Comprender cómo diferentes áreas del cerebro humano se comunican entre sí es un tema crucial en neurociencia. Los conceptos de conectividad estructural, funcional y efectiva han sido ampliamente explotados para describir el conectoma humano, que consiste en redes cerebrales, sus conexiones estructurales e interacciones funcionales. A pesar de que las técnicas de imagen de alta resolución espacial como la resonancia magnética funcional (fMRI, por sus siglas en inglés) son ampliamente utilizadas para mapear esta compleja red de múltiples interacciones, los registros electroencefalográficos (EEG) reclaman una alta resolución temporal y son perfectamente adecuados para describir patrones de activación y conectividad neural espacialmente distribuidos y temporalmente dinámicos. En este trabajo, proporcionamos un recuento técnico y una categorización de los enfoques basados en datos más utilizados para evaluar la conectividad funcional del cerebro, entendida como el estudio de las dependencias estadísticas entre las señales de EEG registradas. Se discuten diferentes métricas de conectividad, tanto de pares como multivariadas, dirigidas y no dirigidas, con un enfoque de pros y contras, en los dominios del tiempo, la frecuencia y la teoría de la información. El establecimiento de relaciones conceptuales y matemáticas entre métricas de estos tres marcos, así como la discusión de enfoques metodológicos novedosos, permitirán al lector adentrarse en el problema de inferir la conectividad funcional en redes complejas. Además, se discuten tendencias emergentes para la descripción de formas extendidas de conectividad (por ejemplo, interacciones de alto orden), junto con herramientas de teoría de grafos que exploran las propiedades topológicas de la red de conexiones proporcionadas por las métricas propuestas. Se revisan aplicaciones a datos de EEG. Además, se reconoce y discute la importancia de la localización de fuentes, y los impactos de las técnicas de adquisición y preprocesamiento de señales (por ejemplo, filtrado, localización de fuentes y rechazo de artefactos) en las estimaciones de conectividad. Al revisar este estudio, el lector podría adentrarse profundamente en todo el proceso de preprocesamiento y análisis de EEG para el estudio de la conectividad funcional del cerebro y el aprendizaje, aprovechando así metodologías y enfoques novedosos para el problema de inferir la conectividad dentro de redes complejas.