لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش الگوریتمهای یادگیری ماشین برای شناسایی تهدیدات
- آخرین آپدیت
دانلود Machine Learning Algorithms for Threat Detection
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
تیمهای امنیت سایبری با حجم عظیمی از دادهها و تهدیدات در حال تکاملی روبرو هستند که شناسایی آنها با ابزارهای سنتی بهطور فزایندهای دشوار شده است. این دوره شما را با دانش لازم برای بهکارگیری الگوریتمهای یادگیری ماشین جهت شناسایی ناهنجاریها و بهبود تشخیص تهدیدات مجهز میکند. در دوره «الگوریتمهای یادگیری ماشین برای شناسایی تهدیدات»، شما با الگوریتمهای هوش مصنوعی مورد استفاده در امنیت سایبری و شناسایی تهدیدات و همچنین مبانی ساخت مدلهای AI آشنا خواهید شد. ابتدا، مفاهیم پایه یادگیری نظارت شده (Supervised) در مقابل یادگیری نظارت نشده (Unsupervised) را بررسی میکنید. سپس، کاربردهای مستقیم این روشهای یادگیری در یافتن ناهنجاریهای دادهها، شامل درختهای تصمیم (Decision Trees)، جنگلهای تصادفی (Random Forests)، خوشهبندی K-means و DBSCAN و یادگیری عمیق با استفاده از شبکههای عصبی را خواهید شناخت. در نهایت، با اصول ایجاد مدلهای هوش مصنوعی، از جمله انتخاب ویژگیها (Feature Selection) در دادههای آموزشی، مفاهیم بیشبرازش (Overfitting) و کمبرازش (Underfitting) در حین آموزش مدل و روشهای ارزیابی اثربخشی مدلهای AI آشنا میشوید. در پایان این دوره، شما قادر خواهید بود رویکردهای کلیدی یادگیری ماشین برای شناسایی تهدیدات را تشخیص داده و مفاهیم بنیادی هوش مصنوعی را برای ساخت، آموزش و ارزیابی مدلهای موثر امنیت سایبری به کار ببرید.
سرفصل ها و درس ها
یادگیری نظارت شده در مقابل نظارت نشده
Supervised vs. Unsupervised Learning
یادگیری نظارت شده در مقابل نظارت نشده
Supervised vs. Unsupervised Learning
دمو: توسعه هوش مصنوعی در Jupyter Notebooks
Demo: AI Development in Jupyter Notebooks
الگوریتمهای رایج برای امنیت سایبری
Common Algorithms for Cybersecurity
درختهای تصمیم و جنگلهای تصادفی
Decision Trees and Random Forests
ماشینهای بردار پشتیبان (SVM)
Support Vector Machines
الگوریتمهای K-means و DBSCAN
K-means and DBSCAN
یادگیری عمیق
Deep Learning
انتخاب ویژگی و پیشپردازش دادهها
Feature Selection and Data Preprocessing
انتخاب ویژگی
Feature Selection
پیشپردازش دادهها
Data Preprocessing
آموزش و ارزیابی مدل
Model Training and Evaluation
بیشبرازش، کمبرازش و اعتبارسنجی متقاطع
Overfitting, Underfitting, and Cross-validation
نمایش نظرات