Máster en Formación Permanente en Ciberseguridad, Big Data y BI
100% Online
12 meses
2195€
Matricularme
Máster en Formación Permanente en Ciberseguridad, Big Data y BI
    Máster en Formación Permanente en Ciberseguridad, Big Data y BI

    Máster en Formación Permanente en Ciberseguridad, Big Data y BI

    100% Online
    60 ECTS
    12 meses
    2195€
    Matricularme

    Presentación

    Las organizaciones se enfrentan a una creciente necesidad de proteger sus activos digitales y gestionar de manera eficiente los grandes volúmenes de datos generados en sus operaciones. La ciberseguridad, el Big Data y el Business Intelligence (BI) son disciplinas fundamentales para abordar estos desafíos y garantizar la continuidad del negocio, la protección de la información confidencial y la toma de decisiones basada en datos sólidos. Los profesionales en áreas de Big Data y BI deben adquirir conocimientos en temas como la protección de datos, la seguridad de redes y sistemas informáticos, la prevención y respuesta a incidentes y la gestión de riesgos. Este Master Ciberseguridad, Big Data y BI te permitirá comprender y aplicar las mejores prácticas de seguridad en entornos empresariales.

    Universidades colaboradoras

    Para qué te prepara
    Este Master Ciberseguridad, Big Data y BI te prepara para enfrentar los desafíos de seguridad informática en un entorno empresarial cada vez más complejo. Obtendrás las habilidades para proteger activos digitales, implementar estrategias de seguridad efectivas y gestionar grandes volúmenes de datos de manera eficiente. Además, desarrollarás competencias en el análisis de datos y en la toma de decisiones basada en información.
    Objetivos
    - Comprender los fundamentos de la ciberseguridad y las amenazas actuales en el entorno digital. - Dominar técnicas de protección de datos, seguridad de redes y sistemas informáticos. - Aprender a analizar y gestionar grandes volúmenes de datos utilizando herramientas de Big Data. - Adquirir habilidades en el diseño y desarrollo de soluciones de Business Intelligence. - Implementar estrategias de seguridad informática para prevenir y responder a incidentes. - Utilizar técnicas de análisis de datos e identificar patrones y tendencias que impulsen la toma de decisiones informadas. - Desarrollar habilidades en la visualización de datos y comunicación efectiva de resultados.
    A quién va dirigido
    Este Master Ciberseguridad, Big Data y BI está dirigido a profesionales de TI, analistas de datos, ingenieros de seguridad, gerentes de proyectos y cualquier persona interesada en adquirir conocimientos sólidos en ciberseguridad, Big Data y Business Intelligence. También es adecuado para estudiantes que busquen ramas profesionales con diferentes salidas y oportunidades.
    Salidas Profesionales
    Al realizar este Master Ciberseguridad, Big Data y BI puedes optar a diversas salidas laborales, como consultor de ciberseguridad, analista de seguridad, científico de datos, analista de BI, ingeniero Big Data, gerente de proyectos de seguridad informática, especialista en cumplimiento normativo o auditor de seguridad pudiendo trabajar en empresas de diferentes sectores.
    Temario

    MÓDULO 1. CIBERSEGURIDAD: NORMATIVA, POLÍTICA DE SEGURIDAD Y CIBERINTELIGENCIA

    UNIDAD DIDÁCTICA 1. CIBERSEGURIDAD Y SOCIEDAD DE LA INFORMACIÓN

    1. ¿Qué es la ciberseguridad?
    2. La sociedad de la información
    3. Diseño, desarrollo e implantación
    4. Factores de éxito en la seguridad de la información
    5. Soluciones de Ciberseguridad y Ciberinteligencia CCN-CERT

    UNIDAD DIDÁCTICA 2. NORMATIVA ESENCIAL SOBRE EL SISTEMA DE GESTIÓN DE LA SEGURIDAD DE LA INFORMACIÓN (SGSI)

    1. Estándares y Normas Internacionales sobre los SGSI. ISO 27001 e ISO 27002
    2. Legislación: Leyes aplicables a los SGSI

    UNIDAD DIDÁCTICA 3. POLÍTICA DE SEGURIDAD: ANÁLISIS Y GESTIÓN DE RIESGOS

    1. Plan de implantación del SGSI
    2. Análisis de riesgos
    3. Gestión de riesgos

    UNIDAD DIDÁCTICA 4. INGENIERÍA SOCIAL, ATAQUES WEB Y PHISHING

    1. Introducción a la Ingeniería Social
    2. Recopilar información
    3. Herramientas de ingeniería social
    4. Técnicas de ataques
    5. Prevención de ataques
    6. Introducción a Phising
    7. Phising
    8. Man In The Middle

    UNIDAD DIDÁCTICA 5. CIBERINTELIGENCIA Y CIBERSEGURIDAD

    1. Ciberinteligencia
    2. Herramientas y técnicas de ciberinteligencia
    3. Diferencias entre ciberinteligencia y ciberseguridad
    4. Amenazas de ciberseguridad

    UNIDAD DIDÁCTICA 6. MÉTODOS DE INTELIGENCIA DE OBTENCIÓN DE INFORMACIÓN

    1. Contextualización
    2. OSINT
    3. HUMINT
    4. IMINT
    5. Otros métodos de inteligencia para la obtención de información

    UNIDAD DIDÁCTICA 7. CIBERINTELIGENCIA Y TECNOLOGÍAS EMERGENTES

    1. Tecnologías emergentes
    2. Desafíos y oportunidades de la ciberinteligencia en las tecnologías emergentes
    3. Análisis de amenazas avanzado
    4. Usos de las tecnologías emergentes en la ciberinteligencia

    MÓDULO 2. HERRAMIENTAS DE CIBERSEGURIDAD OSINT 

    UNIDAD DIDÁCTICA 1. QUÉ SON LAS HERRAMIENTAS OSINT

    1. Introducción

    UNIDAD DIDÁCTICA 2. GOOGLE DORK

    1. Qué es Google Dork
    2. Uso y aplicación de Google Dork

    UNIDAD DIDÁCTICA 3. SHODAN

    1. Qué es Shodan
    2. Uso y aplicación de Shodan

    UNIDAD DIDÁCTICA 4. MALTEGO

    1. Qué es Maltego
    2. Uso y aplicación de Maltego

    UNIDAD DIDÁCTICA 5. THE HARVESTER

    1. Qué es The Harvester
    2. Uso y aplicación de The Harvester

    UNIDAD DIDÁCTICA 6. RECON-NG

    1. Qué es Recon-ng
    2. Uso y aplicación de Recon-ng

    UNIDAD DIDÁCTICA 7. CREEPY

    1. Qué es Creepy
    2. Uso y aplicación de Creepy

    UNIDAD DIDÁCTICA 8. FOCA

    1. Qué es Foca
    2. Uso y aplicación de Foca

    MÓDULO 3. REDES INFORMÁTICAS: ARQUITECTURA, PROTOCOLOS Y CIBERSEGURIDAD

    UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA RED

    1. Elementos principales de una red
    2. Tecnología de redes
    3. Soporte para la continuidad de la actividad

    UNIDAD DIDÁCTICA 2. ESTANDARIZACIÓN DE PROTOCOLOS

    1. Modelo OSI
    2. Enfoque pragmático del modelo de capas
    3. Estándares y organismos

    UNIDAD DIDÁCTICA 3. TRANSMISIÓN DE DATOS EN LA CAPA FÍSICA

    1. Papel de una interfaz de red
    2. Opciones y parámetros de configuración
    3. Arranque desde la red
    4. Codificación de los datos
    5. Conversión de las señales
    6. Soportes de transmisión

    UNIDAD DIDÁCTICA 4. SOFTWARE DE COMUNICACIÓN

    1. Configuración de la tarjeta de red
    2. Instalación y configuración del controlador de la tarjeta de red
    3. Pila de protocolos
    4. Detección de un problema de red

    UNIDAD DIDÁCTICA 5. ARQUITECTURA DE RED E INTERCONEXIÓN

    1. Topologías
    2. Elección de la topología de red adaptada
    3. Gestión de la comunicación
    4. Interconexión de redes

    UNIDAD DIDÁCTICA 6. CAPAS BAJAS DE LAS REDES PERSONALES Y LOCALES

    1. Capas bajas e IEEE
    2. Ethernet e IEEE 802.3
    3. Token Ring e IEEE 802.5
    4. Wi-Fi e IEEE 802.11
    5. Bluetooth e IEEE 802.15
    6. Otras tecnologías

    UNIDAD DIDÁCTICA 7. REDES MAN Y WAN, PROTOCOLOS

    1. Interconexión de la red local
    2. Acceso remoto y redes privadas virtuales

    UNIDAD DIDÁCTICA 8. PROTOCOLOS DE CAPAS MEDIAS Y ALTAS

    1. Principales familias de protocolos
    2. Protocolo IP versión 4
    3. Protocolo IP versión 6
    4. Otros protocolos de capa Internet
    5. Voz sobre IP (VoIP)
    6. Protocolos de transporte TCP y UDP
    7. Capa de aplicación TCP/IP

    UNIDAD DIDÁCTICA 9. PROTECCIÓN DE UNA RED

    1. Comprensión de la necesidad de la seguridad
    2. Herramientas y tipos de ataque
    3. Conceptos de protección en la red local
    4. Protección de la interconexión de redes

    UNIDAD DIDÁCTICA 10. REPARACIÓN DE RED

    1. Introducción a la reparación de red
    2. Diganóstico en capas bajas
    3. Utilización de herramientas TCP/IP adaptadas
    4. Herramientas de análisis de capas altas

    UNIDAD DIDÁCTICA 11. COMUNICACIONES SEGURAS: SEGURIDAD POR NIVELES

    1. Seguridad a Nivel Físico
    2. Seguridad a Nivel de Enlace
    3. Seguridad a Nivel de Red
    4. Seguridad a Nivel de Transporte
    5. Seguridad a Nivel de Aplicación

    UNIDAD DIDÁCTICA 12. APLICACIÓN DE UNA INFRAESTRUCTURA DE CLAVE PÚBLICA (PKI)

    1. Identificación de los componente de una PKI y sus modelos de relaciones
    2. Autoridad de certificación y sus elementos
    3. Política de certificado y declaración de prácticas de certificación (CPS)
    4. Lista de certificados revocados (CRL)
    5. Funcionamiento de las solicitudes de firma de certificados (CSR)
    6. Infraestructuras de gestión de privilegios (PMI)
    7. Campos de certificados de atributos
    8. Aplicaciones que se apoyan en la existencia de una PKI

    UNIDAD DIDÁCTICA 13. SISTEMAS DE DETECCIÓN Y PREVENCIÓN DE INTRUSIONES (IDS/IPS)

    1. Conceptos generales de gestión de incidentes, detección de intrusiones y su prevención
    2. Identificación y caracterización de los datos de funcionamiento del sistema
    3. Arquitecturas más frecuentes de los IDS
    4. Relación de los distintos tipos de IDS/IPS por ubicación y funcionalidad
    5. Criterios de seguridad para el establecimiento de la ubicación de los IDS/IPS

    UNIDAD DIDÁCTICA 14. IMPLANTACIÓN Y PUESTA EN PRODUCCIÓN DE SISTEMAS IDS/IPS

    1. Análisis previo
    2. Definición de políticas de corte de intentos de intrusión en los IDS/IPS
    3. Análisis de los eventos registrados por el IDS/IPS
    4. Relación de los registros de auditoría del IDS/IPS
    5. Establecimiento de los niveles requeridos de actualización, monitorización y pruebas del IDS/IPS

    UNIDAD DIDÁCTICA 15. INTRODUCCIÓN A LOS SISTEMAS SIEM

    1. ¿Qué es un SIEM?
    2. Evolución de los sistemas SIEM: SIM, SEM y SIEM
    3. Arquitectura de un sistema SIEM

    UNIDAD DIDÁCTICA 16. CAPACIDADES DE LOS SISTEMAS SIEM

    1. Problemas a solventar
    2. Administración de logs
    3. Regulaciones IT
    4. Correlación de eventos
    5. Soluciones SIEM en el mercado

    MÓDULO 4. ANÁLISIS FORENSE

    UNIDAD DIDÁCTICA 1. RESPUESTA ANTE INCIDENTES DE SEGURIDAD

    1. Procedimiento de recolección de información relacionada con incidentes de seguridad
    2. Exposición de las distintas técnicas y herramientas utilizadas para el análisis y correlación de información y eventos de seguridad
    3. Proceso de verificación de la intrusión
    4. Naturaleza y funciones de los organismos de gestión de incidentes tipo CERT nacionales e internacionales

    UNIDAD DIDÁCTICA 2. PROCESO DE NOTIFICACIÓN Y GESTIÓN DE INTENTOS DE INTRUSIÓN

    1. Establecimiento de las responsabilidades
    2. Categorización de los incidentes derivados de intentos de intrusión
    3. Establecimiento del proceso de detección y herramientas de registro de incidentes
    4. Establecimiento del nivel de intervención requerido en función del impacto previsible
    5. Establecimiento del proceso de resolución y recuperación de los sistemas
    6. Proceso para la comunicación del incidente a terceros

    UNIDAD DIDÁCTICA 3. ANÁLISIS FORENSE INFORMÁTICO

    1. Conceptos generales y objetivos del análisis forense
    2. Exposición del Principio de Lockard
    3. Guía para la recogida de evidencias electrónicas
    4. Guía para el análisis de las evidencias electrónicas recogidas
    5. Guía para la selección de las herramientas de análisis forense

    UNIDAD DIDÁCTICA 4. SOPORTE DE DATOS

    1. Adquisición de datos: importancia en el análisis forense digital
    2. Modelo de capas
    3. Recuperación de archivos borrados
    4. Análisis de archivos

    UNIDAD DIDÁCTICA 5. AUDITORÍA DE SEGURIDAD INFORMÁTICA

    1. Criterios Generales
    2. Aplicación de la normativa de protección de datos de carácter personal
    3. Herramientas para la auditoría de sistemas
    4. Descripción de los aspectos sobre cortafuego en auditorías de sistemas de información
    5. Guías para la ejecución de las distintas fases de la auditoría de sistemas de información

    MÓDULO 5. BIG DATA, BUSINESS INTELLIGENCE Y DATA SCIENCE

    UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL BIG DATA

    1. ¿Qué es Big Data?
    2. La era de las grandes cantidades de información: historia del big data
    3. La importancia de almacenar y extraer información
    4. Big Data enfocado a los negocios
    5. Open data
    6. Información pública
    7. IoT (Internet of Things-Internet de las cosas)

    UNIDAD DIDÁCTICA 2. FASES DE UN PROYECTO DE BIG DATA

    1. Diagnóstico inicial
    2. Diseño del proyecto
    3. Proceso de implementación
    4. Monitorización y control del proyecto
    5. Responsable y recursos disponibles
    6. Calendarización
    7. Alcance y valoración económica del proyecto

    UNIDAD DIDÁCTICA 3. BUSINESS INTELLIGENCE Y LA SOCIEDAD DE LA INFORMACIÓN

    1. Definiendo el concepto de Business Intelligence y sociedad de la información
    2. Arquitectura de una solución Business Intelligence
    3. Business Intelligence en los departamentos de la empresa
    4. Conceptos de Plan Director, Plan Estratégico y Plan de Operativa Anual
    5. Sistemas Operacionales y Procesos ETL en un sistema de BI
    6. Ventajas y Factores de Riesgos del Business Intelligence

    UNIDAD DIDÁCTICA 4. PRINCIPALES PRODUCTOS DE BUSINESS INTELLIGENCE

    1. Cuadros de Mando Integrales (CMI)
    2. Sistemas de Soporte a la Decisión (DSS)
    3. Sistemas de Información Ejecutiva (EIS)

    UNIDAD DIDÁCTICA 5. MINERÍA DE DATOS O DATA MINING Y EL APRENDIZAJE AUTOMÁTICO

    1. Introducción a la minería de datos y el aprendizaje automático
    2. Proceso KDD
    3. Modelos y Técnicas de Data Mining
    4. Áreas de aplicación
    5. Minería de Textos y Web Mining
    6. Data mining y marketing

    UNIDAD DIDÁCTICA 6. DATAMART: CONCEPTO DE BASE DE DATOS DEPARTAMENTAL

    1. Aproximación al concepto de DataMart
    2. Bases de datos OLTP
    3. Bases de Datos OLAP
    4. MOLAP, ROLAP & HOLAP
    5. Herramientas para el desarrollo de cubos OLAP

    UNIDAD DIDÁCTICA 7. DATAWAREHOUSE O ALMACEN DE DATOS CORPORATIVOS

    1. Visión General: ¿Por qué DataWarehouse?
    2. Estructura y Construcción
    3. Fases de implantación
    4. Características
    5. Data Warehouse en la nube

    UNIDAD DIDÁCTICA 8. STORYTELLING

    1. ¿Qué es el Data Storytelling?
    2. Elementos clave del Data Storytelling
    3. ¿Por qué es importante el Data Storytelling?
    4. ¿Cómo hacer Data Storytelling?

    UNIDAD DIDÁCTICA 9.INTRODUCCIÓN A LA CIENCIA DE DATOS

    1. ¿Qué es la ciencia de datos?
    2. Herramientas necesarias para el científico de datos
    3. Data Science & Cloud Computing
    4. Aspectos legales en Protección de Datos

    UNIDAD DIDÁCTICA 10. WEKA Y DATA MINING

    1. ¿Qué es Weka?
    2. Técnicas de Data Mining en Weka
    3. Interfaces de Weka
    4. Selección de atributos

    UNIDAD DIDÁCTICA 11. PYTHON Y EL ANÁLISIS DE DATOS

    1. Introducción a Python
    2. ¿Qué necesitas?
    3. Librerías para el análisis de datos en Python
    4. MongoDB, Hadoop y Python. Dream Team del Big Data

    UNIDAD DIDÁCTICA 12. R COMO HERRAMIENTA PARA BIG DATA

    1. Introducción a R
    2. ¿Qué necesitas?
    3. Tipos de datos
    4. Estadística Descriptiva y Predictiva con R
    5. Integración de R en Hadoop

    UNIDAD DIDÁCTICA 13. PRE-PROCESAMIENTO & PROCESAMIENTO DE DATOS

    1. Obtención y limpieza de los datos (ETL)
    2. Inferencia estadística
    3. Modelos de regresión
    4. Pruebas de hipótesis

    UNIDAD DIDÁCTICA 14. ANÁLISIS DE LOS DATOS

    1. Inteligencia Analítica de negocios
    2. La teoría de grafos y el análisis de redes sociales
    3. Presentación de resultados

    MÓDULO 6. DATA MINING, INTELIGENCIA ARTIFICIAL Y APRENDIZAJE AUTOMÁTICO

    UNIDAD DIDÁCTICA 1. MINERÍA DE DATOS

    1. Minería de datos
    2. ¿Qué podemos hacer con data Mining?
    3. ¿Qué usos puede tener el data Mining?
    4. Metodología de la minería de datos
    5. Algunas técnicas estadísticas utilizadas en data mining
    6. Árboles de decisión
    7. Reglas de inducción
    8. Redes Bayesanas
    9. Algoritmos Genéticos

    UNIDAD DIDÁCTICA 2. CICLO DATA MINING

    1. Ciclo data mining
    2. Minería de Textos y Web Mining
    3. Data mining y marketing

    UNIDAD DIDÁCTICA 3. INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL

    1. Introducción a la inteligencia artificial
    2. Historia
    3. La importancia de la IA

    UNIDAD DIDÁCTICA 4. ALGORITMOS APLICADOS A LA INTELIGENCIA ARTIFICIAL

    1. Algoritmos aplicados a la inteligencia artificial

    UNIDAD DIDÁCTICA 5. RELACIÓN ENTRE INTELIGENCIA ARTIFICIAL Y BIG DATA

    1. Relación entre inteligencia artificial y big data
    2. IA y Big Data combinados
    3. El papel del Big Data en IA
    4. Tecnologías de IA que se están utilizando con Big Data

    UNIDAD DIDÁCTICA 6. SISTEMAS EXPERTOS

    1. Sistemas expertos
    2. Estructura de un sistema experto
    3. Inferencia: Tipos
    4. Fases de construcción de un sistema
    5. Rendimiento y mejoras
    6. Dominios de aplicación
    7. Creación de un sistema experto en C#
    8. Añadir incertidumbre y probabilidades

    UNIDAD DIDÁCTICA 7. INTRODUCCIÓN AL MACHINE LEARNING

    1. Introducción
    2. Clasificación de algoritmos de aprendizaje automático
    3. Ejemplos de aprendizaje automático
    4. Diferencias entre el aprendizaje automático y el aprendizaje profundo
    5. Tipos de algoritmos de aprendizaje automático
    6. El futuro del aprendizaje automático

    UNIDAD DIDÁCTICA 8. EXTRACCIÓN DE ESTRUCTURA DE LOS DATOS: CLUSTERING

    1. Introducción
    2. Algoritmos

    UNIDAD DIDÁCTICA 9. SISTEMAS DE RECOMENDACIÓN

    1. Introducción
    2. Filtrado colaborativo
    3. Clusterización
    4. Sistemas de recomendación híbridos

    UNIDAD DIDÁCTICA 10. CLASIFICACIÓN

    1. Clasificadores
    2. Algoritmos

    UNIDAD DIDÁCTICA 11. REDES NEURONALES Y DEEP LEARNING

    1. Componentes
    2. Aprendizaje

    UNIDAD DIDÁCTICA 12. SISTEMAS DE ELECCIÓN

    1. Introducción
    2. El proceso de paso de DSS a IDSS
    3. Casos de aplicación

    MÓDULO 7. VISUALIZACIÓN DE DATOS

    UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA VISUALIZACIÓN DE DATOS

    1. ¿Qué es la visualización de datos?
    2. Importancia y herramientas de la visualización de datos
    3. Visualización de datos: Principios básicos

    UNIDAD DIDÁCTICA 2. TABLEAU

    1. ¿Qué es Tableau? Usos y aplicaciones
    2. Tableau Server: Arquitectura y Componentes
    3. Instalación Tableau
    4. Espacio de trabajo y navegación
    5. Conexiones de datos en Tableau
    6. Tipos de filtros en Tableau
    7. Ordenación de datos, grupos, jerarquías y conjuntos
    8. Tablas y gráficos en Tableau

    UNIDAD DIDÁCTICA 3. D3 (DATA DRIVEN DOCUMENTS)

    1. Fundamentos D3
    2. Instalación D3
    3. Funcionamiento D3
    4. SVG
    5. Tipos de datos en D3
    6. Diagrama de barras con D3
    7. Diagrama de dispersión con D3

    UNIDAD DIDÁCTICA 4. LOOKER STUDIO (GOOGLE DATA STUDIO)

    1. Visualización de datos
    2. Tipologías de gráficos
    3. Fuentes de datos
    4. Creación de informes

    UNIDAD DIDÁCTICA 5. QLIKVIEW

    1. Instalación y arquitectura
    2. Carga de datos
    3. Informes
    4. Transformación y modelo de datos
    5. Análisis de datos

    UNIDAD DIDÁCTICA 6. POWER BI

    1. Introducción a Power BI
    2. Instalación de Power BI
    3. Modelado de datos
    4. Visualización de datos
    5. Dashboards
    6. Uso compartido de datos

    UNIDAD DIDÁCTICA 7. CARTO

    1. CartoDB
    2. ¿Qué es CARTO?
    3. Carga y uso de datos. Tipos de análisis
    4. Programación de un visor con la librería CARTO.js
    5. Uso de ejemplos y ayudas de la documentación de la API

    MÓDULO 8. IOT (INTERNET DE LAS COSAS) Y SISTEMAS CIBERFÍSICOS EN LA INDUSTRIA 4.0

    UNIDAD DIDÁCTICA 1. INTERNET DE LAS COSAS

    1. Contexto Internet de las Cosas (IoT)
    2. ¿Qué es IoT?
    3. Elementos que componen el ecosistema IoT
    4. Arquitectura IoT
    5. Dispositivos y elementos empleados
    6. Ejemplos de uso
    7. Retos y líneas de trabajo futuras

    UNIDAD DIDÁCTICA 2. SISTEMAS CIBERFÍSICOS

    1. Contexto Sistemas Ciberfísicos (CPS)
    2. Características CPS
    3. Componentes CPS
    4. Ejemplos de uso
    5. Retos y líneas de trabajo futuras

    UNIDAD DIDÁCTICA 3. CONCEPTOS Y EQUIPOS UTILIZADOS EN AUTOMATIZACIÓN INDUSTRIAL

    1. Conceptos previos
    2. Objetivos de la automatización
    3. Grados de la automatización
    4. Clases de automatización
    5. Equipos para la automatización industrial
    6. Diálogo Hombre-máquina, HMI y SCADA

    UNIDAD DIDÁCTICA 4. INDUSTRIA 4.0

    1. ¿Qué es la Industria 4.0?
    2. Sensores y captación de información
    3. Ciclo de vida de los productos en la Industria 4.0
    4. Modelos de negocio basados en la industria 4.0
    5. IoT industrial

    UNIDAD DIDÁCTICA 5. VIGILANCIA TECNOLÓGICA

    1. Tipos de vigilancia tecnológica
    2. Aspectos esenciales de la vigilancia tecnológica
    3. Búsqueda de información
    4. Implantación de la vigilancia tecnológica

    UNIDAD DIDÁCTICA 6. ESTUDIO DE LA TENDENCIA TEGNOLÓGICA

    1. Introducción
    2. Concepto y nociones esenciales de la prospectiva tecnológica
    3. Tipología de técnicas para la prospectiva tecnológica
    4. Requisitos de implantación

    MÓDULO 9. VISIÓN ARTIFICIAL EN INDUSTRIA 4.0 CON PYTHON Y OPENCV

    UNIDAD DIDÁCTICA 1. LA VISIÓN ARTIFICIAL: DEFINICIÓN Y ASPECTOS PRINCIPALES

    1. La visión artificial: definiciones y aspectos principales

    UNIDAD DIDÁCTICA 2. COMPONENTES DE UN SISTEMA DE VISIÓN ARTIFICIAL

    1. Ópticas
    2. Iluminación
    3. Cámaras
    4. Sistemas 3D
    5. Sensores
    6. Equipos compactos
    7. Metodologías para la selección del hardware

    UNIDAD DIDÁCTICA 3. PROCESADO DE IMÁGENES MEDIANTE VISIÓN ARTIFICIAL

    1. Algoritmos
    2. Software
    3. Segmentación e interpretación de imágenes
    4. Metodologías para la selección del software

    UNIDAD DIDÁCTICA 4. APLICACIONES DE LA VISIÓN EN LA INDUSTRIA 4.0

    1. Aplicaciones clásicas: discriminación, detección de fallos…
    2. Nuevas aplicaciones: códigos OCR, trazabilidad, robótica, reconocimiento (OKAO)

    UNIDAD DIDÁCTICA 5. INTRODUCCIÓN E INSTALACIÓN DE OPENCV

    1. Descripción general OpenCV
    2. Instalación OpenCV para Python en Windows
    3. Instalación OpenCV para Python en Linux
    4. Anaconda y OpenCV

    UNIDAD DIDÁCTICA 6. MANEJO DE FICHEROS, CÁMARAS E INTERFACES GRÁFICAS

    1. Manejo de archivos
    2. Leer una imagen con OpenCV
    3. Mostrar imagen con OpenCV
    4. Guardar una imagen con OpenCV
    5. Operaciones aritméticas en imágenes usando OpenCV
    6. Funciones de dibujo

    UNIDAD DIDÁCTICA 7. TRATAMIENTO DE IMÁGENES

    1. Redimensión de imágenes
    2. Erosión de imágenes
    3. Desenfoque de imágenes
    4. Bordeado de imágenes
    5. Escala de grises en imágenes
    6. Escalado, rotación, desplazamiento y detección de bordes
    7. Erosión y dilatación de imágenes
    8. Umbrales simples
    9. Umbrales adaptativos
    10. Umbral de Otsu
    11. Contornos de imágenes
    12. Incrustación de imágenes
    13. Intensidad en imágenes
    14. Registro de imágenes
    15. Extracción de primer plano
    16. Operaciones morfológicas en imágenes
    17. Pirámide de imágen

    UNIDAD DIDÁCTICA 8. HISTOGRAMAS Y TEMPLATE MATCHING

    1. Analizar imágenes usando histogramas
    2. Ecualización de histogramas
    3. Template matching
    4. Detección de campos en documentos usando Template matching

    UNIDAD DIDÁCTICA 9. COLORES Y ESPACIOS DE COLOR

    1. Espacios de color en OpenCV
    2. Cambio de espacio de color
    3. Filtrado de color
    4. Denoising de imágenes en color
    5. Visualizar una imagen en diferentes espacios de color

    UNIDAD DIDÁCTICA 10. DETECCIÓN DE CARAS Y EXTRACCIÓN DE CARACTERÍSTICAS

    1. Detección de líneas
    2. Detección de círculos
    3. Detectar esquinas (Método Shi-Tomasi)
    4. Detectar esquinas (método Harris)
    5. Encontrar círculos y elipses
    6. Detección de caras y sonrisas

    UNIDAD DIDÁCTICA 11. APRENDIZAJE AUTOMÁTICO

    1. Vecino más cercano (K-Nearest Neighbour)
    2. Agrupamiento de K-medias (K-Means Clustering)

    MÓDULO 10. PROYECTO FIN DE MÁSTER

    Titulación
    Titulación Universitaria:
    Diploma Universidad Católica de Murcia
    Solicitar información