Reto 1 - RDA1:Construcción de un dataset limpio e informe de patrones lingüísticos

Recolectar un dataset textual de al menos 80 registros vinculados con ciberseguridad.  

Documentar la fuente del corpus y su estructura.  

Aplicar un proceso de limpieza y normalización que podrá incluir: eliminación de HTML, URLs, firmas, duplicados, manejo de mayúsculas y minúsculas, supresión de stopwords, lematización o stemming, según la pertinencia del caso. 

Presentar un informe técnico en el que se justifique cada decisión de preprocesamiento 

Desarrollar un análisis exploratorio del conjunto de datos, con distribución léxica básica, frecuencias y patrones lingüísticos asociados a amenazas.  

Explicar cómo este dataset preparado servirá como base para los retos posteriores