AI-Powered Cybersecurity: Wykrywanie i Reagowanie na Zagrożenia - Plan Szkolenia

To prowadzone przez instruktora szkolenie w trybie Polsce (online lub na miejscu) jest skierowane do naukowców danych i inżynierów oprogramowania, którzy chcą wykorzystać AdaBoost do budowy algorytmów boostingowych dla uczenia maszynowego z użyciem Pythona.

Po ukończeniu tego szkolenia uczestnicy będą w stanie:

• Zainstalować niezbędne środowisko rozwojowe do budowy modeli uczenia maszynowego z AdaBoost.
• Zrozumieć podejście uczenia zespołowego oraz jak wdrożyć adaptacyjny boosting.
• Nauczyć się budowy modeli AdaBoost w celu wzmacniania algorytmów uczenia maszynowego w Pythonie.
• Używać optymalizacji hiperparametrów do zwiększania dokładności i wydajności modeli AdaBoost.

To szkolenie prowadzone przez instruktora, na żywo w Polsce (online lub na miejscu) jest skierowane do naukowców zajmujących się danymi, a także mniej technicznych osób, które chcą używać Auto-Keras do automatyzacji procesu wyboru i optymalizacji modelu uczenia maszynowego.

Po zakończeniu tego szkolenia uczestnicy będą mogli:

• Automatyzować proces szkolenia wysoce efektywnych modeli uczenia maszynowego.
• Automatycznie wyszukiwać najlepsze parametry dla modeli głębokiego uczenia.
• Budować wysoce dokładne modele uczenia maszynowego.
• Wykorzystywać moc uczenia maszynowego do rozwiązywania rzeczywistych problemów biznesowych.

To szkolenie prowadzone przez instruktora (online lub na miejscu) jest skierowane do uczestników technicznych z doświadczeniem w dziedzinie uczenia maszynowego, którzy chcą optymalizować modele do wykrywania złożonych wzorców w dużych zbiorach danych przy użyciu frameworków AutoML.

To szkolenie prowadzone przez instruktora na żywo w Polsce (online lub na miejscu) jest skierowane do uczestników o różnym poziomie zaawansowania, którzy chcą wykorzystać platformę AutoML firmy Google do tworzenia niestandardowych chatbotów na różne zastosowania.

Po zakończeniu szkolenia uczestnicy będą mogli:

• Zrozumieć podstawy tworzenia chatbotów.
• Poruszać się po Google Cloud Platform i uzyskiwać dostęp do AutoML.
• Przygotowywać dane do trenowania modeli chatbotów.
• Trenować i oceniać niestandardowe modele chatbotów za pomocą AutoML.
• Wdrażać i integrować chatboty na różnych platformach i kanałach.
• Monitorować i optymalizować wydajność chatbotów w czasie.

To szkolenie prowadzone przez instruktora, na żywo w Polsce (online lub na miejscu), obejmuje różne aspekty bezpieczeństwa przedsiębiorstw, od sztucznej inteligencji po bezpieczeństwo baz danych. Zawiera również omówienie najnowszych narzędzi, procesów i podejść niezbędnych do ochrony przed atakami.

To szkolenie prowadzone przez instruktora, na żywo w Polsce (online lub na miejscu) wprowadza w dziedzinę rozpoznawania wzorców i uczenia maszynowego. Porusza praktyczne zastosowania w statystyce, informatyce, przetwarzaniu sygnałów, przetwarzaniu obrazów, eksploracji danych i bioinformatyce.

Pod koniec szkolenia uczestnicy będą mogli:

• Stosować podstawowe metody statystyczne w rozpoznawaniu wzorców.
• Wykorzystywać kluczowe modele, takie jak sieci neuronowe i metody jądrowe, do analizy danych.
• Implementować zaawansowane techniki rozwiązywania złożonych problemów.
• Poprawiać dokładność predykcji poprzez łączenie różnych modeli.

To szkolenie prowadzone przez instruktora, na żywo w Polsce (online lub na miejscu), jest skierowane do naukowców zajmujących się danymi i analityków danych, którzy chcą automatyzować, oceniać i zarządzać modelami predykcyjnymi przy użyciu możliwości uczenia maszynowego DataRobot.

Pod koniec szkolenia uczestnicy będą mogli:

• Wczytywać zbiory danych w DataRobot w celu analizy, oceny i kontroli jakości danych.
• Tworzyć i trenować modele w celu identyfikacji ważnych zmiennych i osiągania celów predykcyjnych.
• Interpretować modele, aby tworzyć wartościowe wnioski przydatne w podejmowaniu decyzji biznesowych.
• Monitorować i zarządzać modelami w celu utrzymania zoptymalizowanej wydajności predykcyjnej.

Ten kurs zanurzy studentów w interaktywnym środowisku, w którym zostaną im pokazane metody skanowania, testowania, hackowania i zabezpieczania własnych systemów. Intensywne laboratorium zapewnia każdemu studentowi dogłębną wiedzę i praktyczne doświadczenie z obecnie niezbędnymi systemami bezpieczeństwa. Studenci zaczną od zrozumienia, jak działają zabezpieczenia peryferyjne, a następnie przejdą do skanowania i atakowania własnych sieci, przy czym żadna rzeczywista sieć nie zostanie naruszona. Następnie studenci dowiedzą się, jak intruzi eskalują uprawnienia i jakie kroki można podjąć, aby zabezpieczyć system. Studenci poznają również zagadnienia związane z wykrywaniem włamań, tworzeniem polityk bezpieczeństwa, inżynierią społeczną, atakami DDoS, przepełnieniami bufora i tworzeniem wirusów. Po ukończeniu tego intensywnego 5-dniowego kursu studenci będą mieli praktyczne zrozumienie i doświadczenie w etycznym hackowaniu.

Celem szkolenia z etycznego hackowania jest:

• Ustanowienie i zarządzanie minimalnymi standardami certyfikacji specjalistów ds. bezpieczeństwa informacji w zakresie etycznego hackowania.
• Poinformowanie opinii publicznej, że certyfikowane osoby spełniają lub przekraczają minimalne standardy.
• Wzmocnienie etycznego hackowania jako unikalnej i samoregulującej się profesji.

Grupa docelowa:

Kurs jest idealny dla osób pracujących na stanowiskach takich jak, ale nie ograniczając się do:

• Inżynierowie ds. bezpieczeństwa
• Konsultanci ds. bezpieczeństwa
• Menedżerowie ds. bezpieczeństwa
• Dyrektorzy/Menedżerowie IT
• Audytorzy bezpieczeństwa
• Administratorzy systemów IT
• Administratorzy sieci IT
• Architekci sieci
• Deweloperzy

To szkolenie prowadzone przez instruktora na żywo w Polsce (online lub na miejscu) jest skierowane do naukowców zajmujących się danymi, analityków danych oraz programistów, którzy chcą poznać produkty i funkcje AutoML, aby z minimalnym wysiłkiem tworzyć i wdrażać niestandardowe modele treningowe ML.

Po zakończeniu szkolenia uczestnicy będą mogli:

• Poznać linię produktów AutoML, aby wdrażać różne usługi dla różnych typów danych.
• Przygotować i oznaczyć zbiory danych, aby tworzyć niestandardowe modele ML.
• Trenować i zarządzać modelami, aby tworzyć dokładne i sprawiedliwe modele uczenia maszynowego.
• Dokonywać prognoz przy użyciu wytrenowanych modeli, aby spełniać cele i potrzeby biznesowe.

Dlaczego warto wziąć udział?

Szkolenie Certyfikowany Lider Etycznego Hacking umożliwia rozwinięcie niezbędnej wiedzy do przeprowadzania testów penetracyjnych systemów informatycznych, stosując uznane zasady, procedury i techniki testów penetracyjnych, w celu identyfikacji potencjalnych zagrożeń w sieci komputerowej. Podczas tego szkolenia zdobędziesz wiedzę i umiejętności potrzebne do zarządzania projektem lub zespołem testów penetracyjnych, a także do planowania i przeprowadzania wewnętrznych i zewnętrznych testów penetracyjnych, zgodnie z różnymi standardami, takimi jak Penetration Testing Execution Standard (PTES) i Open Source Security Testing Methodology Manual (OSSTMM). Ponadto zdobędziesz dogłębną wiedzę na temat przygotowywania raportów i propozycji środków zaradczych. Dodatkowo, poprzez praktyczne ćwiczenia, będziesz mógł opanować techniki testów penetracyjnych i zdobyć umiejętności niezbędne do zarządzania zespołem testów penetracyjnych, a także komunikacji z klientami i rozwiązywania konfliktów.

Szkolenie Certyfikowany Lider Etycznego Hacking zapewnia techniczne spojrzenie na bezpieczeństwo informacji poprzez etyczny hacking, wykorzystując powszechne techniki, takie jak zbieranie informacji i wykrywanie luk w zabezpieczeniach, zarówno wewnątrz, jak i na zewnątrz sieci firmowej.

Szkolenie jest również zgodne z ramami NICE (The National Initiative for Cybersecurity Education) Protect and Defend.

Po opanowaniu niezbędnej wiedzy i umiejętności w zakresie etycznego hackingu, możesz przystąpić do egzaminu i ubiegać się o certyfikat „PECB Certified Lead Ethical Hacker”. Posiadając certyfikat PECB Lead Ethical Hacker, będziesz mógł wykazać, że zdobyłeś praktyczne umiejętności w zakresie przeprowadzania i zarządzania testami penetracyjnymi zgodnie z najlepszymi praktykami.

Dla kogo jest to szkolenie?

• Osoby zainteresowane bezpieczeństwem IT, a w szczególności etycznym hackingiem, które chcą dowiedzieć się więcej na ten temat lub rozpocząć proces przekwalifikowania zawodowego.
• Specjaliści i pracownicy ds. bezpieczeństwa informacji, którzy chcą opanować techniki etycznego hackingu i testów penetracyjnych.
• Menedżerowie lub konsultanci, którzy chcą nauczyć się kontrolować proces testów penetracyjnych.
• Audytorzy, którzy chcą przeprowadzać profesjonalne testy penetracyjne.
• Osoby odpowiedzialne za utrzymanie bezpieczeństwa systemów informatycznych w organizacji.
• Eksperci techniczni, którzy chcą nauczyć się przygotowywać testy penetracyjne.
• Specjaliści ds. cyberbezpieczeństwa i członkowie zespołów ds. bezpieczeństwa informacji.

To szkolenie prowadzone przez instruktora, na żywo (online lub na miejscu), jest skierowane do programistów, którzy chcą wykorzystać Google ML Kit do budowania modeli uczenia maszynowego zoptymalizowanych do przetwarzania na urządzeniach mobilnych.

Po zakończeniu szkolenia uczestnicy będą w stanie:

• Skonfigurować niezbędne środowisko programistyczne do tworzenia funkcji uczenia maszynowego dla aplikacji mobilnych.
• Zintegrować nowe technologie uczenia maszynowego w aplikacjach na Androida i iOS za pomocą API ML Kit. 
• Ulepszać i optymalizować istniejące aplikacje za pomocą SDK ML Kit do przetwarzania i wdrażania na urządzeniach.

Dopasowanie wzorców to technika używana do lokalizowania określonych wzorców w obrazie. Może być stosowana do określenia istnienia określonych cech w przechwyconym obrazie, na przykład oczekiwanej etykiety na wadliwym produkcie na linii produkcyjnej lub określonych wymiarów komponentu. Różni się od „Rozpoznawania wzorców” (które rozpoznaje ogólne wzorce na podstawie większych zbiorów powiązanych próbek) tym, że konkretnie określa, czego szukamy, a następnie informuje nas, czy oczekiwany wzorzec istnieje, czy nie.

Format kursu

• Ten kurs wprowadza podejścia, technologie i algorytmy stosowane w dziedzinie dopasowywania wzorców w kontekście Wizji Maszynowej.

To szkolenie prowadzone przez instruktora, na żywo w Polsce (online lub na miejscu) jest skierowane do naukowców zajmujących się danymi oraz inżynierów oprogramowania, którzy chcą wykorzystać Random Forest do budowania algorytmów uczenia maszynowego dla dużych zbiorów danych.

Po zakończeniu szkolenia uczestnicy będą mogli:

• Skonfigurować niezbędne środowisko programistyczne do rozpoczęcia budowania modeli uczenia maszynowego z wykorzystaniem Random Forest.
• Zrozumieć zalety Random Forest oraz jak go zaimplementować, aby rozwiązywać problemy klasyfikacji i regresji.
• Nauczyć się zarządzać dużymi zbiorami danych oraz interpretować wiele drzew decyzyjnych w Random Forest.
• Oceniać i optymalizować wydajność modelu uczenia maszynowego poprzez dostrajanie hiperparametrów.

To szkolenie prowadzone przez instruktora na żywo w Polsce (online lub na miejscu) jest skierowane do analityków danych na poziomie średniozaawansowanym, którzy chcą nauczyć się, jak używać RapidMiner do szacowania i prognozowania wartości oraz wykorzystywać narzędzia analityczne do prognozowania szeregów czasowych.

Pod koniec szkolenia uczestnicy będą mogli:

• Nauczyć się stosować metodologię CRISP-DM, wybierać odpowiednie algorytmy uczenia maszynowego oraz poprawiać konstrukcję i wydajność modeli.
• Wykorzystać RapidMiner do szacowania i prognozowania wartości oraz korzystać z narzędzi analitycznych do prognozowania szeregów czasowych.

RapidMiner to otwarta platforma programowa do nauki o danych, przeznaczona do szybkiego prototypowania i rozwoju aplikacji. Zawiera zintegrowane środowisko do przygotowywania danych, uczenia maszynowego, uczenia głębokiego, analizy tekstu i analizy predykcyjnej. 

W tym szkoleniu prowadzonym przez instruktora uczestnicy nauczą się, jak korzystać z RapidMiner Studio do przygotowywania danych, uczenia maszynowego i wdrażania modeli predykcyjnych. 

Pod koniec szkolenia uczestnicy będą mogli:

• Zainstalować i skonfigurować RapidMiner
• Przygotować i wizualizować dane za pomocą RapidMiner
• Weryfikować modele uczenia maszynowego
• Integrować dane i tworzyć modele predykcyjne
• Wdrażać analizę predykcyjną w procesach biznesowych
• Rozwiązywać problemy i optymalizować RapidMiner

Odbiorcy

• Analitycy danych
• Inżynierowie
• Programiści

Format kursu

• Część wykładowa, część dyskusyjna, ćwiczenia i intensywna praktyka

Uwaga

• Aby zamówić dostosowane szkolenie dla tego kursu, prosimy o kontakt w celu uzgodnienia.