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 نظارت‌شده (Supervised) در مقابل یادگیری نظارت‌نشده (Unsupervised) را بررسی می‌کنید. سپس، کاربردهای مستقیم این روش‌های یادگیری در یافتن ناهنجاری‌های داده‌ها، از جمله درخت تصمیم (Decision Trees)، جنگل‌های تصادفی (Random Forests)، خوشه‌بندی K-means و DBSCAN، و یادگیری عمیق با استفاده از شبکه‌های عصبی را کشف خواهید کرد. در نهایت، با مبانی ایجاد مدل‌های هوش مصنوعی، شامل انتخاب ویژگی (Feature Selection) در داده‌های آموزشی، 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 AI را برای ساخت، آموزش و ارزیابی مدل‌های امنیت سایبری کارآمد به کار ببرید.

سرفصل ها و درس ها

یادگیری نظارت‌شده در مقابل نظارت‌نشده Supervised vs. Unsupervised Learning

  • یادگیری نظارت‌شده در مقابل نظارت‌نشده 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

  • درخت 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

  • معیارهای ارزیابی مدل Model Metrics

نمایش نظرات

آموزش الگوریتم‌های یادگیری ماشین برای شناسایی تهدیدات
جزییات دوره
38m
10
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
6
از 5
دارد
دارد
دارد
Ryan Smith
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar