Curso Gratis de Desarrollador de Interfaces Gráficas

Conocerás, la resolución de problemas mediante el razonamiento lógico, diseño de algoritmos, operadores aritméticos, operadores relacionales, operadores lógicos, razonamiento lógico, tipos de datos y variables, diagramas de flujos de datos, estructura condicional e iterativa, manejo de estrés tecnológico, ética profesional, diseño de pseudocódigo, el paradigma de la programación estructurada, sintaxis básica del lenguaje de programación C, creación de funciones, manipulación de los contenidos de una matriz, algoritmos de ordenamiento, bubble sort, programación declarativa y paralela.

Conocerás, entorno de trabajo, clasificación y funcionalidad de los sitios web, mercadotecnia, plan de medios, contrabriefing, diseño de un brief, idea central de la empresa, imagen en la red, selección de contenidos, posicionamiento, crisis de imagen pública y cómo cobrar.

Conocerás, tipos de redes, arquitectura, controladores, redes superpuestas, infraestructura abierta, elementos de SDN, programabilidad, orquestación de la red, elección de plataforma, casos de uso, redes ágiles, grupo de políticas, red como servicio, red de trasporte, instalación del entorno de simulación, configuración del entorno de simulación, topología personalizada, código de aplicación, soluciones, seguridad, retos, WLAN empresarial, red celular, análisis de datos masivos, internet de las cosas, infraestructura hiperconvergida, ingeniero SDN, certificación SDN.

Conocerás, seguridad de sistemas linux, ética y confidencialidad de la información, estrés tecnológico, bases de seguridad, algoritmos Hash, gestión y bloqueo de cuentas, firewall y SELinux, monitoreo de puertos, criptografías y autentificación remota, seguridad de conexiones de red, GRUB y protección del arranque, plan de respuestas, Amenazas cibernéticas emergentes, NAS, SAN y Arreglos de almacenamiento.

Conocerás, los tipos de algoritmos de machine learning, regresión lineal, regresión logística, naive bayes, árboles de decisión, identificación de modelos de aprendizaje supervisado, clustering jerárquico, k means, mezclas gaussianas, identificación de modelos de aprendizaje no supervisado, recolección de datos, preparación de datos, elección del modelo, evaluación del modelo, ajuste de hiperparámetros, deep learning, perceptrón, red neuronal artificial, algoritmo de propagación inversa, arquitectura de redes neuronales, herramientas de análisis de datos y redes neuronales.