Con ayuda de los expertos de ethical hacking, la siguiente es
una lista de los cursos gratuitos de lenguaje de máquina para principiantes en
el área de programación.
1. MACHINE
LEARNING
En
primer lugar, podría decirse que el curso más popular en esta lista, Machine
Learning ofrece una amplia introducción al aprendizaje automático, minería de
datos, y el reconocimiento de patrones estadísticos según profesores de curso
de ethical hacking de iicybersecurity IICS.
Los
temas incluyen:
§ Aprendizaje
supervisado (parametric/non-parametric algorithms, support vector machines,
kernels, neural networks).
§ El
aprendizaje no supervisado (clustering, dimensionality reduction, recommender
systems, deep learning).
§ Las
mejores prácticas en el lenguaje de máquina y recomendaciones de los expertos
de pruebas de penetración.
El
curso también se basará en numerosos estudios de casos y aplicaciones, de modo
que usted también aprenderá cómo aplicar algoritmos de aprendizaje para la
construcción de robots inteligentes, comprensión del texto (búsqueda en la Web,
anti-spam), la visión de computadora, la informática médica, audio, extracción
de bases de datos, ethical hacking, pruebas de
penetración y otras áreas.
2. MACHINE
LEARNING FOUNDATIONS: A CASE STUDY APPROACH
En
Machine Learning Foundations: A Case Study Approach, obtendrás experiencia
práctica con el lenguaje de máquina a partir de una serie de estudios de casos
prácticos. A través de ejercicios prácticos con estos casos de uso, usted será
capaz de aplicar los métodos de lenguaje de máquina en una amplia gama de
dominios acuerdo a consultores de pruebas de penetración.
Para el final de este curso, usted será capaz de:
§ Identificar
las posibles aplicaciones de lenguaje de máquina en la práctica.
§ Describir
las diferencias fundamentales en los análisis habilitados por regresión,
clasificación y agrupamiento.
§ Seleccionar
la tarea de lenguaje de máquina apropiada para una aplicación potencial.
§ Aplicar
regression, classification, clustering, retrieval, recommender systems y deep
learning a ethical hacking y pruebas de penetración.
§ Representar
los datos como características para servir como entrada para modelos de
lenguaje de máquina.
§ Utilizar
un conjunto de datos para ajustar un modelo de análisis los nuevos datos.
§ Construir
una aplicación de extremo a extremo que utilice la lenguaje de máquina en su
núcleo que podrías usar durante práctica de ethical hacking.
§ Poner
en práctica estas técnicas en Python.
3. LEARNING
FROM DATA
Learning
From Data es un curso
introductorio de lenguaje de máquina que cubrirá la teoría básica, algoritmos y
aplicaciones.
Se equilibra la teoría y la práctica, y cubre las matemáticas,
así como los aspectos heurísticos. Las clases teóricas se suceden de una manera
similar a la historia acuerda a los profesores de curso de ethical hacking de
international institute of cyber secrity:
§ ¿Qué es
el aprendizaje?
§ ¿Puede
una máquina aprender?
§ ¿Cómo
hacerlo?
§ ¿Cómo
hacerlo bien?
§ Lecciones
para llevar a casa.
Usted
aprenderá a:
§ Identificar
los principios básicos teóricos, algoritmos y aplicaciones del aprendizaje
automático
§ Elaborar
las conexiones entre la teoría y la práctica en lenguaje de máquina.
§ Dominar
los aspectos matemáticos y heurísticos de lenguaje de máquina y sus
aplicaciones a situaciones del mundo real para hacer programas de ethical
hacking, pruebas de penetración.
4. MACHINE
LEARNING: CLASSIFICATION
En
Machine Learning: Classification, va a crear clasificadores que proporcionan un
rendimiento del estado técnico en una variedad de tareas. Usted se
familiarizará con las técnicas más exitosas, que son los más ampliamente
utilizadas en la práctica en el ámbito de ethical hacking y pruebas de
penetración. Este curso es práctico, lleno de acción, y lleno de
visualizaciones y ejemplos de cómo estas técnicas se comportarán en datos
reales.
Para
el final de este curso, usted será capaz de:
§ Describir
la entrada y salida de un modelo de clasificación
§ Hacer
frente a ambos problemas de clasificación binaria y multiclase
§ Implementar
un modelo de regresión logística para la clasificación a gran escala
§ Mejorar
el rendimiento de cualquier modelo utilizando boosting
§ Escala
sus métodos con stochastic gradient ascent
§ Describir
los límites de decisión que subyacen
§ Analizar
los datos financieros para predecir créditos incobrables
§ Utilizar
técnicas para el manejo de los datos faltantes para hacer pruebas de
penetración
§ Evaluar
sus modelos usando las métricas de precision-recall
§ Poner
en práctica estas técnicas en
5. MACHINE
LEARNING: CLUSTERING & RETRIEVAL
En
Machine Learning: Clustering & Retrieval va a examinar algoritmos basados
en la similitud para la recuperación.
Según
curso de ethical hacking, para el final de este curso, usted será capaz de:
§ Crear
un sistema de recuperación de documentos
§ Identificar
las diferentes medidas de similitud para los datos de texto
§ Comparar
y contrastar supervisado, y tareas de aprendizaje sin supervisión
§ Documentos
de Cluster por tema utilizando k-means
§ Examinar
probabilistic clustering usando modelos de mezclas
§ Describir
los pasos de un muestreado de Gibbs y cómo utilizar su salida para sacar
conclusiones
§ Poner
en práctica estas técnicas en Python
6. MACHINE
LEARNING FOR DATA SCIENCE AND ANALYTICS
Machine
Learningfor Data Science and Analytics es una introducción a los algoritmos de
lenguaje de máquina. Va a desarrollar una comprensión básica de los principios
del lenguaje de máquina y obtener soluciones prácticas utilizando el análisis
predictivo. También examinamos las razones de porque los algoritmos juegan un
papel esencial en el análisis de Big Data y pruebas de penetración avanzados.
En
este curso, usted aprenderá:
§ ¿Qué es
lenguaje de máquina y cómo se relaciona con las estadísticas y análisis de
datos?
§ ¿Cómo
se usa el lenguaje de máquina con algoritmos informáticos para buscar patrones
en los datos durante ethical hacking?
§ ¿Cómo
utilizar los patrones de datos para tomar decisiones y predicciones con
ejemplos del mundo real?
§ ¿Cómo
descubrir temas ocultos en grandes colecciones de documentos utilizando el
modelado tema?
§ Modo de
preparación de datos, hacer frente a los datos faltantes y crear datos
personalizados, soluciones de análisis para diferentes industrias y soluciones
de pruebas de
penetración.
§ Las
básicas y frecuente usadas técnicas algorítmicas que incluyen la clasificación,
búsqueda, algoritmos codiciosos y programación dinámica
