El estudio de muchos fenómenos reales requiere considerar múltiples variables y sus posibles relaciones, así como extraer información útil. Este curso presenta un conjunto de herramientas estadísticas para analizar datos multidimensionales y construir modelos con aplicación en un amplio espectro de áreas. El curso inicia con fundamentos de análisis multidimensional, la distribución normal multivariada, la inferencia del vector de medias y el modelo de regresión múltiple. La reducción de dimensionalidad es el siguiente tema, seguido del análisis de correlaciones y métodos de clasificación y agrupamiento, así como análisis de varianza, de correspondencias y tablas de contingencia. El curso hace énfasis en los fundamentos matemáticos, en el análisis de conjuntos de datos reales y en la implementación computacional de los métodos.

Este curso introductorio de aprendizaje automático de máquina aborda el diseño de modelos de clasificación, regresión y clustering utilizando redes neuronales. Al final de este curso los estudiantes estarán en la capacidad diseñar e implementar algoritmos para clasificación, regresión o agrupamiento utilizando herramientas de aprendizaje automático basadas en redes neuronales.

Las metodologías de construcción de Arquitectura Empresarial y planes de Tecnología de la Información han constituido un elemento importante para las organizaciones que buscan avanzar hacia la transformación digital. El objetivo de este curso es comprender la forma de integrar de una manera transversal la seguridad de la información en el diseño de una arquitectura empresarial con el objetivo de que se protejan los activos más valiosos y se garantice la confianza entre la organización y sus actores internos y externos, como lo pueden ser los clientes o los organismos de control. Este curso también explicará la forma cómo los controles de seguridad de la información aportan para lograr productos finales robustos, confiables y seguros dentro de una organización.

Este curso presentará una visión general del campo de inteligencia artificial. Servirá como punto de partida para discutir qué es inteligencia y cómo se pueden crear agentes que actúen de forma inteligente. Así mismo, introducirá algunos de los campos más importantes que forman parte de lo que conocemos como inteligencia artificial. Específicamente se discutirá sobre las características de un agente inteligente, búsqueda en espacio de estados y algunos sistemas de inferencia. Al final de este curso los estudiantes entenderán las bases algorítmicas de la inteligencia artificial, y su relación con otras áreas del conocimiento. El curso también presentara varios ejemplos de aplicación de IA en diferentes campos.

Los Seminarios 1, 2 y 3 hacen parte de la opción de grado y se realizan los martes de 6:00 p.m. a 7:00 p.m. de forma remota. Es un espacio de divulgación de los proyectos de los profesores y estudiantes, de dialogo e interacción con expertos nacionales e internacionales. Además, se abordan herramientas que apoyan la elaboración del anteproyecto y proyecto de grado.

El curso «Creación de Producto» busca proporcionar a los participantes herramientas y metodologías que permitan la construcción de productos con un alto potencial innovador a partir del entendimiento del cliente y sus necesidades.
 

Al final de este curso, los estudiantes estarán en capacidad de entender cómo –partiendo de oportunidades de mercado y las necesidades del cliente— conceptualizar, crear, desarrollar y prototipar productos con un alto potencial innovador.  Además, podrán diseñar una estrategia sencilla para determinar la viabilidad del producto desarrollado.

El curso «Metodologías ágiles para gestión de proyectos» busca proporcionar a los participantes herramientas y metodologías para iniciar, planificar, controlar y finalizar un proyecto, coordinando las acciones de un equipo, e incluyendo la formulación de planes, la asignación de funciones, la adquisición de herramientas y materiales adecuados, la elaboración y gestión de cronogramas, la transmisión de información, la promoción de una buena comunicación, el cumplimiento de hitos (etapas importantes del desarrollo) y la demostración de una sólida capacidad de liderazgo para, en última instancia, resolver y completar el proyecto dentro de un plazo; todo lo anterior, empleando las denominadas metodologías ágiles. Las metodologías de gestión ágiles se caracterizan por un enfoque no lineal y diferente a la gestión de proyectos en cascada. El método ágil implica una planificación adaptativa, un desarrollo evolutivo, una entrega temprana y una mejora continua, fomentando una respuesta rápida y flexible al cambio. 

Al final de este curso, los estudiantes estarán en capacidad de estructurar un proyecto con el empleo de las metodologías ágiles y sus herramientas.

Los Seminarios 1, 2 y 3 hacen parte de la opción de grado y se realizan los martes de 6:00 p.m. a 7:00 p.m. de forma remota. Es un espacio de divulgación de los proyectos de los profesores y estudiantes, de dialogo e interacción con expertos nacionales e internacionales. Además, se abordan herramientas que apoyan la elaboración del anteproyecto y proyecto de grado.

Los grandes proyectos de desarrollo se realizan en la colaboración de cientos o miles de programadores, quienes realizan aportes incrementales a la base de código. Este curso busca introducir al estudiante al desarrollo de proyectos de programación colaborativa considerando aspectos técnicos y humanos que impactan este tipo de proyectos. El curso presenta herramientas que facilitan los pasos de programación, prueba y despliegue de aplicaciones de software. Se consideran en particular estrategias de desarrollo-operación (DevOps) que permiten integrar el paso de desarrollo con el despliegue. Durante el curso los estudiantes deberán en varios proyectos de programación colaborativa para poner en práctica lo aprendido.

Los Seminarios 1, 2 y 3 hacen parte de la opción de grado y se realizan los martes de 6:00 p.m. a 7:00 p.m. de forma remota. Es un espacio de divulgación de los proyectos de los profesores y estudiantes, de dialogo e interacción con expertos nacionales e internacionales.

Desde el comienzo de la escritura, los seres humanos hemos tratado de comunicarnos secretamente. Actualmente, la criptografía es la piedra angular de la seguridad informática y es utilizada para muchos propósitos además de permitir una comunicación secreta a través de un canal inseguro. Por ejemplo: mantener secreta la información guardada en una base de datos, asegurar anonimato, asegurar la autenticidad, las firmas digitales, etc. El objetivo del curso es conocer algunos de los criptosistemas utilizados en la antigüedad, aprender los fundamentos matemáticos y los conceptos básicos para poder entender la criptografía moderna. Comprender la criptografía simétrica y asimétrica, conocer los criptosistemas clásicos (como AES y RSA), las firmas electrónicas, las funciones de hash, algunos métodos de autentificación entre otros.

Este curso permite entender como las capacidades de inteligencia se pueden ver potencializadas por las nuevas tecnologías, permitiendo predecir incidentes, determinar identidades, conocer posibles objetivos, determinar evidencias de crímenes, entre otros. Adicionalmente este curso permite conocer y aplicar técnicas de inteligencia aplicadas en entornos del ciberespacio, que hagan uso de fuentes abiertas de la información, y permitan el perfilamiento entidades con el fin de realizar prevención o esclarecimiento de ciberdelitos. Finalmente, este curso introducirá aspectos de la inteligencia de amenazas (threat intelligence), tales como weaponization, taxonomía de técnicas de ataque, modelos de ataque de adversarios, entre otros, orientados al analisis y caracterización de software malicioso entendiendo su composición, capacidades y medidas de neutralización.

Dentro de los sistemas ciber físicos más críticos se pueden mencionar aquellos asociados a servicios esenciales como la distribución de fluido eléctrico, el control aéreo, la gestión de residuos tóxicos, actividades quirúrgicas, elementos de uso militar, etc. En este curso se exponen las vulnerabilidades de dichos sistemas y se identifican los mecanismos de aseguramiento necesarios para prevenir, detectar o corregir un posible ciber incidente. En el curso se conocerá la arquitectura de algunos sistemas ciber físicos y se identificaran sus principales agentes de amenazas. Adicionalmente se analizarán payloads y exploits dirigidos a elementos ciber físicos con el fin de validar el potencial real de una amenaza. Finalmente se identificarán controles de seguridad disponibles aplicables a este tipo de sistemas.

El objetivo del curso es estudiar diferentes modelos de inteligencia artificial y la forma como estos pueden ser aplicables a escenarios de ciberseguridad por ejemplo para la detección de tráfico malicioso, la clasificación de aplicaciones sospechosos, el perfilamiento de agentes de amenaza, la categorización de muestras, etc. Se adquirirá un conocimiento pŕactico que le permitirá al estudiante proponer aplicaciones de inteligencia artificial para la detección, prevención o corrección de incidentes cibernéticos. Para lograr el propósito del curso se estudiarán las diferentes fases de un ciclo de ciencia de datos en contextos de ciberseguridad, para la construcción de prototipos que permitan solucionar un problema real en un escenario de ciber riesgo.

El propósito de este curso es formar a los estudiantes en las capacidades básicas de un analista forense, para lo cual es indispensable entender la importancia de los procedimientos y la necesidad de la rigurosidad de los mismos, con el fin de poderlos convertir en pruebas irrefutables del hecho analizado.En este curso se conocerán las metodologías para realizar pruebas forenses informáticas, se validarán las técnicas de recolección de evidencia - según el tipo de fuente a procesar, se aprenderá del uso de algunas herramientas que permiten realizar los procesos forenses y se conocerá cómo tratar y gestionar evidencias digitales. Con este curso el estudiante adquirirá los conocimientos necesarios para vincularse a un equipo de respuesta a incidentes cibernéticos (CIRT).

En este curso se aborda el concepto de aprendizaje profundo y su diferencia con los métodos de aprendizaje clásicos. Se estudian diferentes arquitecturas de redes neuronales profundas, entre ellas las redes convolucionadas, recurrentes, las redes tipo gang, entre otras, junto con los algortimos de entrenamiento. También se hace énfasis en aplicaciones en visión por computadora, procesamiento de lenguaje natural, y otras más. Además, se introduce el concepto de “transfer learning” y su importancia en el entrenamiento de redes neuronales profundas. Este curso requiere que el estudiante esté familiarizado con métodos clásicos de aprendizaje automático de máquina, especialmente con redes neuronales artificiales clásicas.

Este curso explora el uso de metodologías de aprendizaje automático de máquinas en diferentes áreas de conocimiento, específicamente, en el área médica, financiera y de control de procesos. Entre las metodologías a utilizar se encuentran las redes neuronales artificiales, las máquinas de soporte vectorial, random forest, entre otras.
Al final de este curso los estudiantes estarán en la capacidad diseñar e implementar modelos de aprendizaje automático de maquina en diferentes campos, teniendo en cuenta las particularidades de los datos utilizados, los diferentes problemas que se pueden presentar, y la forma correcta de entrenar y evaluar estos modelos. Se hará también énfasis en aplicaciones donde es común encontrar desbalanceo de clases, y se estudiarán técnicas para mitigar los problemas generados por este fenómeno.

El aprendizaje reforzado es un modelo de aprendizaje automático de máquinas donde el objetivo es desarrollar sistemas que puedan adaptar su aprendizaje según su interacción con el entorno. En este modelo de aprendizaje el sistema está inmerso en un ambiente que evalúa las diferentes acciones que toma el sistema; mediante esta retroalimentación el sistema es capaz de adaptarse, de tal forma que cada vez que realiza acciones éstas sean evaluadas favorablemente por el entorno.
En este curso introduciremos los fundamentos de aprendizaje reforzado, algoritmos de entrenamiento basados en la interacción entre el ambiente y el sistema, haciendo que el sistema aprenda de su propia experiencia.

Los sistemas ciberfísicos se componen de diferentes elementos de sensorica, control, y mecanismos físicos que son controlados por medios de algoritmos computacionales y se integran utilizando internet. Debido al incremento de dispositivos conectados a internet estos sistemas tienen un potencial enorme para el desarrollo de aplicaciones que tengan un gran impacto en la sociedad como los sistemas de transporte, aplicaciones en ciudades inteligentes, redes de distribución eléctrica, entre otros.
En este curso estudiaremos como diferentes herramientas de inteligencia artificial se pueden utilizar para aprovechar al máximo las capacidades que ofrecen estos sistemas.

Este curso presenta modelos estadísticos avanzados para el análisis de datos. El curso cubre generalizaciones al modelo de regresión lineal que permiten mayor flexibilidad de estimación. El curso también introduce modelos de datos estructurados y variables latentes, así como modelos para el análisis de causalidad.

Este curso presenta los fundamentos de las plataformas de Big Data, sus principios de diseño, mplementación y operación. El curso busca que el estudiante esté en capacidad de diseñar, implementar y operar plataformas de Big Data para el consumo, almacenamiento y procesamiento de grandes cantidades de datos.
El curso busca tanto que el estudiante comprenda los principios de diseño de las plataformas de Big Data, como que esté en capacidad de instalar plataformas ampliamente usadas actualmente incluyendo todas las capas de software asociadas.

Este curso presenta elementos de diseño, creación y manejo de bases de datos relacionales y no relacionales. El curso profundiza en aspectos de almacenamiento, procesamiento de consultas, así como en el control de concurrencia y administración de transacciones. El curso también considera aspectos de arquitectura de sistemas de bases de datos y de sistemas de soporte a la decisión usando bodegas de datos. El curso busca tanto que el estudiante comprenda los principios de diseño de los sistemas de bases de datos modernos, como que esté en capacidad de instalar y emplear plataformas ampliamente usadas actualmente, considerando su relación con otras capas de software.

Este curso aborda diversas herramientas de aprendizaje de máquina, con un énfasis particular en máquinas de soporte vectorial (support vector machines), herramientas basadas en kernels y modelos gráficos probabilísticos. El énfasis estará en comprender los fundamentos matemáticos y algorítmicos, así como en las implementaciones computacionales y sus aplicaciones en diferentes problemas de ciencia de datos e inteligencia artificial relacionados con problemas reales. Las temáticas cubiertas en este curso son complementarias a otros cursos de la oferta del programa.