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
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
El estudiante desarrollará una comprensión integral de los fundamentos teóricos y prácticos necesarios para el diseño y la protección de entornos de red complejos. Será competente para analizar críticamente los modelos de referencia de red, identificando los riesgos inherentes a los protocolos TCP/IP en sus distintas capas. Asimismo, adquirirá la capacidad de diseñar arquitecturas de seguridad robustas, aplicando los principios de Defensa en Profundidad y la segmentación lógica de la red mediante VLAN, listas de control de acceso (ACL) y zonas desmilitarizadas (DMZ), asegurando la alineación del diseño con los marcos de gobernanza y las políticas de seguridad corporativas.
El alumno desarrollará habilidades operativas avanzadas en la implementación y administración de herramientas de seguridad perimetral, incluyendo la configuración y el endurecimiento (hardening) de Cortafuegos de Nueva Generación (NGFW). Dominará funcionalidades clave como la inspección profunda de paquetes (DPI), el control de acceso basado en identidad y la optimización de reglas de tráfico mediante NAT y PAT. Además, será capaz de desplegar, ajustar y gestionar Sistemas de Detección y Prevención de Intrusiones (IDS/IPS), minimizando falsos positivos y adaptando firmas personalizadas para responder de manera efectiva a amenazas conocidas y emergentes.
Al finalizar el curso, el estudiante estará capacitado para implementar soluciones de acceso remoto y comunicaciones seguras, mediante el diseño e instalación de Redes Privadas Virtuales (VPN) tanto Sitio a Sitio (IPsec) como de Acceso Remoto (SSL/TLS), integrando mecanismos de autenticación robusta, incluyendo autenticación multifactor (MFA). Finalmente, comprenderá los principios de protección de la capa de aplicación, mediante el uso de Cortafuegos de Aplicaciones Web (WAF), así como los fundamentos de la Arquitectura de Confianza Cero (Zero Trust Architecture), sentando las bases para la adopción de modelos avanzados de seguridad basados en la microsegmentación y la verificación continua de identidades y dispositivos.
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 estudiante desarrollará una comprensión sólida y estructurada de los fundamentos del Aprendizaje Automático (AA), incluyendo su taxonomía principal —aprendizaje supervisado y no supervisado— y el flujo de trabajo integral del proceso de modelado. Adquirirá la competencia esencial para la manipulación, limpieza y preparación de conjuntos de datos, dominando técnicas para el manejo de valores faltantes y atípicos. Esto incluye la aplicación rigurosa de ingeniería de características, tales como la codificación de variables categóricas y el escalado de características, garantizando que los datos se encuentren adecuadamente preparados para el entrenamiento de modelos predictivos.
El alumno será capaz de implementar, analizar y comparar los algoritmos fundamentales del aprendizaje supervisado, incluyendo Regresión Lineal y Regresión Logística, así como clasificadores avanzados como k Vecinos Más Cercanos (k-NN), Naive Bayes y Máquinas de Vectores de Soporte (SVM). De manera complementaria, dominará las técnicas de aprendizaje no supervisado, aplicando métodos de agrupamiento como k-Medias y técnicas de reducción de dimensionalidad mediante el Análisis de Componentes Principales (PCA), lo que le permitirá identificar patrones subyacentes y simplificar la representación de datos complejos.
Finalmente, el estudiante consolidará habilidades críticas para la evaluación, validación y optimización de modelos de Aprendizaje Automático. Esto implica la selección y aplicación de métricas de desempeño apropiadas, tanto para problemas de regresión —como el Error Cuadrático Medio (ECM) y el coeficiente de determinación (R²)— como para tareas de clasificación, empleando la Matriz de Confusión, la puntuación F1 y la curva AUC/ROC. El alumno será competente para validar la robustez de los modelos mediante Validación Cruzada y optimizar hiperparámetros utilizando Búsqueda en Cuadrícula (Grid Search), garantizando la construcción de sistemas predictivos confiables, generalizables y de alto rendimiento.
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.