Великі дані для кібербезпеки

Курс «Великі дані для кібербезпеки» дозволяє вивчити практичні приклади
використання великих даних (Big Data) у різних галузях (охорона здоров’я,
промисловість, фінансовий сектор, енергетика тощо) та особливості реалізації галузевоорієнтованих Big Data проектів з урахуванням аспектів кібер і функційної безпеки.

Значну увагу приділено корпоративним технологіям і бізнес-аналітиці під час реалізації
таких проектів. Разом з тим докладно представлена універсальна і високопродуктивна
кластерна обчислювальна платформи (фреймворк) Apache Spark та його бібліотеки:
MLlib, що реалізує механізм машинного навчання (Machine Learning та підтримує
алгоритми машинного навчання, включаючи алгоритми класифікації (classification),
регресії (regression), кластеризації (clustering) і спільної фільтрації (collaborative filtering),
а також функції тестування моделей і імпортування даних); GraphX, що реалізує
управління графами. Освоєння курсу дозволить опанувати базові знання для підготовки
та реалізації галузево-орієнтованого Big Data проекту.


Мета курсу - засвоєння знань, навичок та вмінь з обробки, зберігання та ефективного
використання великих даних під час реалізації Big Data проєктів при вирішенні задач
оцінювання та забезпечення кібербезпеки.


Завдання курсу - підготовка висококваліфікованих фахівців, які вміють формувати
завдання, створювати команду, розподіляти ролі та виконувати Big Data проєкти з
використанням універсальної і високопродуктивної кластерної обчислювальної
платформи (фреймворка) Apache Spark та його бібліотек MLlib і GraphX з урахуванням
вимог до кібер і функційної безпеки.


У результаті вивчення навчальної дисципліни студент знатиме:
− корпоративні сховища і вітрини даних, життєвий цикл великих даних у корпорації;
− архітектуру системи обробки та управління великими корпоративними даними
відповідно до галузевих особливостей;
− фреймворк Apache Spark та його бібліотеки MLlib і GraphX;
− особливості використання різних інструментів для аналізу і забезпечення кібер і
функційної безпеки;
вмітиме:
− розробляти архітектуру системи обробки корпоративних великих даних відповідно
до галузевих особливостей;
− формувати команду та розподіляти обов’язки для реалізації Big Data проекту;
− розгортати та ефективно застосовувати фреймворк Apache Spark та його бібліотеки
MLlib і GraphX відповідно до задач Big Data проекту та вимог щодо аналізу і
забезпечення кібер і функційної безпеки;
мати компетентності:
− здатність ефективно використовувати основні методи аналізу великих даних під час
реалізації Big Data проекту;
− здатність розгортати та ефективно застосовувати фреймворк Apache Spark та його
бібліотеки MLlib і GraphX на серверах та у хмарному середовищі;
− здатність реалізовувати ефективну політику щодо забезпечення конфіденційності
корпоративних даних;
− здатність демонструвати вільне володіння базовими знаннями щодо управління
великими корпоративними даними;
– здатність ефективно працювати у складі команди щодо виконання Big Data проекту.


Розробник курсу є експертом у галузі розроблення, досліджень аналітики великих
даних, інтелектуальних систем моніторингу (екологічних, інфраструктурних) та безпеки,
пройшов стажування і тренінги з Data Science у провідних ІТ-компаніях.