Tribunal titular

Cargo

Departamento

Profesor

Presidente

ING.ELECTR.DE SIST. Y AUTOMATI

BLAZQUEZ QUINTANA , LUIS FELIPE

Secretario

ING.ELECTR.DE SIST. Y AUTOMATI

ALAIZ MORETON , HECTOR

Vocal

ING.ELECTR.DE SIST. Y AUTOMATI

FUERTES MARTINEZ , JUAN JOSE

Tribunal suplente

Cargo

Departamento

Profesor

Presidente

ING.ELECTR.DE SIST. Y AUTOMATI

PRADA MEDRANO , MIGUEL ANGEL

Secretario

ING.ELECTR.DE SIST. Y AUTOMATI

FOCES MORAN , JOSE MARIA

Vocal

ING.ELECTR.DE SIST. Y AUTOMATI

GARCIA RODRIGUEZ , ISAIAS

Básica

Richard Szeliski.

Computer Vision: Algorithms and Applications,

Springer, 2011

(pdf available online: http://szeliski.org/Book/)

Pattern Classification (2nd Edition), by R.O. Duda, P.E. Hart, and D.G. Stork, Wiley-Interscience, 2000.

Alegre, E., Sánchez, L., Fernández, R.A. y Mostaza, J.C. (2003). Procesamiento Digital de Imagen: Fundamentos y Prácticas con Matlab. Secretariado de Publicaciones y Medios Audiovisuales de la Universidad de León.

González, R. C. y Woods, R. E. (2008). Digital Image Processing (Third Edition). Prentice Hall.

Introduction to Machine Learning. 2nd Edition. Ethem Alpaydin. The MIT Press, 2010.

Principles of Data Mining, Max Bramer, Springer-Verlag, 2007,

Combining Pattern Classifiers: Methods and Algorithms, L. Kuncheva, Wiley, Second Edition, 2014

Complementaria

Pajares, G y de la Cruz, J.M. (2001). Visión por Computador. Ra-ma.

González, J. (2000). Visión por Computador. Paraninfo.

González, R. C. y Woods, R. E. (1996). Tratamiento digital de imágenes. Addison-Wesley /Diaz de Santos.

Shapiro, L. & Stockman G. (2001). Computer Vision. Prentice-Hall.

Parker, J.R. (1997). Algorithms for image processing and computer vision. John Wiley & Sons, Inc.

Trucco, E. & Verri, A. (1998). Introductory Techniques for 3-D Computer Vision. Prentice-Hall.

Maravall, D. (1993). Reconocimiento de formas y visión artificial. Ra-ma

Davies, E.R. (1996). Machine Vision: Theory, Alforithms, Practicalities. Academic Press.

Tipo A	Código	Competencias Específicas
	A18801	1747CE17 Conocer el método científico. Capacidad de búsqueda de información y referencias relevantes y redacción de artículos científicos. Organizar y preparar aportaciones para congresos científicos. Knowing the scientific method. Aptitude for gathering of information and relevant references and writing of scientific papers. Organization and presentation of contributions to scientific conferences.
	A18804	1747CE2 Diseñar y desarrollar software seguro en diversos lenguajes de programación evitando generar las vulnerabilidades software más comunes./ Designing and developing secure software in various programming languages avoiding the generation of the most common software vulnerabilities.
	A18812	1747CE9 Prevenir fraudes en comercio electrónico./ Avoiding frauds in electronic commerce.
Tipo B	Código	Competencias Generales y Transversales
	B5729	1747CG1 Elaborar y defender argumentos y resolver problemas dentro del área de seguridad informática y de las comunicaciones./ Developing and defending arguments and resolving problems in the field of computer and communications security.
	B5730	1747CG2 Reunir e interpretar datos relevantes dentro del área de seguridad informática y de las comunicaciones/Collecting and understanding relevant data in the field of computer and communications security.
	B5731	1747CG3 Emitir juicios sobre temas relevantes de índole social, científica o ética desde la perspectiva de la ciberseguridad./ Judging relevant subjects of social, scientific, or ethical nature from a cybersecurity perspective.
	B5732	1747CG4 Transmitir soluciones al entorno industrial y empresarial en el campo de la ciberseguridad./ Convey solutions to the industrial and corporate environment in the field of cybersecurity.
	B5740	1747CT7 Aprender de forma autónoma./Self-learning ability.
Tipo C	Código	Competencias Básicas

Resultados	Competencias
Programa y analiza tareas en diversos lenguajes de programación en el área de la seguridad informática y de las comunicaciones	A18804 A18812	B5729 B5732 B5740
Aplica las propiedades biométricas el área de seguridad informática y de las comunicaciones.	A18812	B5729 B5730 B5731 B5732
Previene de fraudes en comercio electrónico.	A18812
Conoce los conceptos básicos de ingeniería social	A18812	B5731
Conoce el método científico. Capacidad de búsqueda de información y referencias relevantes y redacción de artículos científicos. Preparación de aportaciones para congresos científicos.	A18801

Bloque	Tema
Bloque I: CLASIFICACIÓN DE IMÁGENES	Tema 1. CLASIFICACIÓN DE IMÁGENES PARA LA LUCHA CONTRA EL CIBERCRIMEN. Conceptos, Preprocesamiento, Descriptores de Imagen, Deep Learning para la clasificación de imágenes. Aplicaciones de la clasificación de imágenes para la lucha contra el cibercrimen. Tema 2. RECONOCIMIENTO DE PERSONAS PARA LA LUCHA CONTRA EL CIBERCRIMEN. Detección y reconocimiento de rostros. Detección de personas. Hash perceptual
Bloque II. CLASIFICACIÓN DE TEXTO	Tema 3. CLASIFICACiÓN DE TEXTO PARA LA LUCHA CONTRA EL CIBERCRIMEN. Descriptores de texto. Word Embeddings. Modelos de Deep Learning para procesamiento de lenguaje natural. Aplicaciones Tema 4. DETECCIÓN Y CLASIFICACIÓN DE SPAM. Aplicación de modelos de clasificación de texto a la detección de Spam Tema 5. DETECCIÓN AUTOMÁTICA DE PHISHING Aplicación de modelos de clasificación de texto a la detección de Phishing.
Bloque III. OTRAS APLICACIONES	Tema 6. DETECCIÓN DE REDES BOTNET Conceptos Básicos del modelo TPC/IP. Descripción de tráfico de red. Aplicación de modelos de clasificación para la detección de redes botnet.

Metodologías :: Pruebas
	Horas en clase	Horas fuera de clase	Horas totales
Presentaciones/exposiciones	1	0	1

Practicas a través de TIC en aulas informáticas	18	27	45
Resolución de problemas/ejercicios en el aula ordinaria	2	0	2
Estudio de caso	0	6	6

Sesión Magistral	8	12	20

Pruebas mixtas	1	0	1

(*)Los datos que aparecen en la tabla de planificación són de carácter orientativo, considerando la heterogeneidad de los alumnos

	descripción
Presentaciones/exposiciones	El alumnado elegirá un artículo científico del estado del arte relacionado con alguno de los temas que se abordan en el curso. Lo tendrán que leer, trabajar y expondrán en clase,
Practicas a través de TIC en aulas informáticas	Prácticas guiadas para la programación y evaluación de métodos y técnicas explicadas en clase. Las prácticas se realizarán siguiendo los guiones dejados en Agora. Las dudas se resolverán consultando al profesor. Se entregará su solución en una tarea habilitada para ello en Agora.
Resolución de problemas/ejercicios en el aula ordinaria	Ejercicios resueltos en el encerado y también mediante diapositivas y ejemplos. También se podrán dejar ejercicios en Agora, con soluciones, la mayoría de las veces también con ejemplos resueltos en Excel.
Estudio de caso	Estudio del artículo científico elegido previo a la realización de la presentación del mismo.
Sesión Magistral	Sesiones teóricas en el aula utilizando diapositivas. También se podrán dejar presentaciones o documentos correspondientes a los materiales de cada lección en Agora y se pondrá un foro de dudas. Las lecciones podrán ir acompañadas de vídeos relacionados con los conceptos presentados, algunos grabados por los profesores y otros procedentes de recursos de internet que los profesores consideren especialmente apropiados. Algunas lecciones irán acompañadas de un cuestionario con preguntas, que podrán ser tanto teóricas como prácticas, cuyas entregas serán evaluables. Se podrán utilizar cursos de la plataforma Datacamp o cursos similares para reforzar algunas lecciones impartidas, siendo algunos cursos opcionales y otros obligatorios.

	descripción	calificación
Presentaciones/exposiciones	Cada alumno/a elegirá uno de los artículos propuestos por el profesor y tendrá que estudiarlo y defenderlo. Se valorará el grado de conocimiento sobre el tema que haya adquirido el alumno/a, así como el material que elabore y la defensa que realice de dicho tema.	10
Practicas a través de TIC en aulas informáticas	Después de cada práctica se planteará un cuestionario o uno o más ejercicios prácticos de programación sobre los contenidos de la práctica. Cada práctiuca se evaluará por separado y se calificará entre 0 y 10. Será necesario obtener al menos un 5 de media para superar el curso.	50
Pruebas mixtas	El examen final consistirá en cuestiones y/o ejercicios sobre los conceptos teóricos vistos en las clases y en los laboratorios.	40
Otros	Se podrán plantear actividades voluntarias al alumnado, que se evaluarán para sumar puntos adicionales a los obtenidos en las anteriores pruebas de evaluación

Otros comentarios y segunda convocatoria
Las entregas retrasadas sufrirán una penalización en la nota. Para superar la asignatura en evaluación continua (primera convocatoria) será necesario obtener al menos la 50 puntos sobre 100, siempre y cuando la calificación media correspondiente a las prácticas sea de 5 sobre 10. El alumnado que no supere la asignatura en evaluación continua, podrán entregar lo que les falte en el periodo correspondiente a la primera convocatoria ordinaria Para superar la asignatura en la segunda convocatoria ordinaria, el alumnado tendrá que entregar las prácticas no superadas, así como realizar un examen final sobre los conceptos teóricos y/o prácticos. A la nota de dicho examen y de las prácticas, se sumará la nota de la presentación realizada en la primera convocatoria

Básica
	Richard Szeliski. Computer Vision: Algorithms and Applications, Springer, 2011 (pdf available online: http://szeliski.org/Book/) Pattern Classification (2nd Edition), by R.O. Duda, P.E. Hart, and D.G. Stork, Wiley-Interscience, 2000. Alegre, E., Sánchez, L., Fernández, R.A. y Mostaza, J.C. (2003). Procesamiento Digital de Imagen: Fundamentos y Prácticas con Matlab. Secretariado de Publicaciones y Medios Audiovisuales de la Universidad de León. González, R. C. y Woods, R. E. (2008). Digital Image Processing (Third Edition). Prentice Hall. Introduction to Machine Learning. 2nd Edition. Ethem Alpaydin. The MIT Press, 2010. Principles of Data Mining, Max Bramer, Springer-Verlag, 2007, Combining Pattern Classifiers: Methods and Algorithms, L. Kuncheva, Wiley, Second Edition, 2014
Complementaria
	Pajares, G y de la Cruz, J.M. (2001). Visión por Computador. Ra-ma. González, J. (2000). Visión por Computador. Paraninfo. González, R. C. y Woods, R. E. (1996). Tratamiento digital de imágenes. Addison-Wesley /Diaz de Santos. Shapiro, L. & Stockman G. (2001). Computer Vision. Prentice-Hall. Parker, J.R. (1997). Algorithms for image processing and computer vision. John Wiley & Sons, Inc. Trucco, E. & Verri, A. (1998). Introductory Techniques for 3-D Computer Vision. Prentice-Hall. Maravall, D. (1993). Reconocimiento de formas y visión artificial. Ra-ma Davies, E.R. (1996). Machine Vision: Theory, Alforithms, Practicalities. Academic Press.