MÓDULO 1. CIBERSEGURIDAD: NORMATIVA, POLÍTICA DE SEGURIDAD Y CIBERINTELIGENCIA

1. UNIDAD DIDÁCTICA 1. CIBERSEGURIDAD Y SOCIEDAD DE LA INFORMACIÓN
2. ¿Qué es la ciberseguridad?
3. La sociedad de la información
4. Diseño, desarrollo e implantación
5. Factores de éxito en la seguridad de la información
6. Soluciones de Ciberseguridad y Ciberinteligencia CCN-CERT
8. UNIDAD DIDÁCTICA 2. NORMATIVA ESENCIAL SOBRE EL SISTEMA DE GESTIÓN DE LA SEGURIDAD DE LA INFORMACIÓN (SGSI)
9. Estándares y Normas Internacionales sobre los SGSI. ISO 27001 e ISO 27002
10. Legislación: Leyes aplicables a los SGSI
12. UNIDAD DIDÁCTICA 3. POLÍTICA DE SEGURIDAD: ANÁLISIS Y GESTIÓN DE RIESGOS
13. Plan de implantación del SGSI
14. Análisis de riesgos
15. Gestión de riesgos
17. UNIDAD DIDÁCTICA 4. INGENIERÍA SOCIAL, ATAQUES WEB Y PHISHING
18. Introducción a la Ingeniería Social
19. Recopilar información
20. Herramientas de ingeniería social
21. Técnicas de ataques
22. Prevención de ataques
23. Introducción a Phising
24. Phising
25. Man In The Middle
27. UNIDAD DIDÁCTICA 5. CIBERINTELIGENCIA Y CIBERSEGURIDAD
28. Ciberinteligencia
29. Herramientas y técnicas de ciberinteligencia
30. Diferencias entre ciberinteligencia y ciberseguridad
31. Amenazas de ciberseguridad
33. UNIDAD DIDÁCTICA 6. MÉTODOS DE INTELIGENCIA DE OBTENCIÓN DE INFORMACIÓN
34. Contextualización
35. OSINT
36. HUMINT
37. IMINT
38. Otros métodos de inteligencia para la obtención de información
40. UNIDAD DIDÁCTICA 7. CIBERINTELIGENCIA Y TECNOLOGÍAS EMERGENTES
41. Tecnologías emergentes
42. Desafíos y oportunidades de la ciberinteligencia en las tecnologías emergentes
43. Análisis de amenazas avanzado
44. Usos de las tecnologías emergentes en la ciberinteligencia

MÓDULO 2. HERRAMIENTAS DE CIBERSEGURIDAD OSINT 

1. UNIDAD DIDÁCTICA 1. QUÉ SON LAS HERRAMIENTAS OSINT
2. Introducción
4. UNIDAD DIDÁCTICA 2. GOOGLE DORK
5. Qué es Google Dork
6. Uso y aplicación de Google Dork
8. UNIDAD DIDÁCTICA 3. SHODAN
9. Qué es Shodan
10. Uso y aplicación de Shodan
12. UNIDAD DIDÁCTICA 4. MALTEGO
13. Qué es Maltego
14. Uso y aplicación de Maltego
16. UNIDAD DIDÁCTICA 5. THE HARVESTER
17. Qué es The Harvester
18. Uso y aplicación de The Harvester
20. UNIDAD DIDÁCTICA 6. RECON-NG
21. Qué es Recon-ng
22. Uso y aplicación de Recon-ng
24. UNIDAD DIDÁCTICA 7. CREEPY
25. Qué es Creepy
26. Uso y aplicación de Creepy
28. UNIDAD DIDÁCTICA 8. FOCA
29. Qué es Foca
30. Uso y aplicación de Foca

MÓDULO 3. REDES INFORMÁTICAS: ARQUITECTURA, PROTOCOLOS Y CIBERSEGURIDAD

1. UNIDAD DIDÁCTICA 1. INTRODUCCIÓN A LA RED
2. Elementos principales de una red
3. Tecnología de redes
4. Soporte para la continuidad de la actividad
6. UNIDAD DIDÁCTICA 2. ESTANDARIZACIÓN DE PROTOCOLOS
7. Modelo OSI
8. Enfoque pragmático del modelo de capas
9. Estándares y organismos
11. UNIDAD DIDÁCTICA 3. TRANSMISIÓN DE DATOS EN LA CAPA FÍSICA
12. Papel de una interfaz de red
13. Opciones y parámetros de configuración
14. Arranque desde la red
15. Codificación de los datos
16. Conversión de las señales
17. Soportes de transmisión
19. UNIDAD DIDÁCTICA 4. SOFTWARE DE COMUNICACIÓN
20. Configuración de la tarjeta de red
21. Instalación y configuración del controlador de la tarjeta de red
22. Pila de protocolos
23. Detección de un problema de red
25. UNIDAD DIDÁCTICA 5. ARQUITECTURA DE RED E INTERCONEXIÓN
26. Topologías
27. Elección de la topología de red adaptada
28. Gestión de la comunicación
29. Interconexión de redes
31. UNIDAD DIDÁCTICA 6. CAPAS BAJAS DE LAS REDES PERSONALES Y LOCALES
32. Capas bajas e IEEE
33. Ethernet e IEEE 802.3
34. Token Ring e IEEE 802.5
35. Wi-Fi e IEEE 802.11
36. Bluetooth e IEEE 802.15
37. Otras tecnologías
39. UNIDAD DIDÁCTICA 7. REDES MAN Y WAN, PROTOCOLOS
40. Interconexión de la red local
41. Acceso remoto y redes privadas virtuales
43. UNIDAD DIDÁCTICA 8. PROTOCOLOS DE CAPAS MEDIAS Y ALTAS
44. Principales familias de protocolos
45. Protocolo IP versión 4
46. Protocolo IP versión 6
47. Otros protocolos de capa Internet
48. Voz sobre IP (VoIP)
49. Protocolos de transporte TCP y UDP
50. Capa de aplicación TCP/IP
52. UNIDAD DIDÁCTICA 9. PROTECCIÓN DE UNA RED
53. Comprensión de la necesidad de la seguridad
54. Herramientas y tipos de ataque
55. Conceptos de protección en la red local
56. Protección de la interconexión de redes
58. UNIDAD DIDÁCTICA 10. REPARACIÓN DE RED
59. Introducción a la reparación de red
60. Diganóstico en capas bajas
61. Utilización de herramientas TCP/IP adaptadas
62. Herramientas de análisis de capas altas
64. UNIDAD DIDÁCTICA 11. COMUNICACIONES SEGURAS: SEGURIDAD POR NIVELES
65. Seguridad a Nivel Físico
66. Seguridad a Nivel de Enlace
67. Seguridad a Nivel de Red
68. Seguridad a Nivel de Transporte
69. Seguridad a Nivel de Aplicación
71. UNIDAD DIDÁCTICA 12. APLICACIÓN DE UNA INFRAESTRUCTURA DE CLAVE PÚBLICA (PKI)
72. Identificación de los componente de una PKI y sus modelos de relaciones
73. Autoridad de certificación y sus elementos
74. Política de certificado y declaración de prácticas de certificación (CPS)
75. Lista de certificados revocados (CRL)
76. Funcionamiento de las solicitudes de firma de certificados (CSR)
77. Infraestructuras de gestión de privilegios (PMI)
78. Campos de certificados de atributos
79. Aplicaciones que se apoyan en la existencia de una PKI
81. UNIDAD DIDÁCTICA 13. SISTEMAS DE DETECCIÓN Y PREVENCIÓN DE INTRUSIONES (IDS/IPS)
82. Conceptos generales de gestión de incidentes, detección de intrusiones y su prevención
83. Identificación y caracterización de los datos de funcionamiento del sistema
84. Arquitecturas más frecuentes de los IDS
85. Relación de los distintos tipos de IDS/IPS por ubicación y funcionalidad
86. Criterios de seguridad para el establecimiento de la ubicación de los IDS/IPS
88. UNIDAD DIDÁCTICA 14. IMPLANTACIÓN Y PUESTA EN PRODUCCIÓN DE SISTEMAS IDS/IPS
89. Análisis previo
90. Definición de políticas de corte de intentos de intrusión en los IDS/IPS
91. Análisis de los eventos registrados por el IDS/IPS
92. Relación de los registros de auditoría del IDS/IPS
93. Establecimiento de los niveles requeridos de actualización, monitorización y pruebas del IDS/IPS
95. UNIDAD DIDÁCTICA 15. INTRODUCCIÓN A LOS SISTEMAS SIEM
96. ¿Qué es un SIEM?
97. Evolución de los sistemas SIEM: SIM, SEM y SIEM
98. Arquitectura de un sistema SIEM
100. UNIDAD DIDÁCTICA 16. CAPACIDADES DE LOS SISTEMAS SIEM
101. Problemas a solventar
102. Administración de logs
103. Regulaciones IT
104. Correlación de eventos
105. Soluciones SIEM en el mercado

MÓDULO 4. ANÁLISIS FORENSE

1. UNIDAD DIDÁCTICA 1. RESPUESTA ANTE INCIDENTES DE SEGURIDAD
2. Procedimiento de recolección de información relacionada con incidentes de seguridad
3. Exposición de las distintas técnicas y herramientas utilizadas para el análisis y correlación de información y eventos de seguridad
4. Proceso de verificación de la intrusión
5. Naturaleza y funciones de los organismos de gestión de incidentes tipo CERT nacionales e internacionales
7. UNIDAD DIDÁCTICA 2. PROCESO DE NOTIFICACIÓN Y GESTIÓN DE INTENTOS DE INTRUSIÓN
8. Establecimiento de las responsabilidades
9. Categorización de los incidentes derivados de intentos de intrusión
10. Establecimiento del proceso de detección y herramientas de registro de incidentes
11. Establecimiento del nivel de intervención requerido en función del impacto previsible
12. Establecimiento del proceso de resolución y recuperación de los sistemas
13. Proceso para la comunicación del incidente a terceros
15. UNIDAD DIDÁCTICA 3. ANÁLISIS FORENSE INFORMÁTICO
16. Conceptos generales y objetivos del análisis forense
17. Exposición del Principio de Lockard
18. Guía para la recogida de evidencias electrónicas
19. Guía para el análisis de las evidencias electrónicas recogidas
20. Guía para la selección de las herramientas de análisis forense
22. UNIDAD DIDÁCTICA 4. SOPORTE DE DATOS
23. Adquisición de datos: importancia en el análisis forense digital
24. Modelo de capas
25. Recuperación de archivos borrados
26. Análisis de archivos
28. UNIDAD DIDÁCTICA 5. AUDITORÍA DE SEGURIDAD INFORMÁTICA
29. Criterios Generales
30. Aplicación de la normativa de protección de datos de carácter personal
31. Herramientas para la auditoría de sistemas
32. Descripción de los aspectos sobre cortafuego en auditorías de sistemas de información
33. Guías para la ejecución de las distintas fases de la auditoría de sistemas de información

MÓDULO 5. BIG DATA, BUSINESS INTELLIGENCE Y DATA SCIENCE

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. FASES DE UN PROYECTO DE BIG DATA
11. Diagnóstico inicial
12. Diseño del proyecto
13. Proceso de implementación
14. Monitorización y control del proyecto
15. Responsable y recursos disponibles
16. Calendarización
17. Alcance y valoración económica del proyecto
19. UNIDAD DIDÁCTICA 3. BUSINESS INTELLIGENCE Y LA SOCIEDAD DE LA INFORMACIÓN
20. Definiendo el concepto de Business Intelligence y sociedad de la información
21. Arquitectura de una solución Business Intelligence
22. Business Intelligence en los departamentos de la empresa
23. Conceptos de Plan Director, Plan Estratégico y Plan de Operativa Anual
24. Sistemas Operacionales y Procesos ETL en un sistema de BI
25. Ventajas y Factores de Riesgos del Business Intelligence
27. UNIDAD DIDÁCTICA 4. PRINCIPALES PRODUCTOS DE BUSINESS INTELLIGENCE
28. Cuadros de Mando Integrales (CMI)
29. Sistemas de Soporte a la Decisión (DSS)
30. Sistemas de Información Ejecutiva (EIS)
32. UNIDAD DIDÁCTICA 5. MINERÍA DE DATOS O DATA MINING Y EL APRENDIZAJE AUTOMÁTICO
33. Introducción a la minería de datos y el aprendizaje automático
34. Proceso KDD
35. Modelos y Técnicas de Data Mining
36. Áreas de aplicación
37. Minería de Textos y Web Mining
38. Data mining y marketing
40. UNIDAD DIDÁCTICA 6. DATAMART: CONCEPTO DE BASE DE DATOS DEPARTAMENTAL
41. Aproximación al concepto de DataMart
42. Bases de datos OLTP
43. Bases de Datos OLAP
44. MOLAP, ROLAP & HOLAP
45. Herramientas para el desarrollo de cubos OLAP
47. UNIDAD DIDÁCTICA 7. DATAWAREHOUSE O ALMACEN DE DATOS CORPORATIVOS
48. Visión General: ¿Por qué DataWarehouse?
49. Estructura y Construcción
50. Fases de implantación
51. Características
52. Data Warehouse en la nube
54. UNIDAD DIDÁCTICA 8. STORYTELLING
55. ¿Qué es el Data Storytelling?
56. Elementos clave del Data Storytelling
57. ¿Por qué es importante el Data Storytelling?
58. ¿Cómo hacer Data Storytelling?
60. UNIDAD DIDÁCTICA 9.INTRODUCCIÓN A LA CIENCIA DE DATOS
61. ¿Qué es la ciencia de datos?
62. Herramientas necesarias para el científico de datos
63. Data Science & Cloud Computing
64. Aspectos legales en Protección de Datos
66. UNIDAD DIDÁCTICA 10. WEKA Y DATA MINING
67. ¿Qué es Weka?
68. Técnicas de Data Mining en Weka
69. Interfaces de Weka
70. Selección de atributos
72. UNIDAD DIDÁCTICA 11. PYTHON Y EL ANÁLISIS DE DATOS
73. Introducción a Python
74. ¿Qué necesitas?
75. Librerías para el análisis de datos en Python
76. MongoDB, Hadoop y Python. Dream Team del Big Data
78. UNIDAD DIDÁCTICA 12. R COMO HERRAMIENTA PARA BIG DATA
79. Introducción a R
80. ¿Qué necesitas?
81. Tipos de datos
82. Estadística Descriptiva y Predictiva con R
83. Integración de R en Hadoop
85. UNIDAD DIDÁCTICA 13. PRE-PROCESAMIENTO & PROCESAMIENTO DE DATOS
86. Obtención y limpieza de los datos (ETL)
87. Inferencia estadística
88. Modelos de regresión
89. Pruebas de hipótesis
91. UNIDAD DIDÁCTICA 14. ANÁLISIS DE LOS DATOS
92. Inteligencia Analítica de negocios
93. La teoría de grafos y el análisis de redes sociales
94. Presentación de resultados

MÓDULO 6. DATA MINING, INTELIGENCIA ARTIFICIAL Y APRENDIZAJE AUTOMÁTICO

1. UNIDAD DIDÁCTICA 1. MINERÍA DE DATOS
2. Minería de datos
3. ¿Qué podemos hacer con data Mining?
4. ¿Qué usos puede tener el data Mining?
5. Metodología de la minería de datos
6. Algunas técnicas estadísticas utilizadas en data mining
7. Árboles de decisión
8. Reglas de inducción
9. Redes Bayesanas
10. Algoritmos Genéticos
12. UNIDAD DIDÁCTICA 2. CICLO DATA MINING
13. Ciclo data mining
14. Minería de Textos y Web Mining
15. Data mining y marketing
17. UNIDAD DIDÁCTICA 3. INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL
18. Introducción a la inteligencia artificial
19. Historia
20. La importancia de la IA
22. UNIDAD DIDÁCTICA 4. ALGORITMOS APLICADOS A LA INTELIGENCIA ARTIFICIAL
23. Algoritmos aplicados a la inteligencia artificial
25. UNIDAD DIDÁCTICA 5. RELACIÓN ENTRE INTELIGENCIA ARTIFICIAL Y BIG DATA
26. Relación entre inteligencia artificial y big data
27. IA y Big Data combinados
28. El papel del Big Data en IA
29. Tecnologías de IA que se están utilizando con Big Data
31. UNIDAD DIDÁCTICA 6. SISTEMAS EXPERTOS
32. Sistemas expertos
33. Estructura de un sistema experto
34. Inferencia: Tipos
35. Fases de construcción de un sistema
36. Rendimiento y mejoras
37. Dominios de aplicación
38. Creación de un sistema experto en C#
39. Añadir incertidumbre y probabilidades
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
63. UNIDAD DIDÁCTICA 11. REDES NEURONALES Y DEEP LEARNING
64. Componentes
65. Aprendizaje
67. UNIDAD DIDÁCTICA 12. SISTEMAS DE ELECCIÓN
68. Introducción
69. El proceso de paso de DSS a IDSS
70. Casos de aplicación

MÓDULO 7. 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. LOOKER STUDIO (GOOGLE DATA STUDIO)
26. Visualización de datos
27. Tipologías de gráficos
28. Fuentes de datos
29. Creación de informes
31. UNIDAD DIDÁCTICA 5. QLIKVIEW
32. Instalación y arquitectura
33. Carga de datos
34. Informes
35. Transformación y modelo de datos
36. Análisis de datos
38. UNIDAD DIDÁCTICA 6. POWER BI
39. Introducción a Power BI
40. Instalación de Power BI
41. Modelado de datos
42. Visualización de datos
43. Dashboards
44. Uso compartido de datos
46. UNIDAD DIDÁCTICA 7. CARTO
47. CartoDB
48. ¿Qué es CARTO?
49. Carga y uso de datos. Tipos de análisis
50. Programación de un visor con la librería CARTO.js
51. Uso de ejemplos y ayudas de la documentación de la API

MÓDULO 8. IOT (INTERNET DE LAS COSAS) Y SISTEMAS CIBERFÍSICOS EN LA INDUSTRIA 4.0

1. UNIDAD DIDÁCTICA 1. INTERNET DE LAS COSAS
2. Contexto Internet de las Cosas (IoT)
3. ¿Qué es IoT?
4. Elementos que componen el ecosistema IoT
5. Arquitectura IoT
6. Dispositivos y elementos empleados
7. Ejemplos de uso
8. Retos y líneas de trabajo futuras
10. UNIDAD DIDÁCTICA 2. SISTEMAS CIBERFÍSICOS
11. Contexto Sistemas Ciberfísicos (CPS)
12. Características CPS
13. Componentes CPS
14. Ejemplos de uso
15. Retos y líneas de trabajo futuras
17. UNIDAD DIDÁCTICA 3. CONCEPTOS Y EQUIPOS UTILIZADOS EN AUTOMATIZACIÓN INDUSTRIAL
18. Conceptos previos
19. Objetivos de la automatización
20. Grados de la automatización
21. Clases de automatización
22. Equipos para la automatización industrial
23. Diálogo Hombre-máquina, HMI y SCADA
25. UNIDAD DIDÁCTICA 4. INDUSTRIA 4.0
26. ¿Qué es la Industria 4.0?
27. Sensores y captación de información
28. Ciclo de vida de los productos en la Industria 4.0
29. Modelos de negocio basados en la industria 4.0
30. IoT industrial
32. UNIDAD DIDÁCTICA 5. VIGILANCIA TECNOLÓGICA
33. Tipos de vigilancia tecnológica
34. Aspectos esenciales de la vigilancia tecnológica
35. Búsqueda de información
36. Implantación de la vigilancia tecnológica
38. UNIDAD DIDÁCTICA 6. ESTUDIO DE LA TENDENCIA TEGNOLÓGICA
39. Introducción
40. Concepto y nociones esenciales de la prospectiva tecnológica
41. Tipología de técnicas para la prospectiva tecnológica
42. Requisitos de implantación

MÓDULO 9. VISIÓN ARTIFICIAL EN INDUSTRIA 4.0 CON PYTHON Y OPENCV

1. UNIDAD DIDÁCTICA 1. LA VISIÓN ARTIFICIAL: DEFINICIÓN Y ASPECTOS PRINCIPALES
2. La visión artificial: definiciones y aspectos principales
4. UNIDAD DIDÁCTICA 2. COMPONENTES DE UN SISTEMA DE VISIÓN ARTIFICIAL
5. Ópticas
6. Iluminación
7. Cámaras
8. Sistemas 3D
9. Sensores
10. Equipos compactos
11. Metodologías para la selección del hardware
13. UNIDAD DIDÁCTICA 3. PROCESADO DE IMÁGENES MEDIANTE VISIÓN ARTIFICIAL
14. Algoritmos
15. Software
16. Segmentación e interpretación de imágenes
17. Metodologías para la selección del software
19. UNIDAD DIDÁCTICA 4. APLICACIONES DE LA VISIÓN EN LA INDUSTRIA 4.0
20. Aplicaciones clásicas: discriminación, detección de fallos?
21. Nuevas aplicaciones: códigos OCR, trazabilidad, robótica, reconocimiento (OKAO)
23. UNIDAD DIDÁCTICA 5. INTRODUCCIÓN E INSTALACIÓN DE OPENCV
24. Descripción general OpenCV
25. Instalación OpenCV para Python en Windows
26. Instalación OpenCV para Python en Linux
27. Anaconda y OpenCV
29. UNIDAD DIDÁCTICA 6. MANEJO DE FICHEROS, CÁMARAS E INTERFACES GRÁFICAS
30. Manejo de archivos
31. Leer una imagen con OpenCV
32. Mostrar imagen con OpenCV
33. Guardar una imagen con OpenCV
34. Operaciones aritméticas en imágenes usando OpenCV
35. Funciones de dibujo
37. UNIDAD DIDÁCTICA 7. TRATAMIENTO DE IMÁGENES
38. Redimensión de imágenes
39. Erosión de imágenes
40. Desenfoque de imágenes
41. Bordeado de imágenes
42. Escala de grises en imágenes
43. Escalado, rotación, desplazamiento y detección de bordes
44. Erosión y dilatación de imágenes
45. Umbrales simples
46. Umbrales adaptativos
47. Umbral de Otsu
48. Contornos de imágenes
49. Incrustación de imágenes
50. Intensidad en imágenes
51. Registro de imágenes
52. Extracción de primer plano
53. Operaciones morfológicas en imágenes
54. Pirámide de imágen
56. UNIDAD DIDÁCTICA 8. HISTOGRAMAS Y TEMPLATE MATCHING
57. Analizar imágenes usando histogramas
58. Ecualización de histogramas
59. Template matching
60. Detección de campos en documentos usando Template matching
62. UNIDAD DIDÁCTICA 9. COLORES Y ESPACIOS DE COLOR
63. Espacios de color en OpenCV
64. Cambio de espacio de color
65. Filtrado de color
66. Denoising de imágenes en color
67. Visualizar una imagen en diferentes espacios de color
69. UNIDAD DIDÁCTICA 10. DETECCIÓN DE CARAS Y EXTRACCIÓN DE CARACTERÍSTICAS
70. Detección de líneas
71. Detección de círculos
72. Detectar esquinas (Método Shi-Tomasi)
73. Detectar esquinas (método Harris)
74. Encontrar círculos y elipses
75. Detección de caras y sonrisas
77. UNIDAD DIDÁCTICA 11. APRENDIZAJE AUTOMÁTICO
78. Vecino más cercano (K-Nearest Neighbour)
79. Agrupamiento de K-medias (K-Means Clustering)

MÓDULO 10. PROYECTO FIN DE MÁSTER