calendario

SEMANA 1. Inicio: 17/01/22

¿Cómo generar pensamiento crítico a través de deepfakes?

BLOQUE 1: Pensamiento crítico y entornos tecnológicos digitales.

BLOQUE 2: Inteligencia Artificial y deepfakes.

BLOQUE 3: Ciberseguridad y deepfakes.

BLOQUE 4: La parte positiva de la tecnología que genera deepfakes.

SEMANA 2. Inicio: 24/01/22

Virtualización

LECCIÓN 1. Introducción a la Virtualización.

LECCIÓN 2. Manejo básico de VirtualBox.

LECCIÓN 3. Ampliando las posibilidades de VirtualBox.

SEMANA 3. Inicio: 31/01/22

Contenedores

LECCIÓN 1. Introducción a Docker.

LECCIÓN 2. Uso básico de imágenes y contenedores.

LECCIÓN 3. Creación de imágenes y escenarios.

SEMANA 4. Inicio: 07/02/22

Introducción a SQL

LECCIÓN 1: Introducción a SQL.

LECCIÓN 2: Gestión de bases de datos.

LECCIÓN 3: Consultas.

LECCIÓN 4: Entornos gráficos.

SEMANA 5. Inicio: 14/02/22

Introducción al sistema operativo LINUX

LECCIÓN 1: Introducción a GNU/Linux.

LECCIÓN 2: Gestión de usuarios y grupos.

LECCIÓN 3: Permisos y propietarios.

LECCIÓN 4: Aplicaciones y redes.

SEMANA 6. Inicio: 21/02/22

Introducción al sistema operativo WINDOWS

LECCIÓN 1: Introducción y manejo básico de Windows.

LECCIÓN 2: Interactuando con el sistema.

SEMANA 7 y 8. Inicio: 28/02/22

Base de la ciberseguridad: Introducción a la interacción con Sistemas Operativos

1.1 Introducción a los sistemas operativos

1.2 Procesos

1.3 Gestión de memoria

1.4 Sistema de archivos

1.5 Interactuando con el SO Linux

Presentación Manejo Linux Parte I

Presentación Manejo Bash II

1.6 Interactuando con el SO Windows

1.7 Test

Laboratorio #1.0.1.PT

Laboratorio #2.0.1.PT

Laboratorio #3.0.1.PT

SEMANA 9 y 10. Inicio: 14/03/22

Base de la ciberseguridad: Introducción a las Redes

2.1 Introducción a las redes de ordenadores

Lectura Complementaria

2.2 Arquitectura de red

2.3 Niveles de la Arquitectura TCP/IP

2.4 Simulación de redes

2.5 Seguridad y ataques a redes de datos

2.6 Test

Laboratorio #4.0.1.PT

Laboratorio #5.0.1.PT

Laboratorio #6.0.1.PT

Laboratorio #7.0.1.PT

SEMANA 11 y 12. Inicio: 28/03/22

Base de la ciberseguridad: Introducción a la Programación / Scripting

3.1 Introducción a la programación

3.2 Variables y sentencias

3.3 Sentencias de Control

3.4 Funciones

3.5 Paradigma orientado a objetos

3.6 Ejemplos de scripting

3.7 Test

Laboratorio #8.0.1.PT

Laboratorio #9.0.1.PT

Laboratorio #10.0.1.PT

Laboratorio #11.0.1.PT

SEMANA 13 y 14 Inicio: 11/04/22

Introducción al Pentesting de Sistemas

4.1 Introducción al hacking ético y pentesting de sistemas

4.2 Metodologías pentesting y conceptos

4.3 Fases del pentesting

4.4 Análisis del entorno y recopilación de información

4.5 Análisis de vulnerabilidades

4.6 Explotación de vulnerabilidades

4.7 Post-Explotación

4.8 Ejercicios prácticos de pentesting

Más Recursos recomendados

4.9 Test

Laboratorio #12.0.1.PT

Laboratorio #13.0.1.PT

Laboratorio #14.0.1.PT

SEMANA 15 y 16. Inicio: 25/04/22

Introducción al Pentesting Web

5.1 Introducción al Pentesting Web

5.2 Metodologías auditoría y Pentesting Web

5.3 Análisis de un entorno web

5.4 Explotación de vulnerabilidades web

5.5 Escenarios prácticos web

5.6 Creación de informes

5.7 Test

Laboratorio #15.0.1.PT

Laboratorio #16.0.1.PT

Laboratorio #17.0.1.PT

Recursos recomendados

Ejercicio Guiado

Ejercicio Final

SEMANA 7 y 8. Inicio: 28/02/22

Fundamentos de Python orientado a la Ciencia de Datos

2.1 Introducción

2.2 Fundamentos de programación Python

2.2.1 Primitivas

2.2.2 Colecciones

2.2.3 Controles de flujo

2.2.4 Funciones

2.2.5 Gestión de Ficheros

2.2.5.1 Ficheros JSON y otros

2.3 Clases y Objetos

2.4 Anexo 1. Web scraping con Python

2.5 Anexo 2. Python desde la línea de comandos. Visual Studio Code

2.6 Test

2.7 Laboratorio #4.0.1.CD: Ejercicio de Python. "Password"

2.8 Laboratorio #5.0.1.CD: Python. "Huida de la Mazmorra"

SEMANA 9 y 10. Inicio: 14/03/22

Fundamentos de Base Matemática. Estadística Básica

3.1 Introducción a la Estadística

3.2 Variables estadísticas, muestra y población

3.3 Parámetros de centralización

3.4 Parámetros de dispersión

3.5 Estadística bidimensional

3.6 Correlación entre variables

3.6.1 Coeficiente de Spearman

3.6.2. Coeficiente de correlación de Pearson

3.7 Regresión Lineal

3.8 Ejercicios de repaso

3.9 Test

3.10 Laboratorio #6.0.1.CD

SEMANA 11 y 12. Inicio: 28/03/22

Fundamentos de Bases de datos (SQL y MySQL)

4.1 Introducción a Bases de Datos

4.1.1 Tipos de bases de datos

4.2 MySQL

4.2.1 SQL o Structured Query Language

4.2.2 Instalación de MySQL

4.2.3 Bases de datos con MySQL

4.2.3.1 Creación de una base de datos MySQL

4.2.3.2 Añadiendo información a la base de datos

4.2.3.3 Consultas (queries)

4.2.3.3.1 Comparaciones y operaciones lógicas

4.2.3.3.2 Patrones para consulta de cadenas

4.2.3.3.3 Consultas ordenadas y alias

4.2.3.3.4 Máximo, mínimo, media, desviación y suma

4.2.3.3.5 RAND y NULL

4.2.3.3.6 Actualizando la información de la base de datos con UPDATE

4.2.4. Añadir datos desde ficheros

4.2.5 Añadiendo tablas y relaciones entre ellas

4.2.6. Índices

4.2.7 SQL scripting y el comando DROP

4.2.8 MySQL WorkBench

4.3 Utilizando MySQL desde Python

4.4 Microsoft SQL Server y otros gestores de bases de datos SQL

4.5 Listado de algunos comandos SQL importantes

4.6 Test

4.7 Laboratorio #7.0.1.CD: Ejercicios bases de datos SQL. Titanic

4.8 Laboratorio #8.0.1.CD: Ejercicios bases de datos Employees Database

4.9 Laboratorio #9.0.1.CD: Ejercicios bases de datos SQL. Relaciones

SEMANA 13 y 14 Inicio: 11/04/22

Introducción a la Preparación y Limpieza de Datos en el Big Data

5.1 Introducción a la limpieza de datos o data cleansing

5.2 Jupyter Notebook

5.3 Pandas y NumPy

5.3.1 Pandas Series y Dataframes

5.3.1.1 Creación de Series

5.3.1.2 Creación de un Dataframe

5.3.2 Operaciones con Dataframes

5.3.2.1 Carga de datos al Dataframe

5.3.2.2 Operaciones de visualización del Dataframe

5.3.2.3 Operaciones de selección del Dataframe

5.3.2.4 Operaciones de ajuste de valores

5.3.2.5 Series de tiempo

5.3.3 Gestión de los datos nulos o perdidos

5.3.3.1 isna() y notna()

5.3.3.2 Borrando la información nula o perdida con dropna

5.3.3.3 Reemplazando valores (data imputing)

5.3.4 Operaciones avanzadas de reagrupamiento y estructura del Dataframe

5.3.4.1 Pivot

5.3.4.2 Agrupamiento

5.3.4.3 Stack

5.3.4.4 Merge

5.3.4.5 Datos categóricos

5.3.5 NumPy

5.3.5.1 Arrays

5.3.5.2 Operaciones con Arrays

5.4 PDI Pentaho Data Integration

5.4.1 Instalación PDI Spoon

5.4.2 Conexión con la base de datos MySQL

5.4.3 Ejemplo de tratamiento de datos con Spoon

5.5 Test

5.6 Laboratorio #10.0.1.CD de Pandas/Numpy y Limpieza de Datos. Caso MET

5.7 Laboratorio #11.0.1.CD de Pandas/Numpy y Limpieza de Datos. Caso NFL

SEMANA 15 y 16. Inicio: 25/04/22

Fundamentos de Análisis y Visualización para el Big Data

6.1 Introducción

6.2 EDA y tipos de análisis

6.2.1 Tipos de análisis

6.3 Análisis de Datos con Pandas

6.3.1 Información general de los datos

6.3.2 Algunas funciones estadísticas en Pandas

6.3.2.1 Diferencia porcentual

6.3.2.2 Covarianza

6.3.2.3 Correlación

6.3.2.4 Rango (rank)

6.4 Visualización

6.4.1 Tipo de visualizaciones

6.4.1.1 Librerías para visualización en Python

6.4.1.2 La importancia de los colores

6.4.1.3 Gráfico de barras e Histograma

6.4.1.4 Gráfico tipo tarta (pie)

6.4.1.5 Gráficas de puntos, líneas y geospaciales

6.4.1.6 Redes

6.4.1.7 Mapas de calor (Heat Maps) y matriz de correlación

6.5 Visualización y análisis de una Regresión Lineal

6.5.1 Tipos de Regresión

6.5.1.1 Regresión Lineal Simple

6.5.1.2 Regresión Lineal Múltiple

6.5.1.3. Regresión Polinomial

6.5.2. Implementación y visualización de una regresión lineal simple

6.6 Scikit Learn

6.7 Anaconda

6.8 Consideraciones Finales

Dataset Teoría

Dataset Ejercicios