Tecnologías disruptivas – Comprende las herramientas de la sociedad digital

Sinopsis del producto

Las tecnologías disruptivas son aquellas que generan cambios significativos en la forma en que se realizan las actividades cotidianas, los procesos industriales o los modelos de negocio establecidos. Estas tecnologías tienen el potencial de transformar industrias enteras, alterar la forma en que interactuamos con el mundo y crear nuevas oportunidades y desafíos. nEn el presente libro explicamos de forma clara y didáctica las tecnologías que están marcando nuestro presente y futuro inmediato y que están intrínsecamente relacionadas con el crecimiento de la sociedad digital. Están son las tecnologías descritas: n• Big Data. El conjunto de tecnologías, técnicas y herramientas que hacen posible la recogida, procesamiento y análisis de volúmenes masivos de datos. n• Deep Learning. Las técnicas de aprendizaje en profundidad que utiliza redes neuronales. n• NLP. Procesamiento de Lenguaje Natural. n• Web Scraping. Técnica utilizada mediante herramientas de software para extraer información de sitios web. n• Visión Artificial y procesamiento de imágenes. n• Criptografía. La ciencia que permite crear mensajes cifrados. n• Deep web y Redes Tor. Servidores que permiten preservar a los usuarios su privacidad y seguridad en Internet. n• Blockchain. Una estructura de datos en la que la información contenida se agrupa en conjuntos (bloques) a los que se le añade metainformación. n• Ciberseguridad. La práctica de proteger los sistemas informáticos, las redes y los datos contra ataques, daños o acceso no autorizado. nAdemás, se incluye un anexo describiendo la instalación de Python en Windows para que el lector pueda poner en práctica buena parte de los ejemplos descritos en el libro. n nJohn Atkinson Abutridy nEs profesor titular en la Facultad de Ingeniería y Ciencias de la Universidad Adolfo Ibáñez (UAI), Santiago, Chile. Anteriormente, fue profesor titular y jefe del Departamento de Ciencias de la Computación, en la Universidad de Concepción, Chile, donde también fue fundador y director del Laboratorio de Inteligencia Artificial (2004-2016). Fue profesor asistente en la Universidad Técnica Federico Santa María (UTFSM, Valparaíso, Chile), y profesor en la Pontificia Universidad Católica de Valparaíso. Obtuvo un doctorado en Inteligencia Artificial de la Universidad de Edimburgo, Escocia (Reino Unido), y un B.Eng y M.Eng en Ciencias de la Computación de UTFSM. En los últimos 25 años, ha estado involucrado en la docencia, investigación y consultoría en Chile y universidades y centros de investigación en todo el mundo. También ha liderado varios proyectos científicos y tecnológicos financiados por agencias nacionales e internacionales, y empresas privadas. nEn 2010, recibió el Premio ACM Senior Member por sus contribuciones internacionales a las ciencias de la computación en el lado científico y práctico. nEstá activamente involucrado en investigación básica y aplicada en las áreas de Procesamiento del Lenguaje Natural, Minería de Textos, Aprendizaje Automático e Inteligencia Artificial. Parte de su investigación se ha aplicado actualmente para abordar problemas complejos en empresas privadas, incluido el análisis y la minería inteligente de textos, modelos predictivos para la detección de fraudes, minería de opiniones, interfaces inteligentes y sistemas de preguntas y respuestas. n nContenido n nINTRODUCCIÓN nCAPÍTULO 1. BIG DATA n1.1 ALGUNAS CIFRAS IMPORTANTES n1.1.1 Cifras del estado digital en el mundo n1.1.2 Tiempo en redes sociales por plataforma n1.1.3 Digital España n1.1.4 Digital Perú n1.2 DATOS n1.3 ALGUNAS DEFINICIONES DE INFORMACIÓN n1.4 CONOCIMIENTO n1.5 SABIDURÍA n1.6 LA IMPORTANCIA DE LA INFORMACIÓN EN LAS ORGANIZACIONES n1.7 QUE ES BIG DATA n1.8 OTROS CONCEPTOS DE BIG DATA n1.9 GENERACIÓN DE DATOS EN INTERNET EN TIEMPO REAL n1.10 TIPOS DE DATOS. n1.11 FUENTES DEL BIG DATA n1.12 LAS VS EN BIG DATA n1.13 LAS VS A LO LARGO DEL TIEMPO n1.14 APLICACIONES DEL BIG DATA EN GENERAL n1.15 PATRONES DE ARQUITECTURA DE SOFTWARE n1.15.1 Qué podría decir acerca n1.15.2 Algunas Afirmaciones Importantes n1.15.3 Conclusiones n1.15.4 Aplicaciones monolíticas n1.15.5 Aplicaciones Cliente Servidor n1.15.6 Aplicaciones Web. n1.15.7 Aplicaciones Peer-to-Peer n1.15.8 Aplicaciones de Data Compartida n1.15.9 Aplicaciones Map-Reduce n1.15.10 Aplicaciones heterogéneas n1.16 RETOS DE SEGURIDAD EN BIG DATA n1.17 MEDIDAS DE SEGURIDAD BÁSICAS n1.18 USO DEL BIG DATA EN LA CIBERSEGURIDAD n1.19 METODOLOGÍAS DE PROCESAMIENTO DE GRANDES VOLÚMENES n1.19.1 Entendimiento del Negocio n1.19.2 Comprensión de datos n1.19.3 Tecnología n1.19.4 Tratamiento de datos n1.19.5 Modelización n1.19.6 Presentación n1.19.7 Despliegue n1.19.8 Puesta en Valor n1.20 METODOLOGÍAS CRISP-DM n1.20.1 Comprensión del negocio n1.20.2 Comprensión de los datos n1.20.3 Preparación de Datos n1.20.4 Modelamiento n1.20.5 Evaluación n1.20.6 Despliegue n1.21 HADOOP n1.22 QUE ES HADOOP n1.23 CARACTERÍSTICAS BÁSICAS n1.24 ¿POR QUÉ HADOOP? n1.25 HISTORIA DE HADOOP n1.26 ¿QUÉ ELEMENTOS TIENE HADOOP? n1.26.1 HDFS n1.26.2 YARN n1.27 MAPREDUCE n nCAPÍTULO 2. IOT n2.1 QUE ES EL IOT n2.2 IOT COMO PARADIGMA n2.3 TERMINOLOGÍA BÁSICA n2.4 IOT CASOS DE USO n2.5 PROYECCIÓN DEL IOT n2.6 ALGUNOS CASOS DE USO n2.7 SEGURIDAD DEL IOT n2.8 EL FUTURO DEL IOT n2.9 ÁREAS DEL IOT n2.10 CIUDADES INTELIGENTES n2.11 CARACTERÍSTICAS DE LOS IOT VS ORDENADORES n2.12 ¿CÓMO SE CONECTAN LOS DISPOSITIVOS DE IOT A LA RED? n2.13 ¿QUÉ GRADO DE SEGURIDAD OFRECEN ESTOS DISPOSITIVOS? n2.14 ¿EL ECOSISTEMA DEL IOT? n2.15 HACIA EL FUTURO n2.16 JUGADORES EN EL IOT n nCAPÍTULO 3. ANALÍTICA CON PANDAS n3.1 PANDAS Y NUMPY n3.1.1 Primer ejemplo n3.1.2 Segundo ejemplo n3.2 ANÁLISIS DEL BITCOIN n3.3 ANÁLISIS CORONAVIRUS 1 n3.4 ANÁLISIS CORONAVIRUS 2 n3.4.1 GeoPandas n nCAPÍTULO 4. DEEP LEARNING n4.1 DEEP LEARNING n4.1.1 Historia de Deep Learning n4.1.2 Neurona n4.1.3 Redes Neuronales Artificiales n4.1.4 Aplicaciones de redes neuronales n4.1.5 Perceptron n4.1.6 Función de activación n4.1.7 Una red neuronal artificial buscará partículas exótica n4.1.8 Premio Turing 2018 n4.1.9 Tipos de Arquitecturas de Deep Learning n4.1.10 Qué hace el científico de datos con los patrones n4.1.11 Implementación de nuestro primer modelo n nCAPÍTULO 5. PROCESAMIENTO DE LENGUAJE NATURAL n5.1 NLP n5.1.1 Introducción n5.1.2 NLP, NLU y NLG n5.1.3 Evolución del NLP n5.1.4 Aplicaciones del NLP n5.1.5 Problemas de Ambigüedades n5.1.6 Instalando TextBlob y NLTK en anaconda n5.1.7 Tokenización n5.1.8 Lematización n5.1.9 Stop Words n10 TECNOLOGÍAS DISRUPTIVAS © RA-MA n5.1.10 ¿Cuándo se debe eliminar los Stop Words? n5.1.11 Algunos puntos a tomar en cuenta n5.1.12 Mi primer ejemplo de análisis de texto n5.1.13 Mi segundo ejemplo de traducción de texto n5.1.14 Mi tercer segundo ejemplo análisis de sentimiento n5.1.15 Stanza n5.1.16 Modelos ocultos de Markov para el etiquetado de texto n5.1.17 Modelos Markoviano de máxima entropía n nCAPÍTULO 6. WEB SCRAPING n6.1 WEB SCRAPING n6.2 OBTENIENDO UNA IMAGEN DE UNA WEB n6.3 OBTENIENDO PÁGINAS LEER UN ARCHIVO DE TEXTO n6.4 OBTENIENDO CARACTERES n nCAPÍTULO 7. PROCESAMIENTO DE IMÁGENES n7.1 OPENCV n7.2 FUNCIONES IMPORTANTES n7.2.1 imread n7.2.2 imshow n7.3 LEER IMÁGENES n7.4 ESCRIBIR IMÁGENES n7.5 CAMBIANDO EL FORMATO DE UNA IMAGEN n7.6 MODELO DE COLOR YUV n7.7 MODELO DE COLOR YUV – DIVISIÓN DE COLORES n7.8 IMAGEN GRIS n7.9 TRASLACIÓN DE IMÁGENES n7.10 ROTACIÓN DE IMÁGENES n7.11 UTILIZANDO LA CÁMARA n7.12 HISTOGRAMA DE IMAGEN n7.13 ECUALIZACIÓN DE HISTOGRAMAS n7.14 CONVOLUCIÓN DE IMÁGENES n7.15 DETECCIÓN DE ROSTROS USANDO HAAR CASCADES n7.16 DETECCIÓN DE HAAR-CASCADE EN OPENCV n nCAPÍTULO 8. CRIPTOGRAFÍA n8.1 CRIPTOGRAFÍA n8.2 CRONOLOGÍA DE LA CRIPTOLOGÍA n8.3 CIFRADO JULIO CESAR n8.4 ALGORITMOS DISPONIBLES n8.4.1 MD5 n8.4.2 SHA1 n8.4.3 SHA512 n8.4.4 Diferentes n8.4.5 Cifrado homomórfica n8.4.6 Lista archivos n8.4.7 Plataforma (platform) n8.4.8 Socket n8.4.9 Obtener la dirección IP n8.4.10 Listar direcciones IPs n8.4.11 Búsqueda e Indexación n8.4.12 Recolección de información nCAPÍTULO 9. DEEP WEB Y REDES TOR. ENTRE SOMBRAS Y REALIDADES n9.1 REDES TOR n9.2 UTILIDAD DE LAS REDES TOR n9.2.1 La solución: una red distribuida y anónima n9.3 DEEP WEB n9.4 TAMAÑO DE LA WEB TRADICIONAL n9.5 TAMAÑO DE LA DEEP WEB n9.6 MANTENERSE ANÓNIMO n9.7 EL FUTURO DE TOR n9.8 TOR BROWSER n9.8.1 Recomendación de uso de la Red Tor n9.8.2 Comprobando privacidad n9.9 CONTROLANDO UNA INSTANCIA LOCAL TOR n9.10 INFORMACIÓN DE REPETIDORES DISPONIBLES n9.11 INFORMACIÓN DE AUTORIDADES DE DIRECTORIO n nCAPÍTULO 10. TAILS n10.1 TAILS n10.2 QUÉ ES TAILS n10.3 REQUERIMIENTOS n10.4 ¿POR QUÉ TAILS USA TOR? n10.5 APLICACIÓN DE ANONIMATO n10.6 USUARIO BASE n10.7 MÉRITOS TÉCNICOS Y RECONOCIMIENTO n10.8 RELACIÓN ENTRE TOR Y TAILS n10.9 CONFIABILIDAD DE TAILS n10.10 SOFTWARE LIBRE Y ESCRUTINIO PÚBLICO n10.11 CONFIANDO EN DEBIAN GNU / LINUX n10.12 TOR CONFIANDO n10.13 CONFIABLES n10.14 INSTALAR TAILS n10.15 ¿QUÉ ES EL SPOOFING DE DIRECCIONES MAC? n10.16 CIRCUITOS ONION n10.17 LISTADO DE CÓDIGO DE PAÍSES n10.18 OBSERVADO LOS CIRCUITOS ONION n10.19 ANONIMIZACIÓN EN EL MUNDO n10.20 ES POSIBLE ROMPER TOR n10.21 MEJORES BUSCADORES TOR n10.21.1 DuckDuckGo n10.21.2 Wayback Machine n10.21.3 SurfWax n10.21.4 Torch n10.21.5 Links TOR n10.21.6 Páginas conocidas de la deep web n10.21.7 Tráficos de la red Tor n10.21.8 Electrum bitcoin wallet n10.21.9 Generar una cartera semilla n nCAPÍTULO 11. BLOCKCHAIN n11.1 INTRODUCCIÓN n11.2 EVOLUCIÓN DE BLOCKCHAIN n11.3 ARQUITECTURA DE BLOCKCHAIN n11.4 CARACTERÍSTICAS DEL BLOCKCHAIN n11.5 TIPOS DE BLOCKCHAIN n11.5.1 Blockchain público n11.5.2 Blockchain privado n11.5.3 Consorcio o Blockchain federado n11.5.4 Blockchain as a Service – BaaS n11.6 COMPONENTES DEL BLOCKCHAIN n11.7 APLICACION DE BLOCKCHAIN n11.8 TECNOLOGÍA DEL LIBRO MAYOR n11.9 CRIPTOMONEDAS n11.9.1 Historia n11.10 CARACTERISTICAS DEL VALOR DE LAS CRIPTOMONEDAS n11.10.1 Bitcoin es un gran negocio n11.11 CREADOR DE BITCOIN SATOSHI NAKAMOTO. n11.12 EL CRECIMIENTO DE BITCOIN n11.13 CONSTRUCCIÓN DE UNA CADENA DE BLOQUES –PYTHON n11.14 CADENA DE BLOQUES n11.14.1 Características del algoritmo SHA-256 n11.15 DEMO BLOCKCHAIN n11.16 ALGORITMOS DE CONSENSO n11.17 QUÉ ES UN TOKEN CLÁSICO n11.18 QUÉ ES UN TOKEN BASADO EN LA BLOCKCHAIN. n11.19 QUÉ SON LOS NFTS n11.20 MÁS SOBRE LOS NFTS n11.21 PODRÍA SER UN NFTS n11.22 FUTURO DEL BLOCKCHAIN n11.23 ECONOMÍA DEL MUNDO n11.24 SMART CONTRACT n11.25 FUNCIONAMIENTO DE UN SMART CONTRACT n11.26 APLICACIONES DE UN SMART CONTRACT n11.26.1 Banca y finanzas – DeFi (Finanzas descentralizadas). n11.26.2 Financiación de proyectos (ICOS) n11.26.3 Exit Scam. n11.26.4 Organizaciones autónomas descentralizadas (DAOS) n11.26.5 Seguros. n11.26.6 Votación electrónica n11.27 CREACIÓN DE NUESTRO PRIMER CONTRATO INTELIGENTE - SMART CONTRACT n nCAPÍTULO 12. CIBERSEGURIDAD n12.1 HACKER n12.2 TIPOS DE HACKER n12.2.1 Aficionados n12.2.2 Hacktivistas n12.2.3 Sombreros blancos n12.2.4 Sombreros negros n12.3 QUÉ BUSCAN LOS HACKER n12.4 TIPOS DE ATAQUES RECIENTES n12.5 AMENAZAS DE CORREO ELECTRÓNICO n12.6 CIBERATAQUES FAMOSOS–EL VIRUS STUXNET Y FLAME n12.7 OTROS CIBERATAQUES FAMOSOS 2020-2021 n12.7.1 Ataques Ransomware n12.7.2 Ataques BEC (Business Email Compromise) n12.7.3 Filtración de datos n12.7.4 Suplantación de identidad n12.7.5 Ataques dirigidos n12.8 CEH n12.8.1 Fases de la metodología n12.9 FASES DE CEH n12.9.1 Fase de reconocimiento. n12.9.2 Fase Escaneo n12.9.3 Ganando acceso n nCAPÍTULO 13. ANEXO. INSTALACIÓN DE PYTHON n13.1 INSTALACIÓN DE PYTHON EN WINDOWS n13.1.1 Comprobar la Instalación n13.2 EL ZEN O FILOSOFÍA DE PYTHON n13.3 ENTORNOS DE TRABAJO n13.3.1 Anaconda n13.3.2 Jupyter

9788419857507

Nolasco Valenzuela, Jorge Santiago