MÓDULO 1. AGILE PROJECT MANAGEMENT

1. UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LAS METODOLOGÍAS ÁGILES
2. Ingeniería de software, sus principios y objetivos
3. Metodologías en Espiral, Iterativa y Ágiles
4. Prácticas ágiles
5. Métodos ágiles
6. Evolución de las metodologías ágiles
7. Metodologías ágiles frente a metodologías pesadas
9. UNIDAD DIDÁCTICA 2. AGILE PROJECT THINKING
10. Principios de las metodologías ágiles
11. Agile Manifesto
12. User History
14. UNIDAD DIDÁCTICA 3. LA PLANIFICACIÓN ÁGIL: AGILE LEADERSHIP Y CREATIVIDAD
15. La interacción como alternativa a la planificación lineal
16. La comunicación y la motivación
17. Características del liderazgo participativo
18. Pensamiento disruptivo y desarrollo de la idea
19. Prueba y error, learning by doing
21. UNIDAD DIDÁCTICA 4. METODOLOGÍA EXTREME PROGRAMMING (XP)
22. Definición y características de Extreme Programming
23. Fases y reglas de XP
24. La implementación y el diseño
25. Los valores de XP
26. Equipo y cliente de XP
28. UNIDAD DIDÁCTICA 5. METODOLOGÍA SCRUM
29. La teoría Scrum: framework
30. El equipo
31. Sprint Planning
32. Cómo poner en marcha un Scrum
34. UNIDAD DIDÁCTICA 6. DESARROLLO DEL MÉTODO KANBAN
35. Introducción al método Kanban
36. Consejos para poner en marcha kanban
37. Equipo
38. Business Model Canvas o lienzo del modelo de negocio
39. Scrumban
41. UNIDAD DIDÁCTICA 7. LEAN THINKING
42. Introducción al Lean Thinking
43. Lean Startup
45. UNIDAD DIDÁCTICA 8. OTRAS METODOLOGÍAS ÁGILES Y TÉCNICAS ÁGILES
46. Agile Inception Deck
47. Design Thinking
48. DevOps
49. Dynamic Systems Development Method (DSDM)
50. Crystal Methodologies
51. Adaptative Software Development (ASD)
52. Feature Driven Development (FDD)
53. Agile Unified Process

MÓDULO 2. BIG DATA INTRODUCTION

1. UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL BIG DATA
2. ¿Qué es Big Data?
3. La era de las grandes cantidades de información. Historia del big data
4. La importancia de almacenar y extraer información
5. Big Data enfocado a los negocios
6. Open Data
7. Información pública
8. IoT (Internet of Things-Internet de las cosas)
10. UNIDAD DIDÁCTICA 2. FUENTES DE DATOS
11. Definición y relevancia de la selección de las fuentes de datos
12. Naturaleza de las fuentes de datos Big Data
14. UNIDAD DIDÁCTICA 3. OPEN DATA
15. Definición, Beneficios y Características
16. Ejemplo de uso de Open Data
18. UNIDAD DIDÁCTICA 4. FASES DE UN PROYECTO DE BIG DATA
19. Diagnóstico inicial
20. Diseño del proyecto
21. Proceso de implementación
22. Monitorización y control del proyecto
23. Responsable y recursos disponibles
24. Calendarización
25. Alcance y valoración económica del proyecto
27. UNIDAD DIDÁCTICA 5. BUSINESS INTELLIGENCE Y LA SOCIEDAD DE LA INFORMACIÓN
28. Definiendo el concepto de Business Intelligence y sociedad de la información
29. Arquitectura de una solución de Business Intelligence
30. Business Intelligence en los departamentos de la empresa
31. Conceptos de Plan Director, Plan Estratégico y Plan de Operativa Anual
32. Sistemas operacionales y Procesos ETL en un sistema de BI
33. Ventajas y Factores de Riesgos del Business Intelligence
35. UNIDAD DIDÁCTICA 6. PRINCIPALES PRODUCTOS DE BUSINESS INTELLIGENCE
36. Cuadros de Mando Integrales (CMI)
37. Sistemas de Soporte a la Decisión (DSS)
38. Sistemas de Información Ejecutiva (EIS)
40. UNIDAD DIDÁCTICA 7. BIG DATA Y MARKETING
41. Apoyo del Big Data en el proceso de toma de decisiones
42. Toma de decisiones operativas
43. Marketing estratégico y Big Data
44. Nuevas tendencias en management
46. UNIDAD DIDÁCTICA 8.DEL BIG DATA AL LINKED OPEN DATA
47. Concepto de web semántica
48. Linked Data Vs Big Data
49. Lenguaje de consulta SPARQL
51. UNIDAD DIDÁCTICA 9. INTERNET DE LAS COSAS
52. Contexto Internet de las Cosas (IoT)
53. ¿Qué es IoT?
54. Elementos que componen el ecosistema IoT
55. Arquitectura IoT
56. Dispositivos y elementos empleados
57. Ejemplos de uso
58. Retos y líneas de trabajo futuras

MÓDULO 3. DATA SCIENCE: ALMACENAMIENTO, ANÁLISIS Y PROCESAMIENTO DE DATOS

1. UNIDAD DIDÁCTICA 1.INTRODUCCIÓN A LA CIENCIA DE DATOS
2. ¿Qué es la ciencia de datos?
3. Herramientas necesarias para el científico de datos
4. Data Science & Cloud Computing
5. Aspectos legales en Protección de Datos
7. UNIDAD DIDÁCTICA 2. BASES DE DATOS RELACIONALES
8. Introducción
9. El modelo relacional
10. Lenguaje de consulta SQL
11. MySQL Una base de datos relacional
13. UNIDAD DIDÁCTICA 3. BASES DE DATOS NOSQL Y EL ALMACENAMIENTO ESCALABLE
14. ¿Qué es una base de datos NoSQL?
15. Bases de datos Relaciones Vs Bases de datos NoSQL
16. Tipo de Bases de datos NoSQL Teorema de CAP
17. Sistemas de Bases de datos NoSQL
19. UNIDAD DIDÁCTICA 4. INTRODUCCIÓN A UN SISTEMA DE BASES DE DATOS NOSQL: MONGODB
20. ¿Qué es MongoDB?
21. Funcionamiento y uso de MongoDB
22. Primeros pasos con MongoDB: Instalación y shell de comandos
23. Creando nuestra primera Base de Datos NoSQL: Modelo e Inserción de Datos
24. Actualización de datos en MongoDB: Sentencias set y update
25. Trabajando con índices en MongoDB para optimización de datos
26. Consulta de datos en MongoDB
28. UNIDAD DIDÁCTICA 5. WEKA Y DATA MINING
29. ¿Qué es Weka?
30. Técnicas de Data Mining en Weka
31. Interfaces de Weka
32. Selección de atributos
34. UNIDAD DIDÁCTICA 6. PENTAHO
35. Una aproximación a PENTAHO
36. Soluciones que ofrece PENTAHO
37. MongoDB & PENTAHO
38. Hadoop & PENTAHO
39. Weka & PENTAHO
41. UNIDAD DIDÁCTICA 7. R COMO HERRAMIENTA PARA BIG DATA
42. Introducción a R
43. ¿Qué necesitas?
44. Tipos de datos
45. Estadística Descriptiva y Predictiva con R
46. Integración de R en Hadoop
48. UNIDAD DIDÁCTICA 8. PRE-PROCESAMIENTO & PROCESAMIENTO DE DATOS
49. Obtención y limpieza de los datos (ETL)
50. Inferencia estadística
51. Modelos de regresión
52. Pruebas de hipótesis
54. UNIDAD DIDÁCTICA 9. ANÁLISIS DE LOS DATOS
55. Inteligencia Analítica de negocios
56. La teoría de grafos y el análisis de redes sociales
57. Presentación de resultados

MÓDULO 4. INTELIGENCIA ARTIFICIAL (IA), MACHINE LEARNING (ML) Y DEEP LEARNING (DL)

1. UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL
2. Introducción a la inteligencia artificial
3. Historia
4. La importancia de la IA
6. UNIDAD DIDÁCTICA 2. TIPOS DE INTELIGENCIA ARTIFICIAL
7. Tipos de inteligencia artificial
8. SUBEPÍGRAFE - Tipo 1: basado en capacidades
9. SUBEPÍGRAFE - Tipo 2: basado en la funcionalidad
11. UNIDAD DIDÁCTICA 3. ALGORITMOS APLICADOS A LA INTELIGENCIA ARTIFICIAL
12. Algoritmos aplicados a la inteligencia artificial
13. SUBEPÍGRAFE - Aprendizaje supervisado
14. SUBEPÍGRAFE - Aprendizaje sin supervisión
15. SUBEPÍGRAFE - Lógica difusa
16. SUBEPÍGRAFE - Búsqueda de rutas
17. SUBEPÍGRAFE - Algoritmos genéticos
18. SUBEPÍGRAFE - Optimización y mínimos
20. UNIDAD DIDÁCTICA 4. RELACIÓN ENTRE INTELIGENCIA ARTIFICIAL Y BIG DATA
21. Relación entre inteligencia artificial y big data
22. IA y Big Data combinados
23. El papel del Big Data en IA
24. Tecnologías de IA que se están utilizando con Big Data
26. UNIDAD DIDÁCTICA 5. SISTEMAS EXPERTOS
27. Sistemas expertos
28. Estructura de un sistema experto
29. Inferencia: Tipos
30. Fases de construcción de un sistema
31. Rendimiento y mejoras
32. Dominios de aplicación
33. Creación de un sistema experto en C#
34. Añadir incertidumbre y probabilidades
36. UNIDAD DIDÁCTICA 6. FUTURO DE LA INTELIGENCIA ARTIFICIAL
37. Futuro de la inteligencia artificial
38. Impacto de la IA en la industria
39. El impacto económico y social global de la IA y su futuro
41. UNIDAD DIDÁCTICA 7. INTRODUCCIÓN AL MACHINE LEARNING
42. Introducción
43. Clasificación de algoritmos de aprendizaje automático
44. Ejemplos de aprendizaje automático
45. Diferencias entre el aprendizaje automático y el aprendizaje profundo
46. Tipos de algoritmos de aprendizaje automático
47. El futuro del aprendizaje automático
49. UNIDAD DIDÁCTICA 8. EXTRACCIÓN DE ESTRUCTURA DE LOS DATOS: CLUSTERING
50. Introducción
51. Algoritmos
53. UNIDAD DIDÁCTICA 9. SISTEMAS DE RECOMENDACIÓN
54. Introducción
55. Filtrado colaborativo
56. Clusterización
57. Sistemas de recomendación híbridos
59. UNIDAD DIDÁCTICA 10. CLASIFICACIÓN
60. Clasificadores
61. Algoritmos
62. SUBEPÍGRAFE - Máquinas de vectores soporte (Support Vector Machine - SVN)
63. SUBEPÍGRAFE - Vecion más cercano: K-nearest Neighbour (KNN)
64. SUBEPÍGRAFE - Árbol de decisión
65. SUBEPÍGRAFE - Random Forest
67. UNIDAD DIDÁCTICA 11. REDES NEURONALES Y DEEP LEARNING
68. Componentes
69. SUBEPÍGRAFE - Perceptrón
70. SUBEPÍGRAFE - Redes feed-forward
71. Aprendizaje
72. SUBEPÍGRAFE - Otras redes
74. UNIDAD DIDÁCTICA 12. SISTEMAS DE ELECCIÓN
75. Introducción
76. El proceso de paso de DSS a IDSS
77. Casos de aplicación
79. UNIDAD DIDÁCTICA 13. DEEP LEARNING CON PYTHON, KERAS Y TENSORFLOW
80. Aprendizaje profundo
81. Entorno de Deep Learning con Python
82. Aprendizaje automático y profundo
84. UNIDAD DIDÁCTICA 14. SISTEMAS NEURONALES
85. Redes neuronales
86. Redes profundas y redes poco profundas
88. UNIDAD DIDÁCTICA 15. REDES DE UNA SOLA CAPA
89. Perceptrón de una capa y multicapa
90. Ejemplo de perceptrón
92. UNIDAD DIDÁCTICA 16. REDES MULTICAPA
93. Tipos de redes profundas
94. Trabajar con TensorFlow y Python
96. UNIDAD DIDÁCTICA 17. ESTRATEGIAS DE APRENDIZAJE
97. Entrada y salida de datos
98. Entrenar una red neuronal
99. Gráficos computacionales
100. Implementación de una red profunda
101. El algoritmo de propagación directa
102. Redes neuronales profundas multicapa

MÓDULO 5. ANÁLISIS DE DATOS CON PYTHON

1. UNIDAD DIDÁCTICA 1. INTRODUCCIÓN AL ANÁLISIS DE DATOS
2. ¿Qué es el análisis de datos?
4. UNIDAD DIDÁCTICA 2. LIBRERÍAS PARA EL ANÁLISIS DE DATOS: NUMPY, PANDAS Y MATPLOTLIB
5. Análisis de datos con NumPy
6. Pandas
7. Matplotlib
8. SUBEPÍGRAFE - La jerarquía de objetos de Matplotlib
10. UNIDAD DIDÁCTICA 3. FILTRADO Y EXTRACCIÓN DE DATOS
11. Cómo usar loc en Pandas
12. Cómo eliminar una columna en Pandas
14. UNIDAD DIDÁCTICA 4. PIVOT TABLES
15. Pivot tables en pandas
17. UNIDAD DIDÁCTICA 5. GROUPBY Y FUNCIONES DE AGREGACIÓN
18. El grupo de pandas
20. UNIDAD DIDÁCTICA 6. FUSIÓN DE DATAFRAMES
21. Python Pandas fusionando marcos de datos
23. UNIDAD DIDÁCTICA 7. VISUALIZACIÓN DE DATOS CON MATPLOTLIB Y CON SEABORN
24. Matplotlib
25. Seaborn
27. UNIDAD DIDÁCTICA 8. INTRODUCCIÓN AL MACHINE LEARNING
28. Aprendizaje automático
30. UNIDAD DIDÁCTICA 9. REGRESIÓN LINEAL Y REGRESIÓN LOGÍSTICA
31. Regresión lineal
32. Regresión logística
34. UNIDAD DIDÁCTICA 10. ÁRBOL DE DECISIONES
35. Estructura de árbol
37. UNIDAD DIDÁCTICA 11. NAIVE BAYES
38. Algortimo de Naive bayes
39. Tipos de Naive Bayes
41. UNIDAD DIDÁCTICA 12. SUPPORT VECTOR MACHINES (SVM)
42. Máquinas de vectores soporte (Support Vector Machine-SVM)
43. ¿Cómo funciona SVM?
44. Núcleos SVM
45. Construcción de clasificador en Scikit-learn
47. UNIDAD DIDÁCTICA 13. KNN
48. K-nearest Neighbors (KNN)
49. Implementación de Python del algoritmo KNN
51. UNIDAD DIDÁCTICA 14. PRINCIPAL COMPONENT ANALYSIS (PCA)
52. Análisis de componentes principales
54. UNIDAD DIDÁCTICA 15. RANDOM FOREST
55. Algorimto de Random Forest

MÓDULO 6. HERRAMIENTAS DE VISUALIZACIÓN DE DATOS

1. UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA VISUALIZACIÓN DE DATOS
2. ¿Qué es la visualización de datos?
3. Importancia y herramientas de la visualización de datos
4. Visualización de datos: Principios básicos
6. UNIDAD DIDÁCTICA 2. TABLEAU
7. ¿Qué es Tableau? Usos y aplicaciones
8. Tableau Server: Arquitectura y Componentes
9. Instalación Tableau
10. Espacio de trabajo y navegación
11. Conexiones de datos en Tableau
12. Tipos de filtros en Tableau
13. Ordenación de datos, grupos, jerarquías y conjuntos
14. Tablas y gráficos en Tableau
16. UNIDAD DIDÁCTICA 3. D3 (DATA DRIVEN DOCUMENTS)
17. Fundamentos D3
18. Instalación D3
19. Funcionamiento D3
20. SVG
21. Tipos de datos en D3
22. Diagrama de barras con D3
23. Diagrama de dispersión con D3
25. UNIDAD DIDÁCTICA 4. GOOGLE DATA
26. Google Data Studio
27. Fuentes de datos
28. Informes
30. UNIDAD DIDÁCTICA 5. QLIKVIEW
31. Instalación y arquitectura
32. Carga de datos
33. Informes
34. Transformación y modelo de datos
35. Análisis de datos
37. UNIDAD DIDÁCTICA 6. POWERBI
38. Business Intelligence en Excel
39. Consulta de datos
40. Orden de los datos, horizontal, un nivel, varios niveles
41. Filtrado de datos
42. Cuadros resumen
43. Herramientas de simulación y de análisis
44. Herramientas Powerbi
46. UNIDAD DIDÁCTICA 7. CARTO
47. CartoDB

MÓDULO 7. VISUALIZACIÓN DE DATOS EN R CON GGPLOT2

1. UNIDAD DIDÁCTICA 1. GGPLOT2 COMO LIBRERÍA PARA VISUALIZACIÓN DE DATOS EN R
2. Introducción a Gplot
3. El paquete ggplot2
5. UNIDAD DIDÁCTICA 2. EJES
6. Cambiar títulos de eje
7. Aumentar el espacio entre ejes y títulos de ejes
8. Cambiar la estética de los títulos de Axis
9. Cambiar la estética del texto del eje
10. Texto del eje de rotación
11. Eliminar texto de eje y marcas
12. Eliminar títulos de eje
13. Límite del rango del eje
14. Forzar el trazado para que comience en el origen
15. Ejes con la misma escala
16. Usar una función para modificar etiquetas
18. UNIDAD DIDÁCTICA 3. TÍTULOS
19. Añade un título
20. Ajustar la posición de los títulos
21. Use una fuente no tradicional en su título
22. Cambiar espaciado en texto de varias líneas
24. UNIDAD DIDÁCTICA 4. LEYENDAS
25. Trabajando con leyendas
26. Apaga la leyenda
27. Eliminar títulos de leyenda
28. Cambiar la posición de la leyenda
29. Cambiar la dirección de la leyenda
30. Cambiar el estilo del título de la leyenda
31. Cambiar título de leyenda
32. Cambiar el orden de las claves de leyenda
33. Cambiar etiquetas de leyenda
34. Cambiar cuadros de fondo en la leyenda
35. Cambiar el tamaño de los símbolos de leyenda
36. Dejar una capa fuera de la leyenda
37. Adición manual de elementos de leyenda
38. Usar otros estilos de leyenda
40. UNIDAD DIDÁCTICA 5. FONDOS Y LÍNEAS DE CUADRÍCULA
41. Cambiar el color de fondo del panel
42. Cambiar líneas de cuadrícula
43. Cambiar el espaciado de las líneas de cuadrícula
44. Cambiar el color de fondo de la trama
46. UNIDAD DIDÁCTICA 6. MÁRGENES
47. Trabajar con márgenes
49. UNIDAD DIDÁCTICA 7. GRÁFICOS DE PANELES MÚLTIPLES
50. Trabajar con gráficos de paneles múltiples
51. Crear múltiplos pequeños basados en una variable
52. Permitir que los ejes deambulen libremente
53. Uso facet_wrapcon dos variables
54. Modificar el estilo de los textos de la tira
55. Crear un panel de diferentes parcelas
57. UNIDAD DIDÁCTICA 8. COLORES
58. Trabajar con colores
59. Especificar colores individuales
60. Asignar colores a las variables
61. Variables Cualitativas
62. Seleccionar manualmente colores cualitativos
63. Utilice paletas de colores cualitativas integradas
64. Use paletas de colores cualitativos de paquetes de extensión
65. Variables Cuantitativas
66. La paleta de colores Viridis
67. Usar paletas de colores cuantitativas de paquetes de extensión
68. Modificar paletas de colores después
70. UNIDAD DIDÁCTICA 9. TEMAS
71. Cambiar el estilo de trazado general
72. Cambiar la fuente de todos los elementos de texto
73. Cambiar el tamaño de todos los elementos de texto
74. Cambiar el tamaño de todos los elementos de línea y rectángulo
75. Crea tu propio tema
76. Actualizar el tema actual
78. UNIDAD DIDÁCTICA 10. LÍNEAS
79. Agregar líneas horizontales o verticales a un gráfico
80. Agregar una línea dentro de un gráfico
81. Agregar líneas curvas y flechas a un gráfico
83. UNIDAD DIDÁCTICA 11. TEXTO
84. Agregue etiquetas
85. Agregar anotaciones de texto
86. Use Markdown y HTML Rendering para anotaciones
88. UNIDAD DIDÁCTICA 12. COORDENADAS
89. Voltear una parcela
90. arreglar un eje
91. Invertir un eje
92. Transformar un eje
93. Circularizar una parcela
95. UNIDAD DIDÁCTICA 13. TIPOS DE GRÁFICOS
96. Alternativas a un diagrama de caja
97. Crear una representación de alfombra en un gráfico
98. Crear una matriz de correlación
99. Crear un gráfico de contorno
100. Crear un mapa de calor
101. Crear un diagrama de cresta
103. UNIDAD DIDÁCTICA 14. CINTAS
104. Trabajar con cintas (AUC, CI, etc.)
106. UNIDAD DIDÁCTICA 15. SUAVIZADOS
107. Predeterminado: agregar un suavizado LOESS o GAM
109. UNIDAD DIDÁCTICA 16. GRÁFICOS INTERACTIVOS
110. Trabajar con gráficos interactivos

MÓDULO 8. ANALÍTICA WEB

1. UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA ANALÍTICA WEB
2. ¿Qué es la analítica web?
3. Establecimiento de objetivos y KPIs
4. Métricas principales y avanzadas
5. Objetivos y ventajas de medir
6. Plan de medición
8. UNIDAD DIDÁCTICA 2. GOOGLE ANALYTICS 4
9. Introducción a Google Analytics 4
10. Interfaz
11. Métricas y dimensiones
12. Informes básicos
13. Filtros
14. Segmentos
15. Eventos
16. Informes personalizados
17. Comportamiento de los usuarios e interpretación de datos
19. UNIDAD DIDÁCTICA 3. GOOGLE TAG MANAGER
20. Introducción a GTM
21. Implementación con GTM
22. Medición con GTM
23. Uso de Debug/Preview Mode
25. UNIDAD DIDÁCTICA 4. MODELOS DE ATRIBUCIÓN
26. La atribución
27. Multicanalidad
28. Customer Journey
29. Principales modelos de atribución
30. Modelos de atribución personalizados
32. UNIDAD DIDÁCTICA 5. CREACIÓN DE DASHBORAD CON GOOGLE DATA STUDIO
33. Planificación del Dashboard
34. Características del Dashboard
35. Introducción a Data Studio
36. Conectores
37. Tipos de gráficos
38. Personalización de informes
39. Elementos de control
40. Dimensiones y métricas
41. Campos Calculados
42. Compartir informes
44. UNIDAD DIDÁCTICA 6. ANALÍTICA WEB ORIENTADA AL SEO
45. Introducción al SEO
46. Historia de los motores de búsqueda
47. Componentes de un motor de búsqueda
48. Organización de resultados en un motor de búsqueda
49. La importancia del contenido
50. El concepto de autoridad en Internet
51. Campaña SEO
53. UNIDAD DIDÁCTICA 7. ANALÍTICA WEB ORIENTADA AL SEM
54. Introducción al SEM
55. Principales conceptos en SEM
56. Sistema de pujas y Calidad del anuncio
57. Primer contacto con Google Ads
58. Creación de anuncios con calidad
59. Indicadores clave de rendimiento en SEM
61. UNIDAD DIDÁCTICA 8. ANALÍTICA WEB ORIENTADA A LAS REDES SOCIALES
62. Análisis del tráfico en redes sociales
63. Fijar objetivos en redes sociales
64. Facebook
65. Twitter
66. Youtube
67. LinkedIn
68. Tik tok
69. Instagram
71. UNIDAD DIDÁCTICA 9. TÉCNICAS Y ESTRATEGIAS
72. Usabilidad
73. Mapas de calor
74. Grabaciones de sesiones de usuario
75. Ordenación de tarjetas
76. Test A/B
77. Test multivariante
78. KPI, indicadores clave de rendimiento
79. Cambios a realizar para optimizar una página web
81. UNIDAD DIDÁCTICA 10. OTRAS HERRAMIENTAS PARA ANALÍTICA WEB
82. Hotjar
83. Microsoft Power BI
84. Google Search Console
85. Matomo
86. Awstats
87. Chartbeat
88. Adobe Analytics
90. UNIDAD DIDÁCTICA 11. COOKIES Y TECNOLOGÍAS DE SEGUIMIENTO
91. ¿Qué son las cookies?
92. Tipos de cookies
93. GDPR
94. Herramientas para manejar el consentimiento de cookies

MÓDULO 9. PROYECTO FIN DE MÁSTER