Plataforma Virtual Instituto Universitario Global Nexus

Fines de aprendizaje o formación

Al finalizar el curso, el estudiante habrá desarrollado la capacidad de analizar y resolver sistemas de ecuaciones lineales mediante métodos directos e iterativos, como la eliminación Gaussiana y Gauss-Jordan. Dominará el álgebra matricial, incluyendo el cálculo de determinantes e inversas, y comprenderá la estructura fundamental de los números complejos como herramientas esenciales para la representación y solución de problemas en contextos de ingeniería y tecnología.

Asimismo, adquirirá un conocimiento sólido de las estructuras algebraicas fundamentales, siendo capaz de definir, identificar y operar con espacios y subespacios vectoriales. Evaluará la dependencia e independencia lineal de conjuntos de vectores, determinará bases y dimensiones (incluyendo bases ortogonales) y aplicará el teorema de la dimensión (rango-nulidad) para caracterizar los espacios fundamentales asociados a una matriz, fortaleciendo su razonamiento matemático abstracto.

Finalmente, el estudiante aplicará los conceptos del álgebra lineal al modelado matemático y al análisis de transformaciones lineales, mediante el cálculo de valores y vectores propios para la diagonalización de matrices. Utilizará estas herramientas para el estudio de modelos dinámicos, como procesos de población o cadenas de Markov, comprendiendo el papel del álgebra lineal en la reducción de dimensionalidad y en los fundamentos tecnológicos de algoritmos de análisis y ponderación de información.

Fines de aprendizaje o formación

Al finalizar la asignatura, el estudiante habrá desarrollado una comprensión integral de las dimensiones de la ciudadanía digital, así como de los derechos y responsabilidades asociados al uso de las Tecnologías de la Información. Será capaz de aplicar las principales teorías éticas, como el utilitarismo y la deontología, en la toma de decisiones dentro de entornos tecnológicos complejos, promoviendo un comportamiento responsable en línea, el uso adecuado de la netiqueta y la prevención del ciberacoso y la intolerancia digital.

Asimismo, el alumno adquirirá la capacidad de identificar y aplicar el marco legal que regula las Tecnologías de la Información, incluyendo el derecho informático, la soberanía digital y la tipificación de delitos tecnológicos como el fraude y el phishing. Dominará los principios de la propiedad intelectual, los derechos de autor en entornos digitales y los distintos tipos de licenciamiento, con especial énfasis en la protección de datos personales, los Derechos ARCO y los estándares internacionales de privacidad, como el Reglamento General de Protección de Datos (GDPR).

Finalmente, el estudiante estará preparado para analizar de manera crítica los dilemas éticos, sociales y legales derivados de tecnologías emergentes como la Inteligencia Artificial y el Big Data. Evaluará la responsabilidad social en el sector de las TI, identificará y mitigará sesgos algorítmicos, y propondrá estrategias de gobernanza y regulación frente a los procesos de automatización, demostrando una visión ética, legal y proactiva ante los desafíos de la innovación tecnológica.

Fines de aprendizaje o formación

Al finalizar la asignatura, el estudiante habrá desarrollado competencias esenciales de autogestión, disciplina y adaptabilidad, necesarias para un desempeño exitoso en la educación superior. Será capaz de aplicar métodos de estudio eficientes, planificación y administración del tiempo, así como estrategias de concentración que le permitan asumir su proceso formativo con autonomía, responsabilidad y constancia. Asimismo, identificará y superará la procrastinación, adaptándose de manera efectiva a las dinámicas académicas y a los requerimientos tecnológicos propios de la modalidad a distancia.

El alumno consolidará su lectura crítica, analítica y estratégica, reconociendo la tipología de los géneros discursivos universitarios, identificando tesis y argumentos, y aplicando técnicas de asimilación de información como el subrayado analítico, la elaboración de síntesis, resúmenes y mapas conceptuales. Además, evaluará la fiabilidad, validez y pertinencia de las fuentes de información, diferenciando de manera rigurosa entre hechos, interpretaciones y opiniones.

Finalmente, el estudiante adquirirá los fundamentos de la redacción académica estructurada, aplicando principios de claridad, coherencia, cohesión y precisión en la elaboración de ensayos, reseñas críticas e informes de lectura. Demostrará una conducta ética en la investigación documental, haciendo uso adecuado de bases de datos especializadas y aplicando correctamente el sistema de citación y referenciación conforme a las Normas APA, garantizando la integridad académica y la prevención del plagio.

Fines de aprendizaje o formación

Al finalizar la asignatura, el estudiante habrá adquirido una comprensión rigurosa de los fundamentos de la lógica matemática, abarcando tanto el cálculo proposicional como el cálculo de predicados. Será capaz de modelar formalmente sistemas discretos y evaluar la coherencia de argumentos complejos, así como aplicar diversos métodos de demostración matemática —directa, por contraposición y reducción al absurdo—, con especial énfasis en el principio de inducción, habilidad clave para la validación de la corrección y eficiencia de algoritmos computacionales.

Asimismo, el alumno desarrollará competencias sólidas en el manejo de las estructuras fundamentales de la matemática discreta, incluyendo la teoría de conjuntos, las relaciones binarias y las funciones, caracterizando y aplicando relaciones de equivalencia y de orden parcial. De igual forma, adquirirá habilidades avanzadas en combinatoria, utilizando principios de conteo y el Principio del Palomar para la resolución de problemas, así como en la formulación y solución de relaciones de recurrencia para el análisis temporal de procesos.

Finalmente, el estudiante aplicará estas bases teóricas en modelos computacionales concretos, utilizando la teoría de grafos y árboles para el análisis de conectividad, la optimización de rutas y la implementación de algoritmos de árboles generadores mínimos, como Prim y Kruskal. Además, operará en estructuras algebraicas discretas, tales como la aritmética modular y el Álgebra de Boole, estableciendo un vínculo directo entre la teoría discreta y sus aplicaciones en el diseño lógico de sistemas, el diseño de circuitos combinacionales y los fundamentos de la seguridad de la información y la criptografía básica.

Fines de aprendizaje o formación

Al finalizar la asignatura, el estudiante habrá desarrollado una comprensión sólida de los fundamentos teóricos de la Inteligencia Artificial, distinguiendo entre sus diversas tipologías (IA débil, fuerte y general) y su evolución histórica, desde la prueba de Turing hasta la era de los datos masivos. Asimismo, será capaz de analizar la arquitectura conceptual de los modelos generativos avanzados, como los Modelos Grandes de Lenguaje (LLM) y los modelos de difusión, identificando el rol de los datos, los procesos de preentrenamiento y las metodologías de validación que determinan la funcionalidad de estos sistemas.

El alumno dominará la Ingeniería de Instrucciones (Prompt Engineering), aplicando estructuras metodológicas como el modelo C-R-T-F y técnicas avanzadas como la Cadena de Pensamiento (Chain of Thought, CoT), con el fin de optimizar la interacción con herramientas de IA Generativa. Esta competencia práctica le permitirá potenciar su productividad en diversos ámbitos, tales como la redacción de informes ejecutivos, la asistencia en tareas de programación —incluyendo la generación y depuración de código— y el preanálisis de grandes volúmenes de datos no estructurados en contextos interdisciplinarios.

Finalmente, el estudiante desarrollará una perspectiva crítica, ética y responsable frente al uso de la IA Generativa. Será capaz de evaluar sus implicaciones sociales y legales, identificar y mitigar sesgos algorítmicos, y comprender los desafíos asociados a los derechos de autor, la propiedad intelectual y la desinformación, incluyendo los deepfakes. Esta alfabetización ética garantizará un uso profesional de la Inteligencia Artificial y preparará al alumno para la reconversión de habilidades y la complementariedad humano-máquina en el futuro laboral.

Fines de aprendizaje o formación

Al finalizar la asignatura, el estudiante habrá desarrollado una comprensión sólida del paradigma de la Programación Orientada a Objetos (POO), transitando desde los enfoques de la programación procedural. Será capaz de aplicar los cuatro pilares fundamentales de la POO —abstracción, encapsulamiento, herencia y polimorfismo— para diseñar y modelar soluciones informáticas, mediante la definición e instanciación de clases, la gestión adecuada de atributos y métodos, y el uso correcto de modificadores de acceso que garanticen la integridad y ocultación de la información.

Asimismo, el alumno adquirirá la capacidad de aplicar principios avanzados de diseño orientado a objetos, incluyendo la construcción de jerarquías de clases, la sobrecarga y sobrescritura de métodos, así como el uso de interfaces y clases abstractas para establecer contratos robustos de programación. Además, analizará la complejidad algorítmica mediante la notación O grande, evaluando el rendimiento y la eficiencia de los programas, así como la gestión dinámica de memoria en las áreas stack y heap.

Finalmente, el estudiante desarrollará la competencia para la selección e implementación de Tipos Abstractos de Datos (TAD), utilizando estructuras de datos lineales como listas enlazadas, pilas y colas, así como estructuras asociativas mediante tablas hash, y una comprensión introductoria de árboles binarios. Integrará estos conocimientos en el manejo de la persistencia básica de datos, realizando operaciones de entrada y salida de archivos, aplicando el manejo adecuado de excepciones y utilizando técnicas de serialización de objetos que garanticen la robustez y estabilidad de las aplicaciones desarrolladas.

Fines de aprendizaje o formación

Al finalizar la asignatura, el estudiante habrá adquirido el marco conceptual fundamental de la ciberseguridad, distinguiéndola de la seguridad de la información y comprendiendo su relevancia estratégica en el entorno digital. Será capaz de aplicar y analizar la Tríada CIA —Confidencialidad, Integridad y Disponibilidad— como pilar para la gestión, clasificación y valoración de activos digitales dentro del ciberespacio.

Asimismo, el alumno desarrollará la competencia para identificar y clasificar el panorama de amenazas, reconociendo vectores de ataque comunes como el software malicioso, las tácticas de ingeniería social y los ataques de denegación de servicio. Esto implica comprender las motivaciones y tipologías de los actores maliciosos, desde ciberdelincuentes hasta Amenazas Persistentes Avanzadas (APT), así como distinguir entre amenazas internas y externas.

Finalmente, el estudiante aplicará los principios esenciales de la defensa, como la defensa en profundidad y el principio de mínimo privilegio, mediante la implementación de prácticas sólidas de higiene digital a nivel personal y organizacional. Esta aplicación práctica incluirá el uso de autenticación multifactor, la comprensión de modelos básicos de control de acceso y una noción introductoria de la arquitectura de seguridad perimetral, así como la preparación elemental para la identificación y el reporte básico de incidentes de seguridad.

Fines de aprendizaje o formación

Al finalizar la asignatura, el estudiante habrá desarrollado una comprensión sólida de los fundamentos teóricos de los Sistemas de Bases de Datos Relacionales (SBD), incluyendo su propósito, la arquitectura de tres niveles y el modelo relacional. Será competente en el manejo de los conceptos del Álgebra Relacional, comprendiendo cómo sus operaciones fundamentan las consultas estructuradas, y diseñará conceptualmente bases de datos mediante la aplicación rigurosa del Modelo Entidad–Relación (MER) y su correcta diagramación, garantizando la representación fiel de los requisitos del sistema de información.

El alumno adquirirá la competencia para transformar modelos conceptuales en esquemas relacionales lógicos, dominando las técnicas de normalización desde la Primera Forma Normal hasta la Forma Normal de Boyce–Codd (FNBC). Identificará dependencias funcionales para eliminar redundancias y anomalías de actualización, e implementará la estructura de la base de datos utilizando el Lenguaje de Definición de Datos (DDL), definiendo tipos, dominios y restricciones de integridad referencial, tales como claves primarias y foráneas.

Finalmente, el estudiante dominará el Lenguaje de Consulta Estructurado (SQL) para la manipulación y recuperación avanzada de datos (DML y DQL), formulando consultas complejas mediante funciones de agregación, agrupamiento, subconsultas y uniones relacionales (JOINs) para el acceso eficiente a información multi-tabla. Asimismo, adquirirá conocimientos en la gestión transaccional (ACID), la seguridad mediante vistas y la implementación de lógica de negocio en el servidor a través de procedimientos almacenados y disparadores (triggers), optimizando el rendimiento básico mediante el uso de índices.

Fines de aprendizaje o formación

Al finalizar la asignatura, el estudiante habrá adquirido los fundamentos matemáticos y teóricos de la criptografía moderna, incluyendo la aritmética modular, la teoría de números y los conceptos de complejidad computacional. Será capaz de describir los principios de seguridad incondicional y computacional, analizando el funcionamiento de los sistemas de cifrado clásicos y su evolución, y comprendiendo la intratabilidad de problemas criptográficos fundamentales como el logaritmo discreto y la factorización de enteros.

El alumno desarrollará una competencia técnica sólida en el diseño y aplicación de algoritmos de cifrado simétrico y asimétrico, comprendiendo estándares actuales como AES y sus modos de operación —incluido GCM—, así como sistemas de clave pública como RSA y la Criptografía de Curvas Elípticas (ECC). Será capaz de diferenciar las ventajas operacionales y la paridad de seguridad de cada esquema, aplicar métodos de autenticación simétrica —MAC y HMAC— y evaluar la robustez de las implementaciones frente a distintos modelos de ataque.

Finalmente, el estudiante integrará estos conocimientos para la seguridad a nivel de sistema, dominando el uso de funciones criptográficas de resumen —SHA-2 y SHA-3— y la implementación de firmas digitales para garantizar autenticidad y no repudio. Comprenderá la arquitectura de la Infraestructura de Clave Pública (PKI) y el ciclo de vida de los certificados X.509, lo que le permitirá analizar, diseñar y configurar protocolos de seguridad de red avanzados, como TLS/SSL e IPsec, demostrando una visión integral y aplicada de la criptografía en entornos profesionales.

Fines de aprendizaje o formación

El alumno adquirirá una comprensión integral de los fundamentos teóricos, éticos y metodológicos de la Auditoría de Sistemas de Información (ASI). Será capaz de aplicar el proceso completo de auditoría, desde la planificación basada en riesgos hasta la obtención y evaluación de evidencia mediante técnicas de muestreo y el uso de Herramientas Asistidas por Computadora para la Auditoría de TI (CAATs). Asimismo, el estudiante discernirá y aplicará de manera crítica marcos de referencia internacionales, tales como COSO, la familia ISO/IEC 27000 y, de forma destacada, COBIT 2019, para evaluar y diseñar sistemas eficaces de Gobierno y Aseguramiento de Tecnologías de la Información.

El estudiante desarrollará la competencia técnica necesaria para evaluar rigurosamente el sistema de control interno en entornos tecnológicos. Esto incluye la revisión detallada de los Controles Generales de Tecnologías de la Información (CGTI), abarcando la gestión del cambio, la continuidad del negocio y la seguridad lógica de acceso. Además, demostrará la capacidad para auditar controles específicos en la infraestructura tecnológica —sistemas operativos, bases de datos y redes— así como los Controles de Aplicación a lo largo del Ciclo de Desarrollo de Software Seguro, verificando la integridad, confiabilidad, disponibilidad y cumplimiento normativo de la información procesada.

Finalmente, el alumno estará capacitado para transformar los hallazgos de auditoría en productos profesionales claros y accionables. Esto implica la recolección y documentación de evidencia suficiente, competente y relevante, así como la elaboración de informes de auditoría conforme a estructuras formales. El estudiante formulará hallazgos y recomendaciones mediante el modelo Criterio, Condición, Causa y Efecto, y será capaz de emitir el dictamen profesional correspondiente, asumiendo las responsabilidades éticas de la función de auditoría y asegurando el seguimiento efectivo de la implementación de controles recomendados ante la Alta Dirección.

Fines de aprendizaje o formación

Al finalizar la asignatura, el estudiante habrá adquirido una comprensión sólida de los principios fundamentales de los sistemas operativos modernos, tanto en entornos Linux como Windows, analizando la función del núcleo (kernel), la gestión de procesos e hilos, los problemas de concurrencia —como la exclusión mutua y los deadlocks— y los mecanismos avanzados de administración de memoria, incluyendo paginación y segmentación. Esta base conceptual permitirá comprender el comportamiento interno y las interacciones del sistema operativo como fundamento previo a su administración práctica.

El alumno desarrollará competencias técnicas en la administración de entornos operativos duales, siendo capaz de navegar y gestionar la jerarquía de archivos —FHS y NTFS—, administrar usuarios y grupos, y aplicar esquemas de seguridad mediante permisos estándar y especiales —como SUID y SGID—, así como permisos NTFS. Estas habilidades se fortalecerán mediante el uso avanzado de la línea de comandos Bash, empleando herramientas como grep, sed y awk, y mediante una introducción práctica al scripting en PowerShell para la gestión de recursos en sistemas Windows.

Finalmente, el estudiante será capaz de monitorear, diagnosticar y mantener la operatividad y el rendimiento de los sistemas operativos, gestionando servicios mediante systemd y el Administrador de Servicios, configurando parámetros básicos de red y utilizando herramientas de monitoreo como top y el Administrador de Tareas. La competencia culminante será la automatización de tareas administrativas, mediante la creación de scripts funcionales en Bash y PowerShell, optimizando la gestión continua y proactiva de los recursos del sistema.

Fines de aprendizaje o formación

Al finalizar la asignatura, el estudiante habrá adquirido los fundamentos de la arquitectura web, comprendiendo el modelo cliente–servidor y los protocolos esenciales. Será capaz de construir la capa de presentación de una aplicación web mediante el uso de HTML5 semántico y CSS3, aplicando técnicas avanzadas como Flexbox y Grid Layout para implementar un diseño web responsivo, accesible y correctamente adaptable a distintos dispositivos.

Asimismo, el alumno desarrollará la competencia para dotar de interactividad a las interfaces web, manipulando el Modelo de Objetos del Documento (DOM) y utilizando JavaScript (ECMAScript) con énfasis en la programación asíncrona, mediante Promesas y Async/Await, para la comunicación eficiente con el servidor. De manera complementaria, diseñará la lógica del lado del servidor (backend) siguiendo el patrón Modelo–Vista–Controlador (MVC), implementando sistemas de enrutamiento y desarrollando Interfaces de Programación de Aplicaciones (API) bajo el estilo REST para la gestión del flujo de información.

Finalmente, el estudiante integrará soluciones de persistencia de datos, estableciendo conexiones con bases de datos relacionales (SQL) y aplicando principios de Mapeo Objeto–Relacional (ORM) para la ejecución de operaciones CRUD. Demostrará la capacidad de asegurar aplicaciones web mediante mecanismos de autenticación y gestión de sesiones, así como la prevención de vulnerabilidades comunes, como XSS e inyección SQL. Estas competencias culminarán con la realización de pruebas esenciales y el despliegue básico de aplicaciones web en entornos productivos.

Fines de aprendizaje o formación

Al finalizar la asignatura, el estudiante habrá desarrollado una comprensión sólida y estructurada de los modelos formales de seguridad aplicados a los sistemas operativos, incluyendo Bell-LaPadula, Biba y Clark-Wilson. Será competente para analizar la arquitectura de seguridad del núcleo y aplicar de manera rigurosa los principios de gestión de identidades y control de acceso, empleando modelos como DAC, MAC, RBAC y ABAC, asegurando el cumplimiento del principio de mínimo privilegio (PoLP) como fundamento de cualquier estrategia de protección de sistemas.

El alumno adquirirá habilidades técnicas avanzadas en el endurecimiento (hardening) de entornos Windows y Linux, tanto en servidores como en estaciones de trabajo. Esto incluye el diseño e implementación de Políticas de Grupo (GPO) robustas, la configuración de mecanismos de protección del arranque y cifrado del sistema, y el uso de líneas base de seguridad para la estandarización de configuraciones seguras. En entornos Linux, el estudiante dominará la configuración avanzada del núcleo, la gestión segura de privilegios mediante SUDO, y la aplicación de mecanismos de Control de Acceso Obligatorio (MAC), como SELinux y AppArmor, para el confinamiento efectivo de aplicaciones y servicios críticos.

Finalmente, el estudiante estará capacitado para diseñar y ejecutar una estrategia integral de mantenimiento, auditoría y defensa proactiva de sistemas operativos. Esta competencia comprende la gestión del ciclo de vida de parches y vulnerabilidades, la configuración, análisis e interpretación de registros de seguridad (logs) en ambos sistemas operativos para la detección de comportamientos anómalos. Asimismo, será capaz de implementar y administrar sistemas de detección de intrusos basados en anfitrión (HIDS) y mecanismos de monitorización de la integridad de archivos (FIM), permitiéndole participar eficazmente en la correlación de eventos y la respuesta inicial ante incidentes de seguridad.

Fines de aprendizaje o formación

Al finalizar el curso, el estudiante habrá consolidado una comprensión rigurosa de los fundamentos, modelos y arquitectura de la Computación en la Nube. Será capaz de distinguir con precisión los modelos de servicio —Infraestructura como Servicio (IaaS), Plataforma como Servicio (PaaS) y Software como Servicio (SaaS)— así como los modelos de despliegue —nube pública, privada e híbrida—, identificando las bases tecnológicas de la virtualización mediante hipervisores y la contenerización. Asimismo, demostrará competencia para administrar y configurar infraestructura a nivel IaaS, incluyendo la selección y gestión de instancias de máquinas virtuales, la implementación de redes virtuales privadas (VPC) y el uso estratégico de almacenamiento distribuido, tanto de objetos como de bloques.

El alumno desarrollará competencias avanzadas en el ecosistema PaaS y en el desarrollo nativo en la nube, aplicando técnicas de contenerización con Docker y comprendiendo los principios de orquestación mediante Kubernetes para la gestión eficiente de arquitecturas basadas en microservicios. Además, estará capacitado para implementar arquitecturas sin servidor (Function as a Service, FaaS) y para diseñar e integrar sistemas robustos de Integración y Despliegue Continuo (CI/CD), optimizando la automatización del pipeline de desarrollo sobre plataformas administradas en la nube.

Finalmente, el estudiante adquirirá habilidades esenciales en seguridad operacional, gobernanza y gestión financiera de entornos cloud. Esto incluye la capacidad de implementar estrategias de Gestión de Identidad y Acceso (IAM), aplicar correctamente el modelo de responsabilidad compartida, y garantizar la observabilidad del sistema mediante la recolección y análisis de métricas, registros y eventos. El alumno estará preparado para aplicar principios de FinOps orientados a la optimización de costos, mediante el uso adecuado de modelos de precios y consumo, así como para asegurar la continuidad del negocio mediante esquemas de alta disponibilidad y recuperación ante desastres, en cumplimiento con los marcos normativos y de buenas prácticas vigentes.

Fines de aprendizaje o formación

El estudiante comprenderá la importancia estratégica de integrar la seguridad de forma proactiva en todas las fases del Ciclo de Desarrollo de Software (SDLC), adoptando la filosofía Shift Left como eje central del desarrollo seguro. Será competente en el uso y aplicación de marcos de referencia internacionales, tales como los proyectos de la Fundación OWASP (incluyendo OWASP Top 10 y ASVS), así como en la evaluación de la madurez de la seguridad mediante modelos reconocidos como BSIMM y SAMM. Estas competencias le permitirán fomentar una cultura DevSecOps, asegurando que las prácticas de seguridad se automaticen e integren de manera efectiva en metodologías Ágiles.

El alumno desarrollará competencias avanzadas en las fases de diseño y arquitectura segura, enfocándose en la definición de requisitos de seguridad funcionales y no funcionales. Dominará la aplicación práctica de principios de diseño seguro, tales como el principio de mínimo privilegio y la defensa en profundidad, así como el uso de la metodología STRIDE para el modelado de amenazas (Threat Modeling). Será capaz de aplicar técnicas de codificación segura orientadas a la prevención de las vulnerabilidades más críticas, incluyendo la mitigación de inyecciones de código (SQL y NoSQL), la prevención de ataques de Cross-Site Scripting (XSS) y la implementación de mecanismos robustos de autenticación, gestión de sesiones y control de acceso basado en roles (RBAC).

Finalmente, el estudiante estará capacitado para gestionar la seguridad de las aplicaciones durante los procesos de integración continua y despliegue continuo (CI/CD). Demostrará habilidad en la selección, configuración e integración de herramientas de Análisis de Seguridad de Aplicaciones (AppSec), incluyendo Análisis Estático (SAST), Análisis Dinámico (DAST) y Análisis de Composición de Software (SCA). Estas competencias incluyen la implementación adecuada de mecanismos criptográficos y la gestión segura de claves, permitiendo al profesional monitorear continuamente el software en producción, responder a incidentes de seguridad y gestionar de manera estructurada el ciclo de vida de las vulnerabilidades en la etapa post-producción.

Fines de aprendizaje o formación

El estudiante dominará el marco conceptual, metodológico y normativo de la Gestión de la Continuidad de Negocio (GCN), distinguiendo con claridad sus principios y alcances frente al Plan de Recuperación ante Desastres (DRP) y la Gestión de Crisis, en alineación con estándares internacionales como la ISO 22301 y las guías del NIST. Desarrollará la capacidad de aplicar metodologías de análisis sistemático para la ejecución del Análisis de Impacto al Negocio (BIA), incluyendo la identificación de procesos críticos y la definición cuantitativa de los objetivos de recuperación, tales como el Objetivo de Tiempo de Recuperación (RTO) y el Objetivo de Punto de Recuperación (RPO).

El alumno adquirirá las competencias necesarias para seleccionar, diseñar e implementar estrategias de resiliencia organizacional, fundamentadas en los resultados del BIA. Será capaz de evaluar la viabilidad técnica, operativa y económica de soluciones de alta disponibilidad, redundancia y sitios alternos, tanto físicos como basados en la nube. Estas competencias se consolidarán en la elaboración estructurada del Plan de Continuidad de Negocio (BCP) y del DRP, integrando la gestión de recursos no tecnológicos, la gobernanza del programa y el plan de comunicación para la atención efectiva de incidentes y crisis operacionales.

Finalmente, el estudiante estará capacitado para gestionar el ciclo de vida completo del programa de Continuidad y Recuperación (BCDR). Esto incluye el diseño y ejecución de pruebas, ejercicios y simulacros, la evaluación de la eficacia de los planes, el establecimiento de mecanismos de mantenimiento y mejora continua, así como la realización de auditorías de conformidad. La competencia final será garantizar la resiliencia operativa de la organización frente a amenazas contemporáneas y escenarios de interrupción prolongada, asegurando el cumplimiento regulatorio y la sostenibilidad del negocio.

Fines de aprendizaje o formación

Al finalizar el curso, el estudiante adquirirá una comprensión integral de los modelos de servicio en la nube —Infraestructura como Servicio (IaaS), Plataforma como Servicio (PaaS) y Software como Servicio (SaaS)— así como de su impacto en la gestión del riesgo de seguridad. Será competente para analizar y aplicar el Modelo de Responsabilidad Compartida en distintos entornos de proveedores líderes como AWS, Microsoft Azure y Google Cloud Platform, incorporando principios fundamentales de diseño seguro, tales como el principio de menor privilegio y la arquitectura centrada en datos, con el fin de diseñar soluciones resilientes alineadas con estándares y marcos de referencia internacionales como NIST Special Publications y Cloud Security Alliance Cloud Controls Matrix (CSA CCM).

El alumno desarrollará habilidades técnicas avanzadas para el diseño e implementación de sistemas de Gestión de Identidad y Acceso (IAM), incluyendo la federación de identidades, la aplicación de controles de acceso basados en roles y atributos (RBAC y ABAC) y la adopción práctica de la Arquitectura de Confianza Cero (Zero Trust). Asimismo, será capaz de definir e implementar estrategias de protección de datos a lo largo de todo su ciclo de vida —en reposo, en tránsito y en uso— mediante la gestión efectiva de Servicios de Administración de Claves (KMS) y la aplicación de mecanismos de mitigación de riesgos y cumplimiento normativo, como la Prevención de Pérdida de Datos (DLP).

Finalmente, el estudiante estará capacitado para integrar la seguridad de forma transversal en el ciclo de vida del desarrollo de software a través de prácticas DevSecOps y Security as Code (SaC), automatizando la gestión de la postura de seguridad en la nube (CSPM) e implementando estrategias de endurecimiento (hardening) en infraestructura, contenedores y arquitecturas serverless. Como competencia final, el alumno será capaz de evaluar y auditar el cumplimiento de normativas y regulaciones como GDPR, HIPAA y PCI DSS, así como de diseñar e implementar sistemas de monitoreo, registro y respuesta a incidentes mediante plataformas SIEM y SOAR, garantizando la gobernanza continua, la resiliencia operativa y la seguridad integral de arquitecturas en la nube.

Fines de aprendizaje o formación

El objetivo central del curso es que el estudiante adquiera una comprensión sólida y estructurada de los fundamentos de la Informática Forense, diferenciándola con precisión de disciplinas afines como la ciberseguridad y la respuesta a incidentes. El alumno será competente para identificar y aplicar el marco legal, normativo y ético que rige el tratamiento de la evidencia digital, empleando la Metodología Forense Estándar, basada en modelos internacionales como NIST e ISO/IEC, garantizando la admisibilidad, fiabilidad y validez jurídica de la prueba en contextos judiciales y administrativos.

El estudiante desarrollará habilidades técnicas esenciales para la preservación y recolección de evidencia digital, aplicando de manera rigurosa la Cadena de Custodia (CoC) y utilizando adecuadamente el equipamiento forense especializado, como los bloqueadores de escritura (write blockers). Dominará las técnicas de adquisición forense, tanto de datos volátiles —incluyendo memoria RAM y sistemas en ejecución— como de medios de almacenamiento persistentes, realizando clonaciones forenses bit a bit en formatos estándar, con el fin de asegurar la completitud, autenticidad e inalterabilidad de los datos recolectados.

Finalmente, el estudiante estará capacitado para verificar y validar la integridad de las imágenes forenses adquiridas mediante el uso de funciones hash criptográficas, tales como MD5 y SHA-256, paso crítico para el mantenimiento de la validez legal de la evidencia. Al término del curso, el alumno será capaz de elaborar un Informe de Adquisición y Preservación claro, detallado y formal, documentando de manera exhaustiva la metodología, herramientas y procedimientos empleados, dejando la evidencia preparada de forma profesional, auditable y conforme a estándares, para su posterior fase de análisis forense.

Fines de aprendizaje o formación

El estudiante, al finalizar el curso, habrá desarrollado una comprensión sólida de los fundamentos conceptuales y principios de la Ingeniería Económica, reconociendo el proceso de toma de decisiones bajo criterios de viabilidad financiera. Será competente en la aplicación rigurosa del Valor del Dinero en el Tiempo (VDT) mediante el manejo de series uniformes, gradientes y la construcción de diagramas de flujo de efectivo, lo que le permitirá modelar adecuadamente la estructura de ingresos, egresos, costos hundidos y efectos fiscales asociados a proyectos de inversión o mejora operativa.

El alumno adquirirá la competencia técnica para aplicar y contrastar los principales métodos determinísticos de evaluación de inversiones. Esto incluye el cálculo e interpretación del Valor Presente Neto (VPN), la Tasa Interna de Retorno (TIR), el Valor Anual Equivalente (VAE) y la Relación Costo-Beneficio (RCB). Asimismo, determinará el Costo Promedio Ponderado de Capital (CPPC o WACC) y la Tasa Mínima Atractiva de Retorno (TMAR), utilizando estos criterios para la selección de proyectos y el análisis de reemplazo de activos, considerando el impacto de la inflación y la carga fiscal.

Finalmente, el estudiante estará capacitado para incorporar el análisis bajo riesgo e incertidumbre en la evaluación económica de proyectos. Aplicará herramientas como el análisis de sensibilidad, la determinación del punto de equilibrio y técnicas probabilísticas tales como árboles de decisión y simulación Monte Carlo. Estas competencias le permitirán evaluar no solo la rentabilidad financiera, sino también la sostenibilidad integral del proyecto, considerando factores sociales y ambientales, y asegurando una toma de decisiones estratégica respaldada por procesos de post-auditoría económica.

Fines de aprendizaje o formación

Al término de la asignatura, el estudiante desarrollará una comprensión profunda de la superficie de ataque del ecosistema móvil e inalámbrico. Será capaz de identificar los componentes críticos de hardware y firmware —como la banda base y TrustZone— y diferenciar los modelos de amenaza en entornos móviles y de escritorio, considerando riesgos como la interceptación de comunicaciones y la pérdida o robo físico del dispositivo. Dominará los fundamentos criptográficos aplicados a comunicaciones seguras (ECC, PKI) y comprenderá las arquitecturas de seguridad de Android e iOS, incluyendo sus modelos de permisos y mecanismos de aislamiento (sandboxing).

El estudiante adquirirá competencias técnicas avanzadas para la evaluación y mitigación de vulnerabilidades en infraestructuras inalámbricas. Analizará protocolos como 802.11, Bluetooth y SS7/5G, implementará configuraciones seguras como WPA3, y realizará auditorías de seguridad inalámbrica, identificando puntos de acceso no autorizados y amenazas como IMSI catchers. Asimismo, aplicará el estándar OWASP MASVS para la evaluación de aplicaciones móviles mediante pruebas estáticas y dinámicas, identificando vulnerabilidades en comunicaciones (como fallas en SSL Pinning) y comprendiendo técnicas de ingeniería inversa, ofuscación y manipulación en tiempo de ejecución.

Finalmente, el alumno integrará la seguridad móvil dentro del contexto empresarial y de gestión organizacional. Será competente en la implementación y administración de plataformas MDM y MAM, diseñando políticas robustas para entornos BYOD y asegurando el despliegue controlado de aplicaciones mediante contenerización y acceso condicional. Complementará estas habilidades con la capacidad de establecer procedimientos de respuesta ante incidentes móviles, integrar la seguridad al SOC corporativo y garantizar el cumplimiento normativo, considerando regulaciones de privacidad como el GDPR en la gestión forense de evidencia digital volátil.

Fines de aprendizaje o formación

Al finalizar el curso, el estudiante habrá desarrollado una comprensión sólida de los fundamentos cognitivos, emocionales y contextuales de la creatividad, reconociendo su papel estratégico en la solución de problemas y la generación de valor. Será capaz de aplicar y diferenciar el pensamiento divergente, convergente y lateral como herramientas para la ruptura de paradigmas, así como identificar las barreras personales, grupales y organizacionales que limitan el potencial creativo. Esta competencia le permitirá utilizar la creatividad como un recurso clave para la detección de áreas de oportunidad en distintos contextos.

El alumno adquirirá la competencia para implementar de manera estructurada el proceso creativo, aplicando técnicas avanzadas de ideación como SCAMPER y la tormenta de ideas. Asimismo, dominará las metodologías de innovación centradas en el usuario, particularmente Design Thinking, aplicando de forma rigurosa sus fases de Empatía, Definición, Ideación, Prototipado y Prueba para el desarrollo de soluciones funcionales y validadas. Será capaz de organizar y canalizar el pensamiento creativo mediante herramientas como mapas mentales y pensamiento asociativo, transformando información cualitativa en propuestas de valor concretas y viables.

Finalmente, el estudiante será competente en la gestión estratégica de la innovación, identificando sus principales tipologías (incremental, radical y disruptiva) y participando en el diseño de modelos de negocio innovadores. La competencia terminal incluye la capacidad de evaluar el impacto de las soluciones generadas mediante indicadores clave de desempeño (KPIs) y de elaborar y presentar un pitch persuasivo, asegurando una comunicación efectiva de las ideas dentro de un marco de responsabilidad ética y legal.

Fines de aprendizaje o formación

Al finalizar la asignatura, el alumno habrá adquirido una comprensión integral y funcional de la Ciberinteligencia (CI), diferenciando con claridad entre dato, información, conocimiento e inteligencia. Será competente en la aplicación del Ciclo de Vida de la Ciberinteligencia, desde la planificación y definición de Requerimientos Prioritarios de Inteligencia (PIRs) hasta la diseminación y retroalimentación. Asimismo, dominará los niveles de inteligencia estratégica, táctica y operacional, aplicándolos para mitigar riesgos y fortalecer la respuesta ante incidentes de seguridad.

El estudiante desarrollará competencias avanzadas en la recolección, procesamiento y compartición de inteligencia, empleando diversas fuentes como OSINT, HUMINT y entornos Deep y Dark Web. Dominará marcos analíticos como la Cadena de Muerte Cibernética (Cyber Kill Chain) y MITRE ATT&CK, lo que le permitirá modelar y mapear las Tácticas, Técnicas y Procedimientos (TTPs) de los adversarios. Además, aplicará estándares estructurados como STIX y TAXII para el intercambio eficiente de Indicadores de Compromiso (IOCs) e Indicadores de Ataque (IOAs).

Finalmente, el alumno estará capacitado para operacionalizar la Ciberinteligencia en entornos reales, integrándola en Centros de Operaciones de Seguridad (SOC) y plataformas SIEM/SOAR. Será competente en la ejecución de metodologías proactivas de Threat Hunting, formulando hipótesis fundamentadas sobre el comportamiento de Amenazas Persistentes Avanzadas (APTs). Asimismo, demostrará la capacidad de transformar hallazgos técnicos complejos en informes de inteligencia claros, concisos y accionables, adaptando el nivel de profundidad técnica según la audiencia, tanto especializada como ejecutiva.

Fines de aprendizaje o formación

El alumno desarrollará la competencia para gestionar y ejecutar la fase de implementación de un proyecto avanzado de ciberseguridad. Esto incluye la adaptación del diseño conceptual al entorno práctico, la integración efectiva de componentes de software y hardware, y la aplicación de metodologías ágiles (Scrum, Kanban) para asegurar la trazabilidad y el cumplimiento de hitos. Se enfatizará la observancia estricta del marco ético y legal, dominando el manejo de datos sensibles y sistemas de terceros bajo normativas internacionales como ISO 27001 y GDPR.

El estudiante adquirirá habilidades críticas en la evaluación exhaustiva y el aseguramiento de la calidad de la solución implementada. Será capaz de diseñar y ejecutar estrategias de pruebas de seguridad funcional y no funcional, incluyendo pruebas de penetración específicas y la medición rigurosa mediante indicadores clave de desempeño (KPIs) definidos. Al finalizar, el alumno podrá interpretar datos estadísticos de las pruebas, identificar causas raíz de desviaciones y aplicar ciclos de optimización iterativa para garantizar la robustez, escalabilidad y eficiencia del proyecto.

La formación culminará en el desarrollo de competencias de comunicación científica y profesional. Esto abarca la elaboración de documentación técnica avanzada, que incluye manuales de usuario y un informe final pulcro que respete normativas de citación. Finalmente, el alumno estará preparado para estructurar y realizar la defensa pública del proyecto ante un comité evaluador, manejando objeciones, demostrando la operatividad de la solución y proyectando líneas futuras de investigación que contribuyan significativamente al campo de la ciberseguridad.

Fines de aprendizaje o formación

El estudiante desarrollará una comprensión sólida de la estructura, misión y modelos operativos de un Centro de Operaciones de Seguridad (SOC), familiarizándose con los roles esenciales del personal y el cumplimiento de marcos regulatorios clave como ISO/IEC 27000 y las pautas NIST. Al finalizar, el alumno será competente en la implementación y gestión avanzada de Sistemas de Gestión de Eventos e Información de Seguridad (SIEM), dominando la arquitectura de colecta de registros, correlación de eventos y la creación de casos de uso de seguridad para reducir falsos positivos, optimizando la capacidad y escalabilidad de la plataforma tecnológica.

El curso capacitará al alumno en la ejecución precisa del ciclo de vida de respuesta a incidentes bajo el modelo NIST SP 800-61. Se espera que el estudiante demuestre habilidad en el triaje rápido y priorización de alertas L1, la construcción de la narrativa del incidente mediante correlación de datos y el análisis técnico de artefactos de ataque e Indicadores de Compromiso (IOC). Esta competencia incluye la aplicación de estrategias efectivas de contención y erradicación, la recuperación validada del sistema y la correcta documentación forense y de lecciones aprendidas.

Finalmente, el estudiante adquirirá competencias estratégicas esenciales en la gestión de crisis de ciberseguridad, comprendiendo la escalabilidad de incidentes mayores, la toma de decisiones ejecutivas y la comunicación efectiva con organismos legales y medios. Asimismo, el alumno estará capacitado para implementar Orquestación y Respuesta Automatizada (SOAR) para mejorar la eficiencia del SOC, ejecutar metodologías proactivas de Caza de Amenazas (Threat Hunting) y utilizar métricas operacionales (KPIs como MTTD y MTTR) para asegurar la mejora continua y optimizar los procedimientos internos.

Fines de aprendizaje o formación

El alumno desarrollará una comprensión sólida de los fundamentos éticos y legales inherentes a la ingeniería inversa y el desensamblado. Será capaz de establecer y configurar un laboratorio de análisis seguro, implementando arquitecturas de virtualización aisladas para manejar muestras maliciosas. Esta base le permitirá aplicar metodologías estructuradas de análisis (estático, dinámico y forense) para la adquisición, categorización y preservación correcta de amenazas digitales, identificando las principales tipologías de malware como troyanos, gusanos y ransomware.

El estudiante obtendrá la competencia técnica para realizar análisis profundos de binarios ejecutables. Esto incluye la comprensión detallada de estructuras de archivos como PE, ELF y Mach-O, y la habilidad para desensamblar código en lenguaje ensamblador (x86/x64), interpretando el flujo de ejecución avanzado. Mediante el uso de herramientas profesionales como IDA Pro, Ghidra y Binary Ninja, el alumno dominará la ingeniería inversa basada en cadenas, el monitoreo del comportamiento del sistema operativo (API Hooking) y el seguimiento del flujo de ejecución utilizando depuradores avanzados como WinDbg y x64dbg.

Al finalizar la asignatura, el alumno poseerá las competencias necesarias para enfrentar amenazas complejas que emplean técnicas de evasión y ofuscación. Esto implica la capacidad de identificar y realizar el desempaquetado manual de binarios, incluyendo aquellos que utilizan técnicas anti-depuración y anti-VM, así como aplicar métodos de deobfuscation para reconstruir código automodificable. Finalmente, estará calificado para extender sus habilidades de análisis a plataformas especializadas, incluyendo la ingeniería inversa de software malicioso a nivel de núcleo (rootkits) y el análisis forense de aplicaciones en sistemas operativos móviles (Android/iOS).

Fines de Aprendizaje o Formación

Este curso tiene como finalidad que el estudiante desarrolle competencias de autogestión y adaptabilidad académica, dominando métodos de estudio eficiente, planificación del tiempo y técnicas de concentración, para asumir con autonomía y responsabilidad su proceso formativo en entornos presenciales y a distancia, superando la procrastinación y adaptándose a los requerimientos tecnológicos.

Asimismo, el estudiante consolidará su capacidad de lectura crítica y estratégica, identificando géneros discursivos universitarios, tesis y argumentos, y aplicando técnicas de análisis y síntesis como el subrayado analítico, mapas conceptuales y resúmenes. Evaluará con rigor la fiabilidad y validez de las fuentes, distinguiendo hechos, interpretaciones y opiniones.

Finalmente, el alumno adquirirá los fundamentos de la redacción académica, elaborando ensayos, reseñas e informes con claridad, coherencia y concisión, y demostrará una conducta ética en la investigación documental, mediante el uso de bases de datos especializadas y la aplicación correcta de las Normas APA, garantizando la integridad académica y la prevención del plagio.

Fines de Aprendizaje o Formación

Al finalizar la asignatura, el estudiante comprenderá de manera integral la ciudadanía digital, reconociendo derechos, responsabilidades y comportamientos éticos en entornos tecnológicos. Aplicará teorías éticas como el utilitarismo y la deontología para la toma de decisiones responsables, promoviendo la netiqueta, la convivencia digital y la prevención del ciberacoso y la intolerancia en línea.

Asimismo, desarrollará competencias para identificar y aplicar el marco legal de las Tecnologías de la Información, incluyendo el derecho informático, la soberanía digital, la tipificación de delitos digitales y los principios de propiedad intelectual y derechos de autor. Gestionará adecuadamente la protección de datos personales, comprendiendo los Derechos ARCO y estándares internacionales como el GDPR, garantizando la privacidad y la legalidad en el manejo de datos.

Finalmente, el estudiante analizará de forma crítica los dilemas éticos y sociales de las tecnologías emergentes, como la Inteligencia Artificial y el Big Data, evaluando la Responsabilidad Social Empresarial en TI, la mitigación de sesgos algorítmicos y la necesidad de gobernanza y regulación, demostrando una visión ética, legal y proactiva frente a la innovación tecnológica.

Fines de Aprendizaje o Formación

Al finalizar el curso, el estudiante desarrollará una sólida capacidad de abstracción lógica y pensamiento algorítmico, comprendiendo los fundamentos del pensamiento computacional, la lógica proposicional y las características de un algoritmo válido (finitud, precisión y eficacia). Representará soluciones mediante diagramas de flujo (ANSI) y pseudocódigo estructurado.

Asimismo, adquirirá la competencia para diseñar e implementar algoritmos utilizando estructuras de control fundamentales, incluyendo secuencia, condicionales (simples, dobles y selección múltiple) y estructuras iterativas (Mientras, Repetir Hasta y Desde). Verificará la correcta ejecución de los algoritmos mediante pruebas de escritorio y la metodología Entrada–Proceso–Salida (E-P-S).

Finalmente, el estudiante aplicará principios de modularidad, construyendo soluciones mediante procedimientos y funciones, gestionando el ámbito de variables y el paso de parámetros por valor y por referencia. Además, manipulará arreglos unidimensionales (vectores) y aplicará algoritmos básicos como la búsqueda secuencial, consolidando una base sólida para la programación estructurada.

Fines de aprendizaje o formación

Al finalizar la asignatura, el estudiante habrá desarrollado una comprensión rigurosa de los conceptos fundamentales del cálculo infinitesimal, estableciendo las bases analíticas del análisis de funciones, la noción de límite y la continuidad. Será capaz de definir formalmente la derivada y la integral definida a partir de sus formulaciones límite —razón de cambio instantánea y sumas de Riemann—, reconociendo la relación esencial entre ambas operaciones mediante el Teorema Fundamental del Cálculo.

El alumno adquirirá una sólida competencia operativa en el uso de las herramientas del cálculo, dominando las reglas fundamentales de derivación —producto, cociente, regla de la cadena y derivación implícita—, así como las principales técnicas de integración, incluyendo la integración por sustitución y por partes. Este dominio procedimental permitirá el tratamiento analítico de modelos funcionales complejos y sentará las bases para el análisis matemático avanzado.

Finalmente, el estudiante aplicará el conocimiento matemático en la resolución de problemas reales, utilizando la derivada para el análisis completo del comportamiento de funciones —optimización, monotonía y concavidad— y la integral para el cálculo de magnitudes acumuladas, como áreas entre curvas y volúmenes de sólidos de revolución. Estas competencias posibilitan el modelado eficiente de fenómenos vinculados con la maximización de recursos y el análisis de tasas de cambio instantáneas en contextos tecnológicos y de ingeniería.

Fines de aprendizaje o formación

Al finalizar la asignatura, el estudiante habrá desarrollado una base sólida en alfabetización digital, comprendiendo los principios de la ciudadanía digital responsable, incluyendo el reconocimiento de derechos y responsabilidades en el ciberespacio y la sensibilización ante la brecha digital. Asimismo, adquirirá competencias en la gestión eficiente de sistemas operativos, aplicando estrategias de nomenclatura, clasificación y respaldo sistemático de archivos, así como en la navegación avanzada y el uso de operadores booleanos, garantizando la evaluación rigurosa de la fiabilidad y veracidad de las fuentes en línea para una productividad académica y profesional informada.

El alumno será capaz de gestionar su identidad digital y huella profesional, aplicando estrategias sólidas de ciberseguridad personal, tales como el uso de autenticación multifactorial, la aplicación de protocolos seguros de acceso mediante VPN y la prevención activa de amenazas como el phishing y la ingeniería social. De manera complementaria, dominará el uso de herramientas colaborativas en la nube, optimizando los flujos de trabajo mediante funciones avanzadas de hojas de cálculo —como tablas dinámicas—, la documentación concurrente y la aplicación de metodologías de gestión de proyectos, como Kanban, para fomentar la eficiencia en entornos colaborativos.

Finalmente, el estudiante desarrollará competencias para la curaduría estratégica de contenidos digitales, realizando procesos de selección, filtrado y contextualización de información relevante. Estas habilidades se complementarán con la capacidad de elaborar y publicar contenidos multimedia básicos de manera ética, aplicando principios de diseño y visualización de datos. Concluirá demostrando un manejo ético del contenido digital, comprendiendo la normativa básica de protección de datos personales y aplicando correctamente los derechos de autor y licencias de contenido, como Creative Commons, en la compartición responsable de recursos.

Fines de aprendizaje o formación

Al finalizar la asignatura, el estudiante habrá adquirido una comprensión rigurosa de los fundamentos de la lógica matemática, abarcando tanto el cálculo proposicional como el cálculo de predicados. Será capaz de modelar formalmente sistemas discretos y evaluar la coherencia de argumentos complejos, así como aplicar diversos métodos de demostración matemática —directa, por contraposición y reducción al absurdo—, con especial énfasis en el principio de inducción, habilidad clave para la validación de la corrección y eficiencia de algoritmos computacionales.

Asimismo, el alumno desarrollará competencias sólidas en el manejo de las estructuras fundamentales de la matemática discreta, incluyendo la teoría de conjuntos, las relaciones binarias y las funciones, caracterizando y aplicando relaciones de equivalencia y de orden parcial. De igual forma, adquirirá habilidades avanzadas en combinatoria, utilizando principios de conteo y el Principio del Palomar para la resolución de problemas, así como en la formulación y solución de relaciones de recurrencia para el análisis temporal de procesos.

Finalmente, el estudiante aplicará estas bases teóricas en modelos computacionales concretos, utilizando la teoría de grafos y árboles para el análisis de conectividad, la optimización de rutas y la implementación de algoritmos de árboles generadores mínimos, como Prim y Kruskal. Además, operará en estructuras algebraicas discretas, tales como la aritmética modular y el Álgebra de Boole, estableciendo un vínculo directo entre la teoría discreta y sus aplicaciones en el diseño lógico de sistemas, el diseño de circuitos combinacionales y los fundamentos de la seguridad de la información y la criptografía básica.

Fines de Aprendizaje o Formación

Al finalizar el curso, el estudiante comprenderá de manera precisa la Ciencia de Datos, su evolución histórica y la taxonomía de la analítica (descriptiva, predictiva y prescriptiva), así como las tipologías de datos (estructurados y no estructurados). Esta base conceptual le permitirá contextualizar el campo y reconocer su valor estratégico en la optimización de procesos y la toma de decisiones.

Asimismo, desarrollará competencias para identificar los roles profesionales clave (Científico de Datos, Ingeniero de Datos y Analista), comprender sus responsabilidades y la arquitectura de datos (Data Lakes y Data Warehouses). Analizará el Ciclo de Vida del Proyecto de Ciencia de Datos bajo CRISP-DM, reconociendo los retos de adquisición, preparación y limpieza de datos (Data Wrangling) e integrando consideraciones éticas como privacidad y sesgos algorítmicos.

Finalmente, el estudiante será capaz de evaluar aplicaciones de la Ciencia de Datos en distintos sectores, analizando casos de uso en riesgo crediticio, mercadotecnia y optimización logística, y estimando el Retorno de la Inversión (ROI) de iniciativas basadas en datos. Integrará este análisis con una visión de tendencias futuras, incluyendo la Inteligencia Artificial generativa y las implicaciones del Big Data.

Fines de aprendizaje o formación

Al finalizar la asignatura, el estudiante habrá desarrollado una comprensión profunda de los fundamentos de la comunicación humana, incluyendo sus axiomas y modelos transaccionales. Aplicará de manera efectiva la escucha activa y la identificación de barreras comunicacionales, adoptando un estilo de comunicación asertiva mediante técnicas como el mensaje “yo”, que le permitirán expresar necesidades, manejar la crítica y afrontar situaciones de manipulación interpersonal de forma constructiva.

Asimismo, el alumno adquirirá habilidades avanzadas de oratoria estratégica, estructurando discursos formales persuasivos con base en logos, pathos y ethos, gestionando el miedo escénico y utilizando adecuadamente apoyos visuales. De manera complementaria, desarrollará competencias para el trabajo colaborativo, identificando roles funcionales y disfuncionales, delegando tareas de forma efectiva y fomentando la sinergia para la toma de decisiones por consenso en equipos de alto rendimiento.

Finalmente, el estudiante estará capacitado para la gestión del conflicto interpersonal, comprendiendo sus fuentes y estilos de afrontamiento conforme al modelo Thomas–Kilmann. Diseñará y aplicará estrategias de negociación colaborativa (ganar–ganar), identificando intereses y alternativas (MAAN), y demostrará adaptabilidad comunicacional en contextos culturalmente diversos, así como el dominio de protocolos de comunicación y netiqueta en entornos virtuales y de trabajo remoto.

Fines de aprendizaje o formación

Al finalizar la asignatura, el estudiante habrá desarrollado una comprensión sólida de los fundamentos teóricos de los Sistemas de Bases de Datos Relacionales (SBD), incluyendo su propósito, la arquitectura de tres niveles y el modelo relacional. Será competente en el manejo de los conceptos del Álgebra Relacional, comprendiendo cómo sus operaciones fundamentan las consultas estructuradas, y diseñará conceptualmente bases de datos mediante la aplicación rigurosa del Modelo Entidad–Relación (MER) y su correcta diagramación, garantizando la representación fiel de los requisitos del sistema de información.

El alumno adquirirá la competencia para transformar modelos conceptuales en esquemas relacionales lógicos, dominando las técnicas de normalización desde la Primera Forma Normal hasta la Forma Normal de Boyce–Codd (FNBC). Identificará dependencias funcionales para eliminar redundancias y anomalías de actualización, e implementará la estructura de la base de datos utilizando el Lenguaje de Definición de Datos (DDL), definiendo tipos, dominios y restricciones de integridad referencial, tales como claves primarias y foráneas.

Finalmente, el estudiante dominará el Lenguaje de Consulta Estructurado (SQL) para la manipulación y recuperación avanzada de datos (DML y DQL), formulando consultas complejas mediante funciones de agregación, agrupamiento, subconsultas y uniones relacionales (JOINs) para el acceso eficiente a información multi-tabla. Asimismo, adquirirá conocimientos en la gestión transaccional (ACID), la seguridad mediante vistas y la implementación de lógica de negocio en el servidor a través de procedimientos almacenados y disparadores (triggers), optimizando el rendimiento básico mediante el uso de índices.

Fines de Aprendizaje o Formación

Al finalizar la asignatura, el estudiante dominará los fundamentos cognitivos y perceptuales de la visualización de datos, aplicando la Teoría de la Percepción Visual Humana (Gestalt) y las variables visuales de Jacques Bertin para reducir la carga cognitiva, minimizar el desorden gráfico y asegurar claridad, precisión y accesibilidad, mediante el uso adecuado de color, jerarquía visual y tipográfica.

Asimismo, desarrollará la competencia para seleccionar y aplicar tipologías gráficas según la estructura de los datos (univariados, multivariados, correlaciones y geoespaciales) e integrar visualizaciones en narrativas de datos (storytelling) claras y persuasivas. Adaptará el lenguaje y la estructura narrativa para comunicar hallazgos, incertidumbre estadística y recomendaciones a audiencias técnicas y no técnicas, bajo principios éticos y de representación honesta.

Finalmente, el estudiante diseñará e implementará soluciones de Inteligencia de Negocios, construyendo dashboards interactivos en plataformas como Tableau o Power BI, definiendo KPIs, habilitando filtros y drill-down, y aplicando layouts efectivos. Optimizará el rendimiento y despliegue de las soluciones, garantizando su usabilidad y validación en contextos profesionales.

Fines de Aprendizaje o Formación

Al finalizar la asignatura, el estudiante comprenderá los fundamentos de la Geometría Analítica del Espacio y del cálculo de funciones de varias variables, incluyendo el manejo de vectores en ℝⁿ, el análisis de superficies cuádricas, y la determinación de dominios, límites y continuidad, como base para la modelación de sistemas físicos y de ingeniería.

Asimismo, desarrollará competencias en Diferenciación Multivariable, calculando e interpretando derivadas parciales, el diferencial total, el gradiente (∇f) y las derivadas direccionales, así como aplicando la regla de la cadena y la matriz Hessiana para analizar el comportamiento local y las tasas de cambio en múltiples dimensiones.

Finalmente, el estudiante resolverá problemas de optimización multivariable, con y sin restricciones, mediante el criterio de la segunda derivada y los Multiplicadores de Lagrange, comprendiendo su interpretación geométrica y económica. Aplicará estos fundamentos al Descenso del Gradiente, y complementará su formación con el uso del Jacobiano y la integración múltiple (Teorema de Fubini) para el cálculo de volúmenes y cambios de coordenadas, fortaleciendo su base matemática para la Ciencia de Datos y la Ingeniería.

Fines de Aprendizaje o Formación

El estudiante desarrollará una comprensión sólida de la lógica inferencial, dominando las distribuciones de muestreo y el Teorema Central del Límite (TCL). Será capaz de seleccionar métodos de muestreo probabilístico, estimar parámetros poblacionales (media, proporción y varianza) y construir e interpretar intervalos de confianza, incluyendo la determinación del tamaño muestral.

Como competencia central, el alumno aplicará pruebas de hipótesis estadísticas, formulando correctamente las hipótesis nula y alternativa, interpretando el valor p y tomando decisiones informadas, minimizando errores Tipo I y Tipo II. Asimismo, utilizará el Análisis de Varianza (ANOVA) de uno y dos factores, realizando comparaciones post-hoc y seleccionando alternativas no paramétricas cuando los supuestos no se cumplan.

Finalmente, el estudiante será capaz de construir y evaluar modelos predictivos, mediante el análisis de correlación y la regresión lineal simple y múltiple, interpretando coeficientes y diagnósticos del modelo a través del análisis de residuales, para generar pronósticos confiables e intervalos de predicción, distinguiendo claramente causalidad y asociación estadística.

Fines de Aprendizaje o Formación

Al finalizar el curso, el estudiante dominará los fundamentos teóricos y prácticos de la computación numérica, comprendiendo las fuentes y la propagación de errores (truncamiento, redondeo y punto flotante) y evaluando la estabilidad y convergencia de algoritmos, lo que le permitirá seleccionar e implementar métodos de aproximación con rigor científico.

Asimismo, desarrollará competencias para resolver problemas numéricos fundamentales, aplicando métodos para ecuaciones no lineales (Newton–Raphson, secante), la solución de sistemas de ecuaciones lineales de gran escala mediante descomposiciones matriciales y métodos iterativos (Gauss–Seidel), así como técnicas de aproximación funcional, incluyendo interpolación por splines y cuadratura numérica (Simpson y Gauss).

Finalmente, el estudiante aplicará métodos de optimización avanzada, tanto unidimensionales como multidimensionales, dominando algoritmos basados en gradiente (Gradient Descent, SGD y Adam) y técnicas cuasi-Newton (BFGS). Estas competencias le permitirán minimizar funciones de pérdida, ajustar hiperparámetros y optimizar modelos de aprendizaje automático, considerando convexidad y restricciones, en contextos profesionales de ingeniería y ciencia de datos.

Fines de Aprendizaje o Formación

El estudiante comprenderá las limitaciones de los sistemas RDBMS tradicionales frente a escenarios de Big Data, dominando los principios del Teorema CAP y el Modelo BASE. Con base en ello, aplicará el paradigma de la Persistencia Políglota, analizando y seleccionando modelos de bases de datos NoSQL (Clave-Valor, Documento, Columnares y Grafo) según los requerimientos de flexibilidad, consistencia y escalabilidad horizontal.

Asimismo, desarrollará competencias para modelar, manipular y consultar datos en ecosistemas NoSQL, diseñando estructuras eficientes en Clave-Valor (Redis) y Columnares Anchas (Cassandra), gestionando documentos BSON mediante MongoDB (MQL y Aggregation Framework) y resolviendo problemas complejos de relaciones con bases de datos orientadas a grafos, utilizando modelado por nodos y aristas y el lenguaje Cypher (Neo4j).

Finalmente, el estudiante estará capacitado para el despliegue y administración de entornos NoSQL distribuidos, implementando estrategias de escalabilidad y alta disponibilidad como replicación y particionamiento (sharding). Optimizará el rendimiento mediante índices y análisis de planes de ejecución, garantizando la seguridad (ACL), el mantenimiento (backup y recuperación ante desastres) y la integración de sistemas políglotas en arquitecturas modernas basadas en microservicios.

Fines de Aprendizaje o Formación

Al finalizar el curso, el estudiante comprenderá los fundamentos y la arquitectura de la Computación en la Nube, distinguiendo los modelos de servicio (IaaS, PaaS, SaaS) y de despliegue (pública, privada e híbrida), así como las bases de virtualización, hipervisores y contenerización. Será capaz de administrar infraestructura a nivel IaaS, gestionando máquinas virtuales, redes privadas virtuales (VPC) y almacenamiento distribuido por objetos y bloques.

Asimismo, desarrollará competencias en desarrollo nativo de la nube, aplicando contenerización con Docker, orquestación con Kubernetes y arquitecturas sin servidor (FaaS). Implementará pipelines de Integración y Despliegue Continuo (CI/CD) para automatizar y optimizar el desarrollo y despliegue de aplicaciones en entornos administrados.

Finalmente, el estudiante adquirirá habilidades para la seguridad, gobernanza y gestión financiera de entornos en la nube, aplicando gestión de identidad y acceso (IAM), el modelo de responsabilidad compartida y la observabilidad mediante métricas y monitoreo. Además, utilizará principios de FinOps para la optimización de costos, y asegurará la continuidad del negocio mediante alta disponibilidad y recuperación ante desastres, en cumplimiento de los marcos normativos vigentes.

Fines de Aprendizaje o Formación

Al finalizar el curso, el estudiante dominará los fundamentos teóricos y prácticos de la contenerización, comprendiendo la arquitectura del kernel de Linux (cgroups y namespaces) y su papel en la reproducibilidad y el aislamiento de entornos de desarrollo y ciencia de datos. Será competente en el uso del ecosistema Docker, creando y optimizando imágenes seguras mediante Dockerfile y construcciones multi-etapa.

Asimismo, desarrollará la capacidad de gestionar arquitecturas de microservicios a nivel local, configurando redes definidas por el usuario, administrando volúmenes para la persistencia de datos y orquestando servicios multi-contenedor con Docker Compose, permitiendo el despliegue integrado de entornos complejos similares a producción.

Finalmente, el estudiante implementará soluciones de orquestación distribuida con Kubernetes (K8s), dominando Pods, Deployments y Services, así como la gestión de configuraciones y secretos. Aplicará estrategias de escalabilidad y resiliencia automatizada (HPA y probes de salud), quedando capacitado para desplegar, monitorear y mantener sistemas de contenedores de alto rendimiento, sentando las bases para su integración en pipelines de MLOps

Fines de Aprendizaje o Formación

Al finalizar el curso, el estudiante comprenderá los fundamentos teóricos del modelado y la simulación de sistemas complejos, distinguiendo sistemas dinámicos y estocásticos, así como propiedades clave como la emergencia y la autoorganización. Aplicará de forma rigurosa las etapas del proceso de modelado, asegurando la calibración y validación de modelos en sistemas discretos y continuos.

Asimismo, desarrollará competencias técnicas para el manejo de la estocasticidad, mediante la generación y validación de variables aleatorias y el uso de métodos probabilísticos (transformada inversa y aceptación-rechazo). Implementará Simulación de Monte Carlo, realizando análisis de sensibilidad e incertidumbre y aplicando técnicas de reducción de varianza para mejorar la precisión de los estimadores.

Finalmente, el estudiante aplicará paradigmas avanzados de simulación para predecir y optimizar sistemas reales, diseñando Modelos de Eventos Discretos en teoría de colas y procesos logísticos, así como modelos de Dinámica de Sistemas y Modelado Basado en Agentes (MBA) para analizar realimentación, emergencia y comportamiento complejo, consolidando una metodología integral de simulación aplicada.

Fines de Aprendizaje o Formación

El estudiante dominará los fundamentos conceptuales y neurocientíficos de la Inteligencia Emocional, comprendiendo modelos clave y la función adaptativa de las emociones. Desarrollará un autoconocimiento intrapersonal profundo, identificando y diferenciando sus estados afectivos, y evaluando su autoconcepto y autoeficacia como bases del bienestar psicológico.

Asimismo, adquirirá competencias para la regulación emocional, aplicando estrategias como la revaluación cognitiva, la aceptación y el mindfulness para manejar el estrés, modular impulsos y fortalecer la tolerancia a la frustración. Implementará técnicas de control y reducción del estrés que favorezcan la perseverancia, la automotivación intrínseca y el manejo constructivo del error.

Finalmente, el estudiante fortalecerá sus habilidades interpersonales mediante la empatía multidimensional, la escucha activa y la comunicación asertiva, e integrará la resiliencia y la mentalidad de crecimiento para afrontar el cambio y el trauma, prevenir el agotamiento profesional y promover un bienestar sostenido y el fortalecimiento continuo.

Fines de Aprendizaje o Formación

El estudiante desarrollará una competencia comunicativa avanzada en negocios globales, diferenciando registros formales e informales y aplicando modismos y terminología corporativa especializada. Será capaz de redactar correspondencia ejecutiva profesional (correos formales, actas y resúmenes ejecutivos) conforme a estándares internacionales, incorporando vocabulario de gobernanza, ética empresarial y cumplimiento normativo.

El alumno dominará el léxico técnico en Tecnologías de la Información, Ciencia de Datos y Finanzas Corporativas, incluyendo conceptos de arquitectura de sistemas, computación en la nube, algoritmos, balance general y flujo de caja. Podrá elaborar propuestas de proyecto, reportes técnicos, informes de viabilidad económica y documentación ágil, utilizando un lenguaje profesional preciso y estructurado.

Finalmente, el estudiante demostrará habilidades de presentación y negociación de alto impacto, diseñando y exponiendo presentaciones técnicas y ejecutivas, gestionando sesiones de preguntas complejas y aplicando competencia intercultural para adaptar su comunicación a distintos contextos empresariales. Será capaz de negociar contratos, manejar objeciones y articular términos de servicio en un entorno profesional global.

Fines de Aprendizaje o Formación

El estudiante desarrollará la capacidad de comprender y manipular los fundamentos de la imagen digital, incluyendo su adquisición, representación mediante vectores, matrices y tensores, y el uso de modelos de color. Aplicará técnicas de procesamiento clásico de imágenes, como filtros espaciales, transformaciones de intensidad, manipulación de histogramas y morfología matemática, para el preprocesamiento, realce y extracción de características visuales mediante descriptores clásicos como HOG y SIFT.

El alumno dominará el paradigma de la Visión por Computadora basada en Aprendizaje Profundo, implementando y ajustando Redes Neuronales Convolucionales (CNNs) con arquitecturas avanzadas como ResNet y MobileNet. Será competente en el uso de transferencia de aprendizaje (Fine-Tuning) y en la evaluación e interpretación de modelos mediante técnicas de explicabilidad (XAI), como Grad-CAM, para validar la toma de decisiones de los sistemas visuales.

Finalmente, el estudiante estará capacitado para diseñar e implementar soluciones completas de visión artificial, abordando detección de objetos en tiempo real (YOLO), segmentación semántica y de instancias (U-Net, Mask R-CNN) y análisis de video con seguimiento de objetos mediante flujo óptico y filtros de Kalman. Estas competencias permitirán la integración de sistemas de visión artificial en aplicaciones biométricas, industriales y robóticas, orientadas al control de calidad automatizado y al análisis espacio-temporal.

Fines de Aprendizaje o Formación

El estudiante adquirirá una comprensión profunda de los fundamentos arquitectónicos de la Ingeniería de Datos, distinguiendo y seleccionando de manera estratégica Data Warehouse, Data Lake y Lakehouse, con base en principios de sistemas distribuidos y el teorema CAP. Será competente para diseñar arquitecturas de Big Data, definiendo esquemas de procesamiento por lotes (Batch) y en tiempo real (Streaming).

El alumno desarrollará competencias técnicas avanzadas para la transformación y orquestación de datos masivos, implementando pipelines de datos distribuidos con Apache Spark. Dominará metodologías ETL y ELT, aplicando Captura de Cambio de Datos (CDC), la gestión de Dimensiones Cambiantes (SCD) y el uso de formatos optimizados como Parquet y Avro para una carga eficiente y escalable.

Finalmente, el estudiante estará capacitado para desplegar, operar y mantener sistemas de datos en entornos productivos, garantizando la calidad e integridad de los datos (DQA), el monitoreo y la observabilidad de los flujos, y la seguridad mediante anonimización y enmascaramiento. Integrará Infraestructura como Código (IaC) y vinculará las tuberías de datos con ecosistemas de MLOps, asegurando soluciones robustas, confiables y alineadas a estándares profesionales.

Fines de Aprendizaje o Formación

Al finalizar el curso, el estudiante comprenderá las limitaciones de los modelos feedforward para dependencias temporales y dominará las Redes Neuronales Recurrentes (RNN), incluyendo LSTM y GRU para el modelado de secuencias largas. Será competente en retropropagación a través del tiempo (BPTT) y en el diagnóstico de problemas asociados a los gradientes.

Desarrollará competencia en el mecanismo de Atención y la arquitectura Transformer, comprendiendo los componentes QKV, Self-Attention y embebidos posicionales. Podrá utilizar y adaptar modelos preentrenados como BERT y GPT para tareas avanzadas de procesamiento de lenguaje natural y series temporales.

Finalmente, el estudiante diseñará y evaluará modelos generativos avanzados, incluyendo Autoencoders Variacionales (VAE) y Redes Generativas Antagónicas (GANs). Comprenderá la formulación bayesiana, el truco de reparametrización, la teoría Minimax y los desafíos de entrenamiento (como el colapso de modo), aplicando arquitecturas como DCGAN y WGAN y métricas rigurosas como FID para la generación de datos de alta calidad.

Fines de Aprendizaje o Formación

Al finalizar el curso, el estudiante comprenderá integralmente los fundamentos teóricos y prácticos de MLOps, diferenciándolo de DevOps y DataOps, y dominando el Ciclo de Vida del Modelo (MLLC). Será competente en la gestión de versiones de código, datos y experimentos (Data Versioning), garantizando reproducibilidad, trazabilidad y control de artefactos en sistemas de aprendizaje automático.

El alumno diseñará e implementará arquitecturas de MLOps escalables, aplicando CI/CD/CT, automatizando pipelines de ML mediante Docker y Kubernetes, e implementando estrategias seguras de despliegue como Canario y Sombra, asegurando eficiencia, baja latencia y confiabilidad en producción.

Finalmente, desarrollará competencias en monitoreo, observabilidad y gobernanza de modelos, utilizando herramientas como Prometheus y Grafana para detectar Data Drift y Concept Drift, definiendo políticas de reentrenamiento automático y rollback. Integrará prácticas de linaje, explicabilidad (XAI), mitigación de sesgos y cumplimiento ético-normativo, asegurando una operación responsable y sostenible en entornos productivos.

Fines de Aprendizaje o Formación

El estudiante adquirirá la capacidad de conceptualizar y estructurar proyectos de innovación FinTech, identificando necesidades financieras no cubiertas, analizando el mercado objetivo y delimitando el alcance del proyecto mediante verticales tecnológicas, integrando la fundamentación teórica, la justificación de la propuesta de valor y las implicaciones éticas y normativas.

Asimismo, desarrollará competencias para la validación de la propuesta de valor y el modelado de negocio, aplicando metodologías de investigación de mercado y enfoques ágiles (Scrum/Kanban). Definirá modelos de ingresos, evaluará la viabilidad económica inicial (ROI) y especificará requerimientos funcionales y no funcionales, priorizando la ciberseguridad y la escalabilidad, así como el diseño de la arquitectura tecnológica y de bases de datos.

Finalmente, el estudiante demostrará habilidades para el diseño centrado en el usuario (UX/UI) y la implementación del Producto Mínimo Viable (MVP), integrando desarrollo de software, pruebas de calidad (QA) y principios básicos de DevOps. Analizará métricas clave (KPIs) y retroalimentación de usuarios, validando la hipótesis de mercado y elaborando un plan de continuidad para la siguiente fase de desarrollo del proyecto.

Fines de Aprendizaje o Formación

El estudiante desarrollará competencias para la conceptualización y el diagnóstico sociocomunitario, aplicando los fundamentos de la innovación social y metodologías participativas (DAP) para identificar problemáticas reales, recolectar y analizar datos, y realizar cartografía de actores, estableciendo con rigor la justificación de la intervención y la línea base del proyecto.

Asimismo, adquirirá la capacidad de diseñar soluciones estratégicas, originales y escalables, integrando Design Thinking y cocreación para generar prototipos viables. Planificará formalmente mediante el Marco Lógico, gestionará presupuestos y procura de fondos, y ejercerá liderazgo ético para gestionar riesgos, asegurar la sustentabilidad a largo plazo y promover la transferencia de capacidades a la comunidad.

Finalmente, el estudiante será competente para monitorear y evaluar el impacto de la intervención, diferenciando productos, resultados e impacto mediante indicadores de desempeño (KPIs) y análisis de datos. Sintetizará la experiencia en un informe técnico y desarrollará un pitch persuasivo para comunicar el valor social del proyecto, articulándolo con su perfil profesional.

Fines de Aprendizaje o Formación

El estudiante comprenderá los fundamentos y el valor estratégico del Gobierno de Datos (GD) dentro de la arquitectura empresarial, diferenciándolo de la Gestión de Datos y Gestión de la Información. Será capaz de evaluar el nivel de madurez organizacional y diseñar una hoja de ruta de implementación, apoyándose en marcos como DAMA-DMBOK y DCAM, garantizando integridad, disponibilidad y seguridad de los datos.

Desarrollará competencias para estructurar la Oficina de Gobierno de Datos (OGD), definir roles clave como Data Stewards, aplicar matrices RACI y diseñar políticas corporativas de acceso, uso, retención y eliminación de datos, asegurando un ciclo de vida del dato ético y controlado.

Finalmente, dominará la Gestión de la Calidad de Datos (Data Quality Frameworks), midiendo dimensiones como exactitud, completitud y consistencia, estableciendo KPIs de monitoreo continuo, e integrando Catálogos de Datos, Linaje y modelos RBAC. Garantizará el cumplimiento normativo (GDPR, CCPA y legislación local), mitigando riesgos y promoviendo la transparencia en el uso de la Inteligencia Artificial.

Fines de Aprendizaje o Formación

El estudiante comprenderá los fundamentos arquitectónicos y regulatorios de la ciberseguridad en entornos de Big Data, identificando amenazas y vulnerabilidades en el ciclo de vida del dato y aplicando marcos normativos como GDPR y CCPA. Será capaz de diseñar arquitecturas de seguridad por diseño, bajo principios como Zero Trust, diferenciando la seguridad tradicional de la seguridad en infraestructuras de datos masivos.

Desarrollará competencias técnicas en protección avanzada de datos, implementando cifrado simétrico, asimétrico, homomórfico y tokenización para datos en reposo y en tránsito. Dominará la Gestión de Identidad y Acceso (IAM), aplicando modelos RBAC y ABAC, así como la administración de claves mediante KMS en entornos híbridos y multinube.

Finalmente, el estudiante será competente en defensa y resiliencia operativa, implementando estrategias de Prevención de Fugas de Información (DLP) y sistemas de monitoreo como SIEM y UEBA para la detección de anomalías. Podrá diseñar y ejecutar planes de respuesta a incidentes y recuperación ante desastres, garantizando la continuidad del negocio y la disponibilidad segura de los datos.

Fines de aprendizaje o formación

Al finalizar el curso, el estudiante desarrollará una comprensión sólida y contextualizada de los fundamentos de la administración moderna, integrando el conocimiento sobre la naturaleza, propósito y evolución histórica de las teorías gerenciales. Analizará los enfoques clásicos, el taylorismo y fayolismo, así como las perspectivas sistémicas y humanísticas, comprendiendo a la organización como un sistema interdependiente vinculado a su entorno económico y digital. Asimismo, aplicará los principios de la Responsabilidad Social Empresarial y la ética gerencial como bases esenciales para la toma de decisiones estratégicas y funcionales.

La segunda competencia fundamental se centra en el dominio integral del proceso administrativo. El estudiante será capaz de planear estrategias y tácticas (misión y visión), diseñar estructuras organizacionales (lineal, matricial y divisional), dirigir equipos mediante la aplicación de teorías de liderazgo y motivación, y establecer mecanismos de control y evaluación del desempeño. De manera complementaria, estructurará proyectos bajo enfoques predictivos, identificando su ciclo de vida y las tres restricciones fundamentales: alcance, tiempo y costo, utilizando herramientas como la Estructura de Desglose del Trabajo (EDT) y el Diagrama de Gantt.

Finalmente, el curso fortalece la capacidad para desempeñarse en entornos dinámicos y de alta incertidumbre mediante la gestión ágil. El estudiante comprenderá y aplicará los valores y principios del Manifiesto Ágil, así como los roles, artefactos y eventos del marco de trabajo Scrum, incluyendo el Maestro de Scrum, la Pila del Producto, la Planificación del Sprint y las Retrospectivas. De este modo, estará preparado para integrarse en equipos multidisciplinarios que gestionen proyectos de manera iterativa e incremental, utilizando métricas básicas de desempeño como la velocidad para la mejora continua.

Fines de aprendizaje o formación

El estudiante desarrollará una comprensión sólida de los fundamentos conceptuales de la Economía y los Negocios Digitales, diferenciando claramente entre la economía tradicional y la economía digitalizada. Será capaz de identificar los componentes esenciales del ecosistema digital —infraestructura tecnológica, plataformas y usuarios— y analizar cómo principios económicos distintivos, como los costos marginales cercanos a cero y los efectos de red, transforman la creación de valor, la dinámica competitiva y los procesos de transformación digital en organizaciones a nivel global.

El alumno adquirirá una visión estratégica para identificar y clasificar modelos de negocio digitales, abarcando desde el comercio electrónico B2C hasta modelos de suscripción y plataformas de doble cara. Comprenderá el dato como activo estratégico, reconociendo su ciclo de vida y aplicando fundamentos de seguridad basados en la Tríada de Confidencialidad, Integridad y Disponibilidad (CIA), esenciales para la gestión de riesgos, la protección de la información y la generación de confianza en entornos digitales.

Finalmente, el estudiante estará capacitado para analizar el alcance de la tecnología financiera (Fintech) y su impacto disruptivo en sistemas de pago y servicios financieros, incluyendo el rol conceptual de tecnologías descentralizadas. Integrará principios de mercadotecnia digital basada en datos, empleando Indicadores Clave de Desempeño (KPIs) y herramientas de analítica web para segmentar audiencias, optimizar la experiencia del cliente (CX) y contribuir a la escalabilidad de proyectos empresariales bajo un enfoque estratégico y ágil.

Fines de aprendizaje o formación

Al finalizar el curso, el estudiante habrá desarrollado una sólida capacidad de abstracción lógica y pensamiento algorítmico, esenciales para la resolución estructurada de problemas computacionales. Demostrará comprensión de los fundamentos del pensamiento computacional, incluyendo la aplicación rigurosa de la lógica proposicional y la identificación de las características que definen un algoritmo válido: finitud, precisión y eficacia. Asimismo, será competente en la representación formal de soluciones mediante herramientas estándar como diagramas de flujo (ANSI) y pseudocódigo estructurado.

El alumno adquirirá la habilidad práctica de diseñar e implementar algoritmos utilizando estructuras de control fundamentales. Esto implica el dominio de la secuencia, la correcta aplicación de estructuras condicionales (simples, dobles y de selección múltiple) y la implementación eficiente de estructuras iterativas (Mientras, Repetir Hasta, Desde) para la gestión de ciclos controlados. Además, será capaz de validar la exactitud de sus soluciones mediante pruebas de escritorio y la aplicación sistemática de la metodología de Entrada–Proceso–Salida (E-P-S).

La competencia culminante radica en el manejo de la complejidad a través de la modularidad y la descomposición funcional. El estudiante será capaz de construir soluciones estructuradas utilizando subalgoritmos (procedimientos y funciones), gestionando adecuadamente el ámbito de variables y el paso de parámetros por valor y por referencia. Finalmente, desarrollará la capacidad de manipular datos mediante arreglos unidimensionales (vectores) y aplicar algoritmos básicos como la búsqueda secuencial, consolidando así una base sólida para la programación estructurada y el desarrollo de software.

Fines de Aprendizaje o Formación

El alumno comprenderá el marco conceptual de la Contabilidad Financiera, identificando su evolución, objetivos y el rol esencial de la información para usuarios internos y externos. Se enfatizará la comprensión del marco regulatorio mexicano, específicamente las Normas de Información Financiera (NIF) y sus postulados básicos, asegurando la aplicación ética y rigurosa del principio de la Partida Doble en el reconocimiento inicial de las transacciones.

El estudiante desarrollará la competencia técnica para ejecutar de manera íntegra y sistemática el ciclo contable. Esto implica el registro adecuado de operaciones básicas (incluyendo el manejo introductorio del IVA) en los libros diario y mayor, la elaboración de la Balanza de Comprobación, y la aplicación de los asientos de ajuste y cierre (como la depreciación por línea recta), garantizando la obtención precisa de saldos que reflejen la realidad económica de la entidad.

Finalmente, el alumno estará capacitado para elaborar y presentar formalmente los Estados Financieros básicos (Estado de Posición Financiera y Estado de Resultados Integral) conforme a los criterios establecidos en las NIF. Esta competencia culminará en la capacidad de analizar e interpretar la situación financiera y el desempeño económico mediante métodos de porcentajes integrales, análisis de tendencias y razones financieras introductorias, proporcionando información relevante para la toma de decisiones gerenciales y de inversión.

Fines de Aprendizaje o Formación

El alumno desarrollará una comprensión sólida de los fundamentos teóricos de la Inteligencia Artificial, distinguiendo entre sus diversas tipologías (débil, fuerte y general) y su evolución histórica desde la prueba de Turing hasta la era de los datos masivos. Adquirirá la competencia para analizar la arquitectura conceptual de los modelos generativos avanzados, como los Modelos Grandes de Lenguaje (MLL) y los modelos de difusión, identificando el rol crucial de los datos, los procesos de preentrenamiento y las metodologías de validación que definen la funcionalidad de estos sistemas.

El estudiante estará capacitado para dominar la Ingeniería de Instrucciones (Prompt Engineering), aplicando estructuras metodológicas como el modelo C-R-T-F y técnicas avanzadas como la Cadena de Pensamiento (Chain of Thought, CoT) para optimizar la interacción con herramientas de IA Generativa. Esta competencia práctica le permitirá potenciar significativamente su productividad en diversas áreas, incluyendo la redacción de informes ejecutivos, la asistencia en la programación (generación y depuración de código) y el preanálisis de grandes volúmenes de datos no estructurados en contextos interdisciplinarios.

Finalmente, el alumno desarrollará una perspectiva crítica y ética indispensable. Será capaz de evaluar las implicaciones sociales y legales del uso de la IA Generativa, identificando y mitigando sesgos algorítmicos, y comprendiendo los desafíos relacionados con los derechos de autor, la propiedad intelectual y la desinformación (deepfakes). Esta alfabetización ética garantizará que el estudiante utilice la Inteligencia Artificial de manera responsable y profesional, preparándose para la reconversión de habilidades y la complementariedad humano-máquina en el entorno laboral futuro.

Fines de aprendizaje o formación

El estudiante adquirirá una comprensión sólida del paradigma de la Programación Orientada a Objetos (POO), transitando desde los conceptos modulares de la programación procedural. El enfoque se centrará en el dominio de los cuatro pilares esenciales: abstracción, encapsulamiento, herencia y polimorfismo, capacitándolo para diseñar y modelar soluciones informáticas complejas mediante la definición e instanciación de clases, la gestión estructurada de atributos y métodos, y la implementación rigurosa de modificadores de acceso que garanticen la integridad y ocultación de la información.

El alumno desarrollará la habilidad de aplicar principios avanzados de diseño orientado a objetos, incluyendo la correcta implementación de jerarquías de clases, la sobrescritura y sobrecarga de métodos, así como el uso de interfaces y clases abstractas para establecer contratos robustos de programación. Además, se capacitará para realizar el análisis de la complejidad algorítmica mediante la notación Big O, evaluando el rendimiento y la eficiencia de sus programas en relación con la gestión dinámica de la memoria (stack y heap).

La competencia central del estudiante radicará en la selección e implementación efectiva de Tipos Abstractos de Datos (TAD). Esto incluye el manejo operativo de estructuras lineales como listas enlazadas, pilas y colas, así como el dominio de estructuras asociativas mediante Tablas Hash y la comprensión introductoria de árboles binarios.

Finalmente, el alumno integrará las capacidades adquiridas para gestionar la persistencia básica de datos, realizando operaciones de Entrada/Salida de archivos y asegurando la robustez de las aplicaciones mediante el manejo adecuado de excepciones y la serialización de objetos.

Fines de Aprendizaje o Formación

Al finalizar el curso, el estudiante comprenderá el marco conceptual, los orígenes y la evolución del ecosistema Fintech, identificando los factores tecnológicos clave que impulsan su crecimiento y los modelos de negocio predominantes, así como la interacción entre reguladores, instituciones financieras tradicionales y el cliente digital en el mercado global.

Asimismo, desarrollará la capacidad de analizar críticamente la disrupción financiera, comparando la banca tradicional y las empresas Fintech en términos de estructura operativa, gestión del riesgo, agilidad, costos y escalabilidad. Evaluará estrategias de colaboración y digitalización, como alianzas estratégicas y Bank-as-a-Service, frente a los desafíos de la infraestructura y los sistemas convencionales.

Finalmente, el estudiante adquirirá conocimientos especializados sobre las principales verticales Fintech (Lending Tech, Payments Tech, Wealthtech, Neobanking, Insurtech y Regtech), siendo capaz de distinguir sus modelos operativos, el uso de macrodatos, pagos en tiempo real, robo-advisors y automatización regulatoria (KYC, AML), para analizar las implicaciones tecnológicas y estratégicas del futuro de los servicios financieros.

Fines de aprendizaje o formación 

El estudiante desarrollará una comprensión fundamental de la contabilidad de costos y su relevancia estratégica, diferenciándola de la contabilidad financiera. Identificará y gestionará los elementos del costo de producción (Materia Prima Directa, Mano de Obra Directa y Costos Indirectos de Fabricación), aplicando métodos de valuación de inventarios (PEPS y Costo Promedio) y comprendiendo el flujo contable de la producción.

Asimismo, adquirirá competencias para la determinación del costo unitario, mediante la aplicación de sistemas de costeo por órdenes de producción y por procesos, incluyendo el cálculo de la producción equivalente. Utilizará el análisis Costo-Volumen-Utilidad (CVU) para evaluar el punto de equilibrio y comparar el costeo absorbente y variable como apoyo a la toma de decisiones estratégicas.

Finalmente, el estudiante estará capacitado para la planeación y control financiero mediante la elaboración del Presupuesto Maestro, integrando presupuestos operativos y financieros, como el flujo de efectivo y los estados financieros proforma, con el fin de evaluar la rentabilidad futura y optimizar el desempeño económico de la entidad.

Fines de Aprendizaje o Formación

Al finalizar el curso, el alumno habrá consolidado un entendimiento robusto de los fundamentos de la Microeconomía, aplicándolos rigurosamente al análisis de los mercados tradicionales y, especialmente, a la economía digital. Desarrollará la competencia para analizar críticamente fenómenos como la escasez, el costo de oportunidad y la asignación de recursos a través del sistema de precios. Asimismo, será capaz de modelar el comportamiento de la oferta y la demanda en entornos digitales, dominando las herramientas de la elasticidad para interpretar la respuesta del mercado ante variaciones de precios, reconociendo las características distintivas de los bienes de información (no rivalidad y replicabilidad).

El estudiante desarrollará la capacidad de evaluar las decisiones de los agentes económicos bajo incertidumbre y asimetría informativa. Esto implica comprender la maximización de la utilidad del consumidor y la función de la restricción presupuestaria, incorporando los aportes de la economía conductual (sesgos cognitivos y nudging) para explicar la toma de decisiones en línea. En el ámbito empresarial, adquirirá la habilidad de analizar la función de producción y las estructuras de costos, con énfasis en el costo marginal cercano a cero y la maximización del beneficio en el contexto de plataformas tecnológicas.

La competencia final se centra en el análisis estratégico de estructuras de mercado complejas. El alumno distinguirá entre competencia perfecta, monopolio, competencia monopolística y oligopolio, aplicando la Teoría de Juegos para modelar la interdependencia estratégica. Además, evaluará el poder de mercado de las plataformas digitales y los monopolios de red, comprendiendo el impacto de las externalidades. Finalmente, estará capacitado para analizar estrategias avanzadas de fijación de precios digitales (discriminación algorítmica y modelos freemium) y emitir un juicio crítico sobre las implicaciones regulatorias de las grandes tecnológicas en el bienestar social.

Fines de Aprendizaje o Formación

Al finalizar la asignatura, el estudiante comprenderá los fundamentos de la arquitectura web, dominando el modelo cliente-servidor y los protocolos esenciales. Será capaz de construir la capa de presentación mediante el uso de HTML5 semántico y CSS3, aplicando Flexbox y Grid Layout para desarrollar interfaces responsivas, accesibles y adaptables a distintos dispositivos.

Asimismo, desarrollará la competencia para dotar de interactividad a las aplicaciones web, manipulando el DOM y utilizando JavaScript (ECMAScript) con programación asíncrona (Promesas y Async/Await) para la comunicación con el servidor. Diseñará la lógica del backend bajo el patrón Modelo Vista Controlador (MVC), implementando enrutamiento y APIs REST para la gestión eficiente de la información.

Finalmente, el estudiante integrará persistencia de datos con bases de datos relacionales (SQL) mediante ORM y operaciones CRUD, asegurando las aplicaciones con mecanismos de autenticación, gestión de sesiones y prevención de vulnerabilidades (XSS e inyección SQL). Las competencias adquiridas se consolidarán con la realización de pruebas básicas y el despliegue inicial de aplicaciones web en entornos productivos.

Fines de Aprendizaje o Formación

El estudiante desarrollará una comprensión sólida de la lógica inferencial, dominando las distribuciones de muestreo y el Teorema Central del Límite (TCL). Será capaz de seleccionar métodos de muestreo probabilístico, estimar parámetros poblacionales (media, proporción y varianza) y construir e interpretar intervalos de confianza, incluyendo la determinación del tamaño muestral.

Como competencia central, el alumno aplicará pruebas de hipótesis estadísticas, formulando correctamente las hipótesis nula y alternativa, interpretando el valor p y tomando decisiones informadas, minimizando errores Tipo I y Tipo II. Asimismo, utilizará el Análisis de Varianza (ANOVA) de uno y dos factores, realizando comparaciones post-hoc y seleccionando alternativas no paramétricas cuando los supuestos no se cumplan.

Finalmente, el estudiante será capaz de construir y evaluar modelos predictivos, mediante el análisis de correlación y la regresión lineal simple y múltiple, interpretando coeficientes y diagnósticos del modelo a través del análisis de residuales, para generar pronósticos confiables e intervalos de predicción, distinguiendo claramente causalidad y asociación estadística.

Fines de Aprendizaje o Formación

Al finalizar la asignatura, el estudiante comprenderá de manera integral la Gestión Empresarial de Riesgos (ERM), identificando y clasificando la taxonomía del riesgo financiero (sistemático, de mercado, de crédito y operacional). Aplicará el proceso de gestión de riesgos (identificación, medición, mitigación y monitoreo), entendiendo su rol organizacional a través del modelo de las Tres Líneas de Defensa y el fortalecimiento de la cultura de riesgo.

Asimismo, desarrollará competencias para cuantificar y modelar riesgos financieros mediante métricas estadísticas avanzadas, dominando la medición del Riesgo de Mercado a través de los enfoques de Valor en Riesgo (VaR) (paramétrico, histórico y simulación Monte Carlo), así como la aplicación de Backtesting y Stress Testing. En materia de Riesgo de Crédito, calculará la Pérdida Esperada (PD, LGD y EAD), analizará modelos estructurales como el de Merton y diseñará estrategias de mitigación con derivados de crédito y colaterales.

Finalmente, el estudiante integrará la administración de riesgos en la toma de decisiones financieras y el cumplimiento normativo, aplicando el Marco Regulatorio de Basilea III (Pilares 1, 2 y 3) para el cálculo de requerimientos de capital y su suficiencia. Además, identificará y propondrá soluciones frente a riesgos emergentes, incluyendo el riesgo operacional, de liquidez (LCR y NSFR) y los riesgos tecnológicos y cibernéticos asociados al entorno FinTech.

Fines de Aprendizaje o Formación

El estudiante desarrollará competencias avanzadas para la valuación de activos y la toma de decisiones financieras estratégicas, refinando modelos de flujo de efectivo mediante el ajuste del WACC por riesgo país y el uso de métodos alternativos como APV y Flujo al Capital (FTE). Integrará el análisis de Opciones Reales para valorar la flexibilidad estratégica, evaluando proyectos en entornos de alta incertidumbre.

Asimismo, adquirirá herramientas para formular decisiones estratégicas de alto nivel, incluyendo el diseño de la estructura de capital óptima con base en teorías modernas, la definición de políticas de dividendos y recompra de acciones, y la participación en procesos de fusiones y adquisiciones (M&A). Será capaz de cuantificar sinergias operativas y financieras y aplicar metodologías de valuación en procesos de debida diligencia.

Finalmente, el estudiante gestionará de forma estratégica la tesorería y el capital de trabajo, optimizando el ciclo de conversión de efectivo mediante soluciones tecnológicas y Fintech. Además, desarrollará la capacidad de gestionar riesgos financieros internacionales, en particular el riesgo cambiario, utilizando instrumentos derivados (futuros y opciones), y aplicará criterios de presupuestación de capital transfronteriza considerando tipos de cambio, inflación y riesgo político.

Fines de Aprendizaje o Formación

Al finalizar el curso, el estudiante comprenderá los fundamentos y la arquitectura de la Computación en la Nube, distinguiendo los modelos de servicio (IaaS, PaaS, SaaS) y de despliegue (pública, privada e híbrida), así como las bases de virtualización, hipervisores y contenerización. Será capaz de administrar infraestructura a nivel IaaS, gestionando máquinas virtuales, redes privadas virtuales (VPC) y almacenamiento distribuido por objetos y bloques.

Asimismo, desarrollará competencias en desarrollo nativo de la nube, aplicando contenerización con Docker, orquestación con Kubernetes y arquitecturas sin servidor (FaaS). Implementará pipelines de Integración y Despliegue Continuo (CI/CD) para automatizar y optimizar el desarrollo y despliegue de aplicaciones en entornos administrados.

Finalmente, el estudiante adquirirá habilidades para la seguridad, gobernanza y gestión financiera de entornos en la nube, aplicando gestión de identidad y acceso (IAM), el modelo de responsabilidad compartida y la observabilidad mediante métricas y monitoreo. Además, utilizará principios de FinOps para la optimización de costos, y asegurará la continuidad del negocio mediante alta disponibilidad y recuperación ante desastres, en cumplimiento de los marcos normativos vigentes.

Fines de Aprendizaje o Formación

El estudiante dominará los fundamentos de la mercadotecnia digital aplicada al ecosistema Fintech, comprendiendo los retos regulatorios y la importancia de la confianza en la comunicación de productos y servicios financieros. Será capaz de definir el Customer Journey, realizar segmentaciones avanzadas con macrodatos y diseñar estrategias de Experiencia de Usuario (UX) y Optimización de la Conversión (CRO), aplicando diseño centrado en el usuario y pruebas A/B.

Asimismo, desarrollará competencias para la adquisición de usuarios de alto valor, mediante la gestión avanzada de SEO especializado, campañas SEM/PPC y la creación de contenido de alta autoridad (YMYL). Aplicará estrategias de adquisición móvil (ASO y Mobile Attribution) y marketing de contenidos para fortalecer la credibilidad y el liderazgo de pensamiento en Fintech.

Finalmente, el estudiante estará capacitado para dirigir procesos de crecimiento y retención, aplicando el modelo AARRR y metodologías de Growth Hacking para optimizar activación, automatización y retención de usuarios. Medirá el desempeño mediante la Métrica Estrella del Norte, el Valor de Vida del Cliente (CLV) y el Costo de Adquisición (CAC), asegurando la rentabilidad, el cumplimiento normativo y la protección ética de los datos personales.

Fines de Aprendizaje o Formación

El estudiante desarrollará una comprensión sólida de los instrumentos financieros avanzados, identificando su marco conceptual, estructura de mercado y función económica. Será capaz de clasificar y diferenciar derivados bursátiles y extrabursátiles (OTC), comprendiendo sus finalidades de cobertura, especulación y arbitraje, así como el rol de las cámaras de compensación y la regulación global en la mitigación del riesgo de contraparte.

Asimismo, adquirirá habilidades para la modelización y valoración de derivados primarios (Forwards, Futuros y Opciones), dominando mecanismos de pricing como el coste de acarreo, la marcación a mercado, la paridad Call-Put y modelos cuantitativos (binomial y Black-Scholes-Merton). Complementará esta competencia con la gestión del riesgo mediante el análisis de las Griegas (Delta, Gamma, Vega y Theta).

Finalmente, el estudiante estará preparado para diseñar e implementar estrategias complejas de cobertura y especulación, incluyendo el coeficiente de cobertura óptimo, portafolios Delta y Gamma neutrales, y la valoración y uso de Swaps (tasas de interés y divisas) para la gestión avanzada del riesgo corporativo, integrando tendencias de digitalización, FinTech y negociación algorítmica en la toma de decisiones financieras.

Fines de Aprendizaje o Formación

El estudiante dominará los fundamentos conceptuales y neurocientíficos de la Inteligencia Emocional, comprendiendo modelos clave y la función adaptativa de las emociones. Desarrollará un autoconocimiento intrapersonal profundo, identificando y diferenciando sus estados afectivos, y evaluando su autoconcepto y autoeficacia como bases del bienestar psicológico.

Asimismo, adquirirá competencias para la regulación emocional, aplicando estrategias como la revaluación cognitiva, la aceptación y el mindfulness para manejar el estrés, modular impulsos y fortalecer la tolerancia a la frustración. Implementará técnicas de control y reducción del estrés que favorezcan la perseverancia, la automotivación intrínseca y el manejo constructivo del error.

Finalmente, el estudiante fortalecerá sus habilidades interpersonales mediante la empatía multidimensional, la escucha activa y la comunicación asertiva, e integrará la resiliencia y la mentalidad de crecimiento para afrontar el cambio y el trauma, prevenir el agotamiento profesional y promover un bienestar sostenido y el fortalecimiento continuo.

Fines de Aprendizaje o Formación

El estudiante desarrollará una comprensión integral del ecosistema Insurtech, diferenciándolo del entorno Fintech en términos de capitalización y gestión del riesgo. Analizará modelos de negocio disruptivos como seguros bajo demanda y esquemas P2P, evaluando su impacto en la cadena de valor aseguradora, así como los desafíos regulatorios clave, incluyendo requerimientos de solvencia y protección ética de datos personales.

Asimismo, estará capacitado para evaluar y proponer la aplicación estratégica de tecnologías emergentes en seguros, utilizando Inteligencia Artificial para la suscripción predictiva y gestión de siniestros, Internet de las Cosas (IoT) para seguros basados en el uso (UBI) y productos paramétricos, y Tecnología de Registro Distribuido (DLT) y contratos inteligentes para automatizar procesos y optimizar el reaseguro.

Finalmente, el estudiante adquirirá competencias para diseñar e implementar soluciones RegTech, garantizando el cumplimiento normativo automatizado mediante la digitalización regulatoria, el uso de SupTech para supervisión en tiempo real, y la automatización de procesos críticos como KYC y AML con identidad digital robusta. Integrará enfoques de Gobierno, Riesgo y Cumplimiento (GRC) apoyados en analítica de grandes volúmenes de datos.

Fines de Aprendizaje o Formación

Al finalizar la asignatura, el estudiante comprenderá los fundamentos y la arquitectura de los Sistemas de Registro Distribuido (DLT) y la Cadena de Bloques, distinguiendo su taxonomía, los modelos de participación (públicos y permisionados) y características clave como la inmutabilidad y la descentralización. Será capaz de comparar críticamente las arquitecturas DLT con las bases de datos tradicionales, identificando los componentes funcionales de una red distribuida.

Asimismo, desarrollará competencias para analizar y aplicar principios criptográficos que garantizan la seguridad e integridad de la cadena, incluyendo funciones hash y estructuras como la raíz de Merkle. Evaluará de manera rigurosa los mecanismos de consenso (Proof of Work y Proof of Stake), comprendiendo su papel en la tolerancia a fallos bizantinos, la consistencia del sistema y los riesgos asociados a cada modelo.

Finalmente, el estudiante estará capacitado para evaluar arquitecturas de criptomonedas como Bitcoin y Ethereum, comprendiendo la Máquina Virtual de Ethereum (EVM) y los fundamentos de los contratos inteligentes. Integrará soluciones avanzadas en el ecosistema Fintech, abordando retos de escalabilidad, tokenización de activos (fungibles y NFT), uso de oráculos y las implicaciones regulatorias asociadas.

Fines de Aprendizaje o Formación

El estudiante dominará los principios teóricos y prácticos del Aprendizaje Profundo, comprendiendo arquitecturas de redes neuronales, funciones de activación avanzadas, técnicas de regularización y algoritmos de optimización de vanguardia. Será capaz de implementar modelos complejos utilizando frameworks industriales como TensorFlow/Keras y PyTorch, gestionando datos de alta dimensión para el entrenamiento eficiente de redes neuronales multicapa.

Asimismo, desarrollará competencias para diseñar y aplicar soluciones de Deep Learning en dominios especializados, empleando Redes Neuronales Convolucionales (CNN) y aprendizaje por transferencia en visión por computadora, así como modelos de Procesamiento del Lenguaje Natural (PLN) basados en embeddings, LSTM/GRU y arquitecturas Transformer (BERT, GPT) para la comprensión y generación de secuencias.

Finalmente, el estudiante será competente para analizar y aplicar modelos generativos avanzados, como VAEs y GANs, y para evaluar, desplegar y monitorear modelos de aprendizaje automático considerando explicabilidad (XAI), robustez y mitigación de sesgos algorítmicos, integrando prácticas de MLOps que aseguren un uso ético, eficiente y escalable en entornos productivos.

Fines de Aprendizaje o Formación

Al finalizar el curso, el estudiante comprenderá el rol estratégico de la auditoría de sistemas de información en entornos Fintech, aplicando estándares internacionales como COBIT e ISO/IEC 27000 para fortalecer la gobernanza, gestión de riesgos y cumplimiento (GRC). Será capaz de realizar auditorías basadas en riesgos, verificando el cumplimiento normativo y regulatorio (GDPR, AML y KYC) y documentando hallazgos con independencia y objetividad profesional.

Asimismo, desarrollará competencias para ejecutar auditorías técnicas sobre infraestructuras y aplicaciones críticas, evaluando entornos de computación en la nube, gestión de identidades y accesos (IAM) y la integridad de bases de datos transaccionales. Aplicará auditoría de seguridad en el ciclo de vida del desarrollo de software (SDLC) para sistemas de pago y APIs de Banca Abierta, incluyendo la identificación de vulnerabilidades mediante pruebas de penetración.

Finalmente, el estudiante adquirirá habilidades especializadas en auditoría forense digital, dominando el proceso forense (preservación, adquisición y cadena de custodia de la evidencia) y el análisis de artefactos del sistema. Abordará la investigación de fraudes en entornos DLT y Blockchain, aplicando técnicas de trazabilidad de criptoactivos, y elaborará informes periciales sólidos con validez legal y judicial.

Fines de Aprendizaje o Formación

El estudiante adquirirá la capacidad de conceptualizar y estructurar proyectos de innovación FinTech, identificando necesidades financieras no cubiertas, analizando el mercado objetivo y delimitando el alcance del proyecto mediante verticales tecnológicas, integrando la fundamentación teórica, la justificación de la propuesta de valor y las implicaciones éticas y normativas.

Asimismo, desarrollará competencias para la validación de la propuesta de valor y el modelado de negocio, aplicando metodologías de investigación de mercado y enfoques ágiles (Scrum/Kanban). Definirá modelos de ingresos, evaluará la viabilidad económica inicial (ROI) y especificará requerimientos funcionales y no funcionales, priorizando la ciberseguridad y la escalabilidad, así como el diseño de la arquitectura tecnológica y de bases de datos.

Finalmente, el estudiante demostrará habilidades para el diseño centrado en el usuario (UX/UI) y la implementación del Producto Mínimo Viable (MVP), integrando desarrollo de software, pruebas de calidad (QA) y principios básicos de DevOps. Analizará métricas clave (KPIs) y retroalimentación de usuarios, validando la hipótesis de mercado y elaborando un plan de continuidad para la siguiente fase de desarrollo del proyecto.

Fines de Aprendizaje o Formación

El estudiante adquirirá una comprensión profunda del diseño centrado en el usuario (UX/UI) aplicado al ecosistema Web3 y Fintech descentralizado, siendo capaz de mapear la lógica de negocio y traducir propuestas de valor en requisitos funcionales para aplicaciones descentralizadas (dApps). Dominará el prototipado de interfaces y la arquitectura de la información, diseñando soluciones de usabilidad que mitiguen retos operativos como el manejo de claves privadas y los costos de gas.

Asimismo, desarrollará competencias técnicas en la ingeniería de contratos inteligentes, utilizando la Máquina Virtual de Ethereum (EVM) y el lenguaje Solidity. Implementará y gestionará estándares de tokens fungibles (ERC-20) y no fungibles (ERC-721, ERC-1155), aplicando patrones de diseño robustos para estructurar la lógica de negocio descentralizada, incluyendo mecanismos de gobernanza y reserva de liquidez.

Finalmente, el estudiante estará capacitado para garantizar la seguridad y eficiencia de productos FinTech descentralizados, mediante la identificación y mitigación de vulnerabilidades, la optimización avanzada de costos de gas y el uso de herramientas de auditoría estática y dinámica. Integrará la interfaz de usuario con la cadena de bloques mediante bibliotecas como Ethers.js, gestionará infraestructura de despliegue profesional (CI/CD) y empleará servicios de indexación de datos, completando el ciclo profesional de desarrollo de productos Web3.

Fines de Aprendizaje o Formación

Al finalizar el curso, el estudiante desarrollará una comprensión estratégica del Gobierno Corporativo aplicado al sector FinTech, analizando y contrastando modelos de GC (anglosajón, continental y el híbrido de startups) y aplicando los Principios de la OCDE para FinTech. Esta competencia permitirá mitigar conflictos de agencia, garantizar el trato equitativo a accionistas e inversionistas, y acompañar el ciclo de vida de la empresa desde semilla hasta OPI.

Asimismo, adquirirá competencias para diseñar e implementar estructuras de gobierno robustas, definiendo la composición idónea del Consejo de Administración con perfiles tecnológicos y regulatorios (RegTech) y ejerciendo la responsabilidad fiduciaria (deber de cuidado y lealtad). Dominará la gobernanza tecnológica mediante comités especializados, supervisando riesgos sistémicos, operacionales y de modelos (IA), y asegurando la protección de datos y la ciberseguridad como responsabilidades fiduciarias primarias.

Finalmente, el estudiante integrará una cultura de cumplimiento ético y la gestión estratégica del riesgo corporativo, abordando la integridad algorítmica (prevención de sesgos) y aplicando un Marco de Cumplimiento Regulatorio Avanzado (incluida PLD/AML). Estará preparado para gestionar crisis de gobierno corporativo, y analizar los desafíos de nuevos paradigmas como DeFi y DAO, garantizando transparencia, rendición de cuentas y sostenibilidad futura.

Fines de Aprendizaje o Formación

El estudiante dominará la culminación técnica del Producto Mínimo Viable (MVP), asegurando la calidad del código mediante refactorización avanzada y pruebas de nivel productivo, incluyendo análisis de seguridad (SAST/DAST) y verificación de escalabilidad. Aplicará ingeniería DevOps, configurando Despliegue Continuo (CD), infraestructura como código, y monitoreo y observabilidad para la operación confiable en entornos productivos.

Asimismo, desarrollará competencias para modelar la viabilidad empresarial y financiera de la solución FinTech, elaborando un plan de mercadotecnia para adquisición de usuarios, proyecciones financieras (flujo de efectivo y punto de equilibrio) y métodos de valuación de startups. Este dominio permitirá diseñar una estrategia de crecimiento escalable y estructurar la documentación (Pitch Deck) para la negociación con capital de riesgo.

Finalmente, el estudiante demostrará una competencia integradora al sintetizar hallazgos técnicos, económicos y regulatorios en un informe ejecutivo final. Desarrollará habilidades de oratoria y defensa profesional ante un sínodo académico, presentando la propuesta de valor y resultados del MVP, y respondiendo con solvencia sobre riesgos operacionales, cumplimiento normativo y viabilidad futura del proyecto.

Fines de Aprendizaje o Formación

El estudiante desarrollará una comprensión crítica de las Finanzas Descentralizadas (DeFi), diferenciándolas del sistema financiero tradicional (TradFi) y comprendiendo el principio de componibilidad (Money Legos). Analizará la arquitectura blockchain aplicada a las finanzas, incluyendo contratos inteligentes en entornos EVM, mecanismos de escalabilidad (Layer 2) e infraestructura de interoperabilidad.

Asimismo, estará capacitado para evaluar y operar protocolos DeFi, comprendiendo la dinámica de tokens fungibles y no fungibles, los mecanismos de estabilidad y riesgo de las stablecoins, y la operación de DEX mediante AMM, incluyendo el cálculo del Impermanent Loss y estrategias de liquidez concentrada. Aplicará técnicas de Yield Farming y Staking, así como la gestión de colateral en protocolos de préstamo algorítmico.

Finalmente, el estudiante desarrollará competencias para gestionar riesgos técnicos y financieros en DeFi, analizar modelos de gobernanza descentralizada (DAO) y su tokenómica, e integrar una perspectiva regulatoria global, identificando desafíos de cumplimiento (AML/KYC), fiscalidad y la evolución hacia DeFi institucional.

Fines de aprendizaje o formación

Al finalizar el curso, el estudiante desarrollará una comprensión sólida y contextualizada de los fundamentos de la administración moderna, integrando el conocimiento sobre la naturaleza, propósito y evolución histórica de las teorías gerenciales. Analizará los enfoques clásicos, el taylorismo y fayolismo, así como las perspectivas sistémicas y humanísticas, comprendiendo a la organización como un sistema interdependiente vinculado a su entorno económico y digital. Asimismo, aplicará los principios de la Responsabilidad Social Empresarial y la ética gerencial como bases esenciales para la toma de decisiones estratégicas y funcionales.

La segunda competencia fundamental se centra en el dominio integral del proceso administrativo. El estudiante será capaz de planear estrategias y tácticas (misión y visión), diseñar estructuras organizacionales (lineal, matricial y divisional), dirigir equipos mediante la aplicación de teorías de liderazgo y motivación, y establecer mecanismos de control y evaluación del desempeño. De manera complementaria, estructurará proyectos bajo enfoques predictivos, identificando su ciclo de vida y las tres restricciones fundamentales: alcance, tiempo y costo, utilizando herramientas como la Estructura de Desglose del Trabajo (EDT) y el Diagrama de Gantt.

Finalmente, el curso fortalece la capacidad para desempeñarse en entornos dinámicos y de alta incertidumbre mediante la gestión ágil. El estudiante comprenderá y aplicará los valores y principios del Manifiesto Ágil, así como los roles, artefactos y eventos del marco de trabajo Scrum, incluyendo el Maestro de Scrum, la Pila del Producto, la Planificación del Sprint y las Retrospectivas. De este modo, estará preparado para integrarse en equipos multidisciplinarios que gestionen proyectos de manera iterativa e incremental, utilizando métricas básicas de desempeño como la velocidad para la mejora continua.

Fines de aprendizaje o formación

El estudiante desarrollará una comprensión sólida de los fundamentos conceptuales de la Economía y los Negocios Digitales, diferenciando claramente entre la economía tradicional y la economía digitalizada. Será capaz de identificar los componentes esenciales del ecosistema digital —infraestructura tecnológica, plataformas y usuarios— y analizar cómo principios económicos distintivos, como los costos marginales cercanos a cero y los efectos de red, transforman la creación de valor, la dinámica competitiva y los procesos de transformación digital en organizaciones a nivel global.

El alumno adquirirá una visión estratégica para identificar y clasificar modelos de negocio digitales, abarcando desde el comercio electrónico B2C hasta modelos de suscripción y plataformas de doble cara. Comprenderá el dato como activo estratégico, reconociendo su ciclo de vida y aplicando fundamentos de seguridad basados en la Tríada de Confidencialidad, Integridad y Disponibilidad (CIA), esenciales para la gestión de riesgos, la protección de la información y la generación de confianza en entornos digitales.

Finalmente, el estudiante estará capacitado para analizar el alcance de la tecnología financiera (Fintech) y su impacto disruptivo en sistemas de pago y servicios financieros, incluyendo el rol conceptual de tecnologías descentralizadas. Integrará principios de mercadotecnia digital basada en datos, empleando Indicadores Clave de Desempeño (KPIs) y herramientas de analítica web para segmentar audiencias, optimizar la experiencia del cliente (CX) y contribuir a la escalabilidad de proyectos empresariales bajo un enfoque estratégico y ágil.

Fines de aprendizaje o formación

Al finalizar el curso, el estudiante habrá desarrollado la capacidad de analizar y resolver sistemas de ecuaciones lineales mediante métodos directos e iterativos, tales como la eliminación Gaussiana y Gauss-Jordan. Asimismo, dominará el álgebra matricial, incluyendo el cálculo de determinantes e inversas a través de cofactores y la regla de Sarrus, y comprenderá la estructura y operaciones de los números complejos, elementos esenciales para la modelación en ingeniería y tecnología.

El alumno adquirirá un conocimiento profundo de las estructuras algebraicas fundamentales, siendo capaz de definir, identificar y operar con espacios y subespacios vectoriales. Desarrollará la competencia para evaluar la dependencia e independencia lineal, determinar bases y dimensiones (incluyendo bases ortogonales) y aplicar el teorema rango-nulidad para caracterizar los espacios fundamentales de una matriz, fortaleciendo su razonamiento matemático abstracto y formal.

La competencia culminante se centra en la aplicación del álgebra lineal al modelado matemático y a las transformaciones lineales. El estudiante será capaz de identificar y caracterizar transformaciones lineales, calcular valores y vectores propios para la diagonalización de matrices y aplicar estos conceptos en el análisis de modelos dinámicos, como sistemas poblacionales o cadenas de Markov. Además, comprenderá el papel del álgebra lineal en la reducción de dimensionalidad y en los fundamentos matemáticos que sustentan algoritmos de ponderación de información y motores de búsqueda.

Fines de Aprendizaje o Formación

El estudiante desarrollará una base sólida en alfabetización digital, comprendiendo los principios de la ciudadanía digital responsable, incluyendo el reconocimiento de derechos y responsabilidades en el ciberespacio y la sensibilidad ante la brecha digital. Adquirirá competencias en la gestión eficiente de sistemas operativos, así como en la implementación de estrategias de nomenclatura, clasificación y respaldo sistemático de archivos. Además, dominará la navegación avanzada y el uso de operadores booleanos, garantizando la evaluación rigurosa de la fiabilidad y veracidad de fuentes en línea para una productividad académica y profesional informada.

El alumno será capaz de gestionar su identidad digital y huella profesional, aplicando estrategias robustas de ciberseguridad personal. Esto implica el uso de autenticación multifactorial, el dominio de protocolos seguros de acceso (VPN) y la prevención activa frente a amenazas como el phishing y la ingeniería social. Paralelamente, logrará el dominio de herramientas colaborativas en la nube, optimizando flujos de trabajo mediante funciones avanzadas de hojas de cálculo (tablas dinámicas), documentación concurrente y el uso de metodologías como Kanban para fortalecer la eficiencia en equipos de trabajo.

Finalmente, el estudiante desarrollará competencias en la curaduría estratégica de contenidos digitales, realizando procesos de selección, filtrado y contextualización de información relevante. Esta formación se complementará con la capacidad de elaborar y publicar contenidos multimedia básicos de manera ética, aplicando principios de diseño y visualización de datos. Concluirá demostrando un manejo ético del contenido digital, comprendiendo la normativa básica de protección de datos personales y aplicando correctamente los derechos de autor y licencias de contenido (Creative Commons) en la compartición de recursos.

Fines de Aprendizaje o Formación

El alumno comprenderá el marco conceptual de la Contabilidad Financiera, identificando su evolución, objetivos y el rol esencial de la información para usuarios internos y externos. Se enfatizará la comprensión del marco regulatorio mexicano, específicamente las Normas de Información Financiera (NIF) y sus postulados básicos, asegurando la aplicación ética y rigurosa del principio de la Partida Doble en el reconocimiento inicial de las transacciones.

El estudiante desarrollará la competencia técnica para ejecutar de manera íntegra y sistemática el ciclo contable. Esto implica el registro adecuado de operaciones básicas (incluyendo el manejo introductorio del IVA) en los libros diario y mayor, la elaboración de la Balanza de Comprobación, y la aplicación de los asientos de ajuste y cierre (como la depreciación por línea recta), garantizando la obtención precisa de saldos que reflejen la realidad económica de la entidad.

Finalmente, el alumno estará capacitado para elaborar y presentar formalmente los Estados Financieros básicos (Estado de Posición Financiera y Estado de Resultados Integral) conforme a los criterios establecidos en las NIF. Esta competencia culminará en la capacidad de analizar e interpretar la situación financiera y el desempeño económico mediante métodos de porcentajes integrales, análisis de tendencias y razones financieras introductorias, proporcionando información relevante para la toma de decisiones gerenciales y de inversión.

Fines de Aprendizaje o Formación

Al finalizar el curso, el alumno habrá desarrollado la capacidad de clasificar y organizar conjuntos de datos complejos. Esta competencia incluye la identificación correcta de tipos de variables y escalas de medición, la aplicación de técnicas básicas de muestreo y el cálculo e interpretación de las medidas descriptivas fundamentales: tendencia central, posición y dispersión. El estudiante será capaz de generar representaciones gráficas efectivas, como histogramas y diagramas de caja, para la exploración inicial y el resumen conciso de la información numérica.

La segunda competencia esencial se centra en la cuantificación de la incertidumbre mediante la teoría elemental de la probabilidad. El alumno comprenderá los axiomas y aplicará correctamente las reglas de adición y multiplicación para calcular probabilidades conjuntas y condicionales. Asimismo, utilizará el Teorema de Bayes para la actualización de probabilidades, estableciendo bases sólidas para la modelización de fenómenos aleatorios y la toma de decisiones bajo riesgo.

Finalmente, el estudiante estará preparado para modelar situaciones reales utilizando las principales distribuciones de probabilidad. Esto implica el dominio de modelos discretos como la Binomial y la Poisson, así como la aplicación rigurosa de la Distribución Normal estándar (curva Z). El alumno podrá estandarizar variables aleatorias, calcular probabilidades y seleccionar el modelo estadístico adecuado, interpretando los resultados para ofrecer conclusiones fundamentadas en contextos de negocios, economía y tecnología.

Fines de aprendizaje o formación

El estudiante desarrollará una comprensión sólida de los fundamentos de los Sistemas de Bases de Datos Relacionales, incluyendo su propósito, arquitectura de tres niveles y modelo relacional. Será capaz de diseñar conceptualmente bases de datos mediante el Modelo Entidad-Relación (MER), asegurando la correcta representación de los requisitos del sistema de información.

Asimismo, el alumno demostrará la capacidad de transformar modelos conceptuales en esquemas relacionales lógicos, aplicando técnicas de normalización hasta la Forma Normal de Boyce-Codd (FNBC) para eliminar redundancias y anomalías. Implementará la estructura de la base de datos mediante el Lenguaje de Definición de Datos (DDL), definiendo claves primarias, foráneas y restricciones de integridad referencial.

Finalmente, el estudiante dominará el Lenguaje de Consulta Estructurado (SQL) para la manipulación y recuperación avanzada de datos, elaborando consultas complejas con funciones de agregación, subconsultas y uniones (JOINs). Además, aplicará principios de integridad transaccional (ACID), seguridad mediante vistas, y lógica de negocio con procedimientos almacenados y disparadores, optimizando el desempeño básico a través del uso de índices.

Fines de Aprendizaje o Formación

Al finalizar el curso, el estudiante dominará los fundamentos de la Microeconomía, aplicándolos al análisis de mercados tradicionales y economía digital. Será capaz de modelar oferta, demanda y elasticidad, interpretar la escasez y el costo de oportunidad, y comprender las características de los bienes de información (no rivalidad y replicabilidad).

Desarrollará la competencia para analizar decisiones bajo incertidumbre y asimetría informativa, integrando la maximización de utilidad, restricción presupuestaria y economía conductual (sesgos y nudging). Asimismo, evaluará la función de producción, estructuras de costos y maximización del beneficio, con énfasis en el costo marginal cercano a cero en plataformas digitales.

Finalmente, estará capacitado para analizar estructuras de mercado complejas (competencia perfecta, monopolio, oligopolio), aplicar Teoría de Juegos y evaluar el poder de mercado en plataformas y monopolios de red. Podrá diseñar y cuestionar estrategias de precios digitales (discriminación algorítmica, freemium) y emitir juicios informados sobre la regulación y el bienestar social en la economía digital.

Fines de Aprendizaje o Formación

El estudiante dominará los fundamentos de las matemáticas financieras, comprendiendo el valor temporal del dinero y la equivalencia financiera. Aplicará correctamente el interés simple y compuesto, utilizando fórmulas de capitalización, descuento y cálculo del tiempo, así como la determinación de la Tasa de Interés Efectiva (TIE) para el análisis financiero y la toma de decisiones.

Asimismo, desarrollará habilidades para modelar series de pagos y deudas, mediante el análisis de anualidades ordinarias, anticipadas y diferidas, y la elaboración de tablas de amortización (sistemas francés y alemán) y fondos de acumulación, considerando el impacto de las variables financieras en la planeación a mediano y largo plazo. Además, aplicará gradientes aritméticos y geométricos para la valoración de flujos de efectivo no uniformes.

Finalmente, el estudiante estará capacitado para evaluar la rentabilidad y viabilidad de proyectos de inversión, mediante el cálculo e interpretación del VAN y la TIR, así como para la valoración de instrumentos de renta fija, determinando el precio de bonos y su rendimiento al vencimiento (YTM), integrando soluciones financieras complejas en el ámbito profesional.

Fines de aprendizaje o formación

Al finalizar la asignatura, el estudiante habrá desarrollado una comprensión profunda de los fundamentos de la comunicación humana, incluyendo sus axiomas y modelos transaccionales. Aplicará de manera efectiva la escucha activa y la identificación de barreras comunicacionales, adoptando un estilo de comunicación asertiva mediante técnicas como el mensaje “yo”, que le permitirán expresar necesidades, manejar la crítica y afrontar situaciones de manipulación interpersonal de forma constructiva.

Asimismo, el alumno adquirirá habilidades avanzadas de oratoria estratégica, estructurando discursos formales persuasivos con base en logos, pathos y ethos, gestionando el miedo escénico y utilizando adecuadamente apoyos visuales. De manera complementaria, desarrollará competencias para el trabajo colaborativo, identificando roles funcionales y disfuncionales, delegando tareas de forma efectiva y fomentando la sinergia para la toma de decisiones por consenso en equipos de alto rendimiento.

Finalmente, el estudiante estará capacitado para la gestión del conflicto interpersonal, comprendiendo sus fuentes y estilos de afrontamiento conforme al modelo Thomas–Kilmann. Diseñará y aplicará estrategias de negociación colaborativa (ganar–ganar), identificando intereses y alternativas (MAAN), y demostrará adaptabilidad comunicacional en contextos culturalmente diversos, así como el dominio de protocolos de comunicación y netiqueta en entornos virtuales y de trabajo remoto.

Fines de Aprendizaje o Formación

El estudiante dominará los fundamentos teóricos de la semiótica, diferenciando las corrientes del estructuralismo (Saussure) y la pragmática (Peirce). Será capaz de identificar y clasificar las taxonomías del signo (ícono, índice y símbolo), comprendiendo los niveles de denotación y connotación en la construcción estratégica de mensajes visuales y textuales.

Desarrollará competencias para la decodificación crítica del discurso, aplicando principios de retórica clásica y neorretórica, así como metodologías de análisis estructural e iconológico (Panofsky). Integrará la sintaxis visual (composición, color, luz) y los códigos culturales en la interpretación de narrativas y mitos contemporáneos.

Finalmente, utilizará la semiótica como herramienta estratégica en branding y comunicación, construyendo universos semánticos de marca y diseñando narrativas visuales efectivas (storytelling). Aplicará el análisis semiótico a códigos digitales (memes, emojis) y a la investigación cualitativa para el diseño de producto y experiencia de usuario (UX).

Fines de Aprendizaje o Formación

El estudiante desarrollará una comprensión profunda del ecosistema de los motores de búsqueda, su funcionamiento algorítmico y la intención de búsqueda del usuario. Será competente en la aplicación de SEO Técnico, On-Page y Off-Page, realizando investigación avanzada de palabras clave y utilizando herramientas como Google Search Console y GA4 para fundamentar estrategias digitales basadas en datos.

Adquirirá habilidades para optimizar la arquitectura de información y experiencia de usuario (UX), gestionando enlaces internos, URLs, Schema Markup, robots.txt y canonicalización. Dominará la mejora del rendimiento mediante Core Web Vitals y el enfoque Mobile-First, garantizando una indexación eficiente y escalabilidad del tráfico orgánico.

Finalmente, desarrollará la capacidad de construir autoridad digital, implementando estrategias de link building, contenido basado en E-E-A-T y SEO local. Será capaz de realizar auditorías SEO integrales, interpretar métricas clave y adaptar estrategias ante actualizaciones algorítmicas e IA generativa, manteniendo un enfoque estratégico, ético y orientado a resultados.

Fines de Aprendizaje o Formación

Al finalizar la asignatura, el estudiante comprenderá los fundamentos de la arquitectura web, dominando el modelo cliente-servidor y los protocolos esenciales. Será capaz de construir la capa de presentación mediante el uso de HTML5 semántico y CSS3, aplicando Flexbox y Grid Layout para desarrollar interfaces responsivas, accesibles y adaptables a distintos dispositivos.

Asimismo, desarrollará la competencia para dotar de interactividad a las aplicaciones web, manipulando el DOM y utilizando JavaScript (ECMAScript) con programación asíncrona (Promesas y Async/Await) para la comunicación con el servidor. Diseñará la lógica del backend bajo el patrón Modelo Vista Controlador (MVC), implementando enrutamiento y APIs REST para la gestión eficiente de la información.

Finalmente, el estudiante integrará persistencia de datos con bases de datos relacionales (SQL) mediante ORM y operaciones CRUD, asegurando las aplicaciones con mecanismos de autenticación, gestión de sesiones y prevención de vulnerabilidades (XSS e inyección SQL). Las competencias adquiridas se consolidarán con la realización de pruebas básicas y el despliegue inicial de aplicaciones web en entornos productivos.

Fines de Aprendizaje o Formación

El alumno desarrollará una comprensión profunda de la transición paradigmática de la antropología clásica hacia el estudio del ciberespacio y las culturas digitales. Dominará los marcos teóricos fundamentales —cibercultura, tecnocultura y sociedad red— y diferenciará críticamente los enfoques duales y unificados de la relación entre lo online y lo offline. Estará capacitado para analizar la construcción de la identidad, la agencia y la performatividad en entornos virtuales, reconociendo la nueva materialidad del sujeto, el espacio y la temporalidad digital en la configuración de prácticas sociales contemporáneas.

El estudiante adquirirá competencias metodológicas rigurosas para el diseño e implementación de proyectos de Netnografía. Esto incluye la selección y delimitación estratégica de comunidades digitales, la aplicación sistemática de técnicas de recolección de datos cualitativos en línea —como la observación participante digital, entrevistas asincrónicas y análisis de artefactos visuales— así como la interpretación semiótica del lenguaje propio del entorno digital (memes, narrativas transmedia, emojis y códigos simbólicos emergentes). Asimismo, integrará criterios éticos y legales en el proceso investigativo, garantizando el consentimiento informado, la protección del anonimato y el manejo responsable de datos públicos y privados.

Al finalizar el curso, el alumno será capaz de analizar en profundidad comunidades, tribus y subculturas digitales, identificando estructuras de poder, jerarquías simbólicas, dinámicas de cohesión, normas implícitas y valores compartidos. La competencia culminante radica en la aplicación estratégica de los hallazgos netnográficos: transformar el análisis cualitativo —apoyado en software especializado de análisis de datos— en insights culturales accionables, detectar y anticipar tendencias socioculturales (coolhunting digital) y formular estrategias de mercadotecnia, posicionamiento de marca y diseño de experiencia de usuario que demuestren una auténtica resonancia cultural y pertinencia contextual.

Fines de Aprendizaje o Formación

El alumno comprenderá la fundamentación teórica y financiera de la Mercadotecnia de Resultados (Performance Marketing), diferenciando rigurosamente los modelos de atribución y dominando el cálculo e interpretación de métricas clave como el Retorno de la Inversión (ROI y ROAS), el Costo por Adquisición (CPA) y el Valor de Vida del Cliente (LTV). Desarrollará una visión integral del ecosistema AdTech y MarTech, identificando la arquitectura programática, los tipos de datos disponibles para segmentación y los desafíos emergentes en materia de privacidad, incluyendo el entorno sin cookies de terceros.

El estudiante estará capacitado para ejecutar estrategias en entornos de compra automatizada. Esto implica el dominio de la Publicidad Programática, la configuración operativa de plataformas del lado de la demanda (DSP) y del lado de la oferta (SSP), así como la aplicación táctica del Real-Time Bidding (RTB) en distintos formatos digitales (display, video y audio). Asimismo, diseñará y optimizará campañas de Mercadotecnia en Motores de Búsqueda (SEM), gestionando palabras clave de alta intención, mejorando el Nivel de Calidad y aplicando estrategias de puja automatizadas orientadas a CPA o ROAS objetivo.

Finalmente, el alumno desarrollará competencias analíticas avanzadas para la Optimización de la Tasa de Conversión (CRO). Será capaz de formular hipótesis basadas en datos, diseñar e implementar pruebas A/B y multivariables, e interpretar estadísticamente los resultados para la toma de decisiones. Dominará la configuración de eventos y conversiones mediante gestores de etiquetas, asegurando la trazabilidad integral del recorrido del usuario y maximizando la eficiencia financiera de la inversión publicitaria.

Fines de Aprendizaje o Formación

Al finalizar el curso, el estudiante comprenderá los fundamentos y la arquitectura de la Computación en la Nube, distinguiendo los modelos de servicio (IaaS, PaaS, SaaS) y de despliegue (pública, privada e híbrida), así como las bases de virtualización, hipervisores y contenerización. Será capaz de administrar infraestructura a nivel IaaS, gestionando máquinas virtuales, redes privadas virtuales (VPC) y almacenamiento distribuido por objetos y bloques.

Asimismo, desarrollará competencias en desarrollo nativo de la nube, aplicando contenerización con Docker, orquestación con Kubernetes y arquitecturas sin servidor (FaaS). Implementará pipelines de Integración y Despliegue Continuo (CI/CD) para automatizar y optimizar el desarrollo y despliegue de aplicaciones en entornos administrados.

Finalmente, el estudiante adquirirá habilidades para la seguridad, gobernanza y gestión financiera de entornos en la nube, aplicando gestión de identidad y acceso (IAM), el modelo de responsabilidad compartida y la observabilidad mediante métricas y monitoreo. Además, utilizará principios de FinOps para la optimización de costos, y asegurará la continuidad del negocio mediante alta disponibilidad y recuperación ante desastres, en cumplimiento de los marcos normativos vigentes.

Fines de Aprendizaje o Formación

El estudiante dominará la Automatización de Mercadotecnia (MA), comprendiendo su alcance estratégico dentro del ecosistema MarTech y su integración con CRM (GRC) y CDP. Será capaz de evaluar su impacto en la eficiencia operativa y el Retorno de la Inversión (ROI), asegurando el cumplimiento ético y normativo (GDPR, CCPA) y la correcta gestión del gobierno de datos.

Desarrollará la competencia para diseñar y optimizar el Customer Journey, utilizando datos de comportamiento para mapear el ciclo de vida del cliente, identificar puntos de contacto críticos y construir flujos automatizados con lógica condicional. Además, implementará modelos de Lead Scoring y clasificación automatizada (MQL, SQL) para mejorar la conversión y la alineación con ventas.

Finalmente, estará capacitado para crear, desplegar y medir campañas automatizadas multicanal (email marketing, audiencias publicitarias, chatbots), aplicando personalización avanzada y contenido dinámico. Analizará KPIs clave, calculará LTV y CAC, y aplicará pruebas A/B para optimizar el rendimiento, garantizando una estrategia de automatización rentable y basada en datos

Fines de Aprendizaje o Formación

Al finalizar el curso, el estudiante desarrollará una comprensión estratégica del ecosistema de comercio electrónico, identificando modelos de negocio (B2C, B2B, D2C) y tendencias como la omnicanalidad. Será capaz de evaluar la viabilidad técnica, financiera y legal de proyectos digitales, asegurando el cumplimiento de la normativa en protección de datos y derechos del consumidor.

El alumno adquirirá competencias para seleccionar y gestionar plataformas de E-commerce, integrando sistemas como ERP y CRM, y optimizando procesos de fulfillment, inventario multicanal y logística inversa. Asimismo, comprenderá la importancia de la experiencia del usuario (UX) en la conversión y retención.

Finalmente, dominará la gestión financiera y transaccional del negocio digital, implementando pasarelas de pago seguras, cumpliendo estándares como PCI DSS y aplicando estrategias de prevención de fraude. Será competente en la definición y monitoreo de KPIs y en la aplicación de estrategias de CRO para garantizar la rentabilidad y sostenibilidad de la tienda en línea.