (regla de oro).
• Logotipos.
• Tendencias de Diseño.
• Maquetado.
• Codificación (CSS Layout).
• Estándares W3C.
• Estándares de codificación.
• Control de versiones.
• RWD (Responsive Web Design).
• SEO (Search Engine Optimization).
• Neuro Marketing
• Accesibilidad.
• Usabilidad
• UX (User User eXperience)
• Análisis y medición de sitios Web.

---

Internet de las Cosas

1. Introducción al Internet de las Cosas
   1. Conceptos de Internet de las Cosas.
   2. Aplicaciones de Internet de las Cosas.
   3. Habilidades para el Internet de las Cosas
   4. Materiales y herramientas para el Internet de las Cosas.


2. Dispositivos y Sensores
   1. Dispositivos para el Internet de las Cosas
      • Arduino, Coudino, Galileo, Raspberry Pi, pcDuino, Orange Pi
   2. Sensores
      • Conceptos sobre sensores
      • Tipos de sensores
        • Temperatura, humedad, presión, movimiento, infrarojo, laser.
      • Características de los sensores
        • Intervalo, error, exactitud, sensibilidad, resolución.
      • Tipos de actuadores
        • Eléctricos, hidráulicos, neumáticos, térmicos.
      • Conexión de sensores y actuadores


3. Interconexión de Dispositivos
   1. Protocolos de Comunicación
      • Infrarojo, Radiofrecuencia, ZigBee, Bluetooth, WiFi, RFID, NFC.
   2. Seguridad de la red


4. Captura y Almacenamiento de Información
   1. Captura de información
   2. Almacenamiento local
   3. Firmas digitales
   4. Certificados
   5. Cifrado
   6. Almacenamiento remoto (cloud computing)
   7. Almacenes de datos (Data Centers)
   8. Centros de procesamiento (Farm Servers y Clusters)
   9. Graficación de información en aplicaciones Web y Móviles


5. Aplicaciones y Tendencias
   1. Inteligencia Artificial para análisis de datos
   2. Reconocimiento de Lenguaje Natural
   3. Machine Learning
   4. Deep Learning

---

Ciencia de Datos

• Introducción a la Ciencia de Datos
  1. Conceptos de Ciencia de Datos.
  2. Aplicaciones de Ciencia de Datos.
  3. Habilidades de un Científico de Datos.
  4. Técnicas y Herramientas para Ciencia de Datos.
• Introducción a los Datos
  1. Qué es un dato.
  2. Orígen de los datos.
  3. Formatos de los datos.
  4. Formatos mas usados.
• Estructura de Almacenamiento de Datos
  1. Dispositivos de Almacenamiento.
  2. Bases de Datos Distribuidas.
  3. Sincronización.
  4. RAID.
  5. Datacenters.
  6. Construcción de un Cluster.
• Herramientas y Técnicas para el Manejo y Almacenamiento de Datos
  1. P2P.
  2. Grid Computing
  3. Blockchain.
  4. Contenedores.
  5. Cómputo Paralelo.
  6. DBMS y Sistemas NoSQL.
  7. Migración y verificación de datos.
  8. Hadoop.
  9. AWS.
• Búsqueda de Información
  1. Motores de búsqueda.
  2. Web Scraping
  3. Indexado.
  4. Ranking.
  5. Búsqueda en Redes Sociales.
  6. Datasets.
  7. Procesamiento de Lenguaje Natural.
  8. Machine Learning.
  9. Deep Learning.

---

Próximamente

• Programación Web.
• Búsqueda de Información
• Comercio Electrónico
• Dispositivos Móviles
• Herramientas
• Historia
• Lenguajes

---

Diplomado en Inteligencia Artificial

Cursos

• Ciencia de Datos.
• Ciencia de Datos Avanzado.

---

Ciencia de Datos

Objetivo: Conocer el área de Ciencia de Datos, así como las herramientas y habilidades necesarias para el manejo y procesamiento de la información.

1.- Introducción a Ciencia de Datos

1.1 Definición y conceptos
1.2 Historia
1.3 Habilidades de un científico de datos
1.4 Técnicas y herramientas para ciencia de datos
1.5 Origen de los datos
1.6 Formatos y extracción de datos

2.- Probabilidad y Estadística

2.1 Población y muestra
2.2 Histogramas, mínimo, máximo y rango
2.3 Media, mediana y moda
2.4 Medidas de dispersión (varianza y desviación estándar)
2.5 Correlación y regresión lineal
2.6 Probabilidad condicional
2.7 Distribuciones de probabilidad
2.8 Modelos gráficos probabilísticos

3.- Machine Learning

3.1 Definición y aplicaciones
3.2 Aprendizaje supervisado y no supervisado

---

Ciencia de Datos Avanzado

Objetivo: Conocer los mas recientes avances en el área de Ciencia de Datos.

1.- Machine Learning

1.1 Definición y aplicaciones
1.2 Aprendizaje supervisado y no supervisado
1.3 Algoritmos de clasificación
1.4 Support Vector Machines
1.5 Árboles de decisión y Random Forests
1.6 Algoritmos de agrupación

2.- Deep Learning

2.1 Redes neuronales
2.2 Redes neuronales profundas (Deep learning)
2.3 Redes neuronales convolucionales
2.4 Generative Adversarial Networks(GANs)
2.5 Aprendizaje por refuerzo

3.- Procesamiento del Lenguaje Natural

3.1 Conceptos sobre lenguaje
3.2 Corpus y fuentes léxicas
3.3 Segmentación de textos
3.4 Frecuencias de palabras
3.5 Detección de similaridades
3.6 Análisis de sentimientos
3.7 Análisis de textos completos
3.8 Construcción de bots para lenguaje natural
3.9 Interacción humano-máquina con bots

---