Consultar próximas convocatorias
130 h PRESENCIALES
PRECIO: 1.300 €
PRESENCIAL CON CONTENIDOS
TEÓRICOS Y PRÁCTICOS
POSIBILIDAD DE REALIZARLO
VÍA STREAMING
TÍTULOS
Alumnos con titulación universitaria:
Curso Superior Universitario en Sciences Applied to Cybersecurity: Machine Learning & Complex Networks
Alumnos sin titulación universitaria con experiencia laboral en TI:
Certificado de Extensión Universitaria en Sciences Applied to Cybersecurity: Machine Learning & Complex Networks
EQUIPO DOCENTE
> Regino Criado
Director Académico
> Santiago Moral
Director
> Miguel Romance
Subdirector
PROFESORES
Objetivos
Se va a trabajar sobre:
Métricas y Medidas de Ciberseguridad
Dar Sentido a los Datos No Estructurados
Gestión de Identidades y Accesos
Detección de Fraude en Tarjetas
Detección de Procesos Bañados en Logs
Clasificación, Prueba de Hipótesis y Detección de Anomalías
Modelos Predictivos para Datos Temporales
Sistemas de Automatización Forense
Redes y Modelos Gráficos
Detección de APT
Deep Learning
Regresión y Predicción
Contenidos
1
Métricas y medidas de ciberseguridad
1. Contrastando métricas y medidas
2. Selección de medidas para apoyar las métricas
3. Problemas con la precisión de las medidas
4. Problemas con la selección de medidas (datos pequeños)
5. Problemas con el uso de medidas
6. Sistema común de puntuación de vulnerabilidad (CVSS)
2
Dar sentido a los datos no estructurados
1. Clustering
2. Clustering espectral, componentes e incrustaciones
3. Estudios de caso: gestión de identidades y accesos
3
Regresión y predicción
1. Regresión y extensión clásica lineal y no lineal
2. Regresión moderna con datos de alta dimensión
3. El uso de la regresión moderna para la inferencia causal
4. Estudios de caso: detección de orocesos bañados en logs
4
Clasificación, prueba de hipótesis y detección de anomalías
1. Pruebas de hipótesis y clasificación
2. Deep Learning
5
Recomendación de Sistemas
1. Recomendaciones y clasificación
2. Filtrado colaborativo
3. Recomendaciones personalizadas
4. Estudios de caso: Sistemas de automatización forense
6
Redes y modelos gráficos
1. Introducción
2. Redes
3. Modelos gráficos
4. Estudios de caso: detección de APT
7
Modelos predictivos para datos temporales
1. Introducción
2. Ingeniería de predicción
3. Ingeniería de características
4. Modelado y evaluación de modelos predictivos
5. Estudios de caso: detección de fraude en tarjetas