AI驅動的網絡安全：威脅檢測與響應培訓

本課程爲講師主導的培訓，在 澳門（線上或線下）進行，面向希望使用 AdaBoost 構建機器學習提升算法的數據科學家和軟件工程師。

通過本培訓，參與者將能夠：

• 設置必要的開發環境，開始使用 AdaBoost 構建機器學習模型。
• 理解集成學習方法，並掌握如何實現自適應提升。
• 學習如何使用 AdaBoost 模型提升 Python 中的機器學習算法。
• 使用超參數調優，提高 AdaBoost 模型的準確性和性能。

這種由 澳門 的講師指導式現場培訓（在線或現場）面向數據科學家以及希望使用 Auto-Keras 來自動化選擇和優化機器學習模型過程的技術人員。

在本次培訓結束時，參與者將能夠：

• 自動執行高效機器學習模型的訓練過程。
• 自動搜索深度學習模型的最佳參數。
• 構建高度準確的機器學習模型。
• 利用機器學習的強大功能解決實際業務問題。

本次由講師指導的線下或線上培訓，面向具有機器學習背景的技術參與者，旨在通過AutoML框架優化模型，以檢測大數據中的複雜模式。

這種以講師為主導的澳門（在線或現場）現場培訓面向具有不同專業水平的參與者，他們希望利用 Google 的 AutoML 平臺為各種應用程式構建定製的聊天機器人。

在培訓結束時，參與者將能夠：

• 瞭解聊天機器人開發的基礎知識。
• 流覽 Google 雲平臺並訪問 AutoML。
• 為訓練聊天機器人模型準備數據。
• 使用 AutoML 訓練和評估自定義聊天機器人模型。
• 將聊天機器人部署並整合到各種平台和管道中。
• 隨時間推移監控和優化聊天機器人性能。

這種以講師為主導的澳門現場培訓（現場或遠端）涵蓋了企業安全的不同方面，從AI到資料庫安全。它還涵蓋了抵禦攻擊所需的最新工具、流程和思維方式。 

這門由講師指導的澳門（線上或線下）培訓課程，介紹了模式識別和機器學習的領域，並涵蓋了統計學、計算機科學、信號處理、計算機視覺、數據挖掘和生物信息學中的實際應用。

通過本培訓，參與者將能夠：

• 應用核心統計方法於模式識別。
• 使用神經網絡和核方法等關鍵模型進行數據分析。
• 實施高級技術以解決複雜問題。
• 通過結合不同模型來提高預測準確性。

這種由 講師指導的 澳門 現場培訓（在線或現場）面向希望使用 DataRobot 的機器學習功能自動化、評估和管理預測模型的數據科學家和數據分析師。

在本次培訓結束時，參與者將能夠：

• 在 DataRobot 中載入數據集以分析、評估和品質檢查數據。
• 構建和訓練模型以識別重要變數並滿足預測目標。
• 解釋模型以創建有助於做出業務決策的寶貴見解。
• 監控和管理模型以保持優化的預測性能。

這門課將讓學生沉浸在一個互動環境中，在那裡他們將學習如何掃描、測試、破解和保護自己的系統。實驗室密集的環境為每個學生提供了有關當前基本安全系統的深入知識和實踐經驗。學生將首先了解邊界防禦的工作原理，然後被引導掃描和攻擊自己的網路，沒有真正的網路受到損害。然後，學生將了解入侵者如何提升許可權，以及可以採取哪些步驟來保護系統。學生還將學習入侵檢測、策略創建、社會工程、DDoS 攻擊、緩衝區溢出和病毒創建。當學生離開這個為期 5 天的密集課程時，他們將親身體驗道德駭客的理解和經驗。

道德駭客培訓的目的是：

• 制定並管理最低標準，以對專業資訊安全專家進行道德駭客攻擊的認證。
• 告知公眾，有資質的個人達到或超過最低標準。
• 加強道德駭客行為，將其作為一種獨特且自我調節的職業。

觀眾：

該課程非常適合那些從事以下職位的人，但不限於：

• 安全工程師
• 安全顧問
• 安全經理
• IT 總監/經理
• 安全審計員
• IT 系統管理員
• IT 網路管理員
• 網路架構師
• 開發人員

這種講師指導的 澳門 現場培訓（在線或現場）面向數據科學家、數據分析師和開發人員，他們希望探索 AutoML 產品和功能，以最少的工作量創建和部署自定義 ML 訓練模型。

在本次培訓結束時，參與者將能夠：

• 探索 AutoML 產品線，為各種數據類型實施不同的服務。
• 準備和標記數據集以創建自定義 ML 模型。
• 訓練和管理模型以生成準確、公平的機器學習模型。
• 使用經過訓練的模型進行預測，以滿足業務目標和需求。

認證道德駭客認證是全球備受追捧的網路安全認證。

該計劃結合了教學和實踐，讓學生準備好參加 CEH 認證考試以及 CEH 實踐考試。成功通過兩項考試的考生將獲得 CEH 碩士證書以及 CEH 認證。

學生可以選擇將 CPENT 或 CHFI 課程添加到他們的套餐中。

認證滲透測試專業人員 （CPENT） 課程或計算機駭客取證調查員 （CHFI） 課程的培訓將通過 EC-Council 的在線、自定進度的流媒體視頻程式提供給每個學生。

CPENT（滲透測試）：
教學生如何將 CEH 計劃中教授的概念和工具應用於即時網路範圍內的滲透測試方法。

CHFI（計算機取證）：
向學生傳授計算機取證的方法論方法，包括搜索和扣押、監管鏈、獲取、保存、分析和報告數字證據。

課程描述

CEH 提供對道德駭客階段、各種攻擊向量和預防性對策的深入瞭解。它將教您駭客如何惡意思考和行動，以便您更好地設置安全基礎設施並防禦未來的攻擊。了解系統弱點和漏洞有助於組織加強其系統安全控制，以最大限度地降低事件風險。

CEH 旨在在每個道德駭客領域和方法中融入實踐環境和系統流程，讓您有機會努力證明獲得 CEH 證書所需的知識和技能。對於安全所需的責任和措施，您將面臨完全不同的態度。

誰應該參加

• 執法人員
• 系統管理員
• 保安人員
• 國防和軍事人員
• 法律專業人士
• 銀行家
• 安全專業人員

關於Certified Ethical Hacker Master

要獲得 CEH 大師認證，您必須通過 CEH 實踐考試。CEH 實踐考試旨在讓學生有機會證明他們可以執行 CEH 課程中教授的原則。實踐考試要求您展示道德駭客技術的應用，例如威脅向量識別、網路掃描、操作系統檢測、漏洞分析、系統駭客攻擊等。

CEH Practical 不包含類比。相反，您將挑戰一個即時範圍，該範圍旨在通過使用即時虛擬機、網路和應用程式來模仿公司網路。

成功完成 CEH 實踐考試中發現的挑戰是獲得認證道德駭客 （CEH） 認證後的下一步。成功通過 CEH 考試和 CEH 實踐考試將為您贏得 CEH Master 的額外認證。

關於Certified Ethical Hacker Practical

為了證明您擅長道德駭客攻擊，我們使用實驗室和工具在真實世界環境中通過現實世界的挑戰來測試您的能力，要求您在規定的時間內完成特定的道德駭客挑戰，就像您在現實世界中面臨的那樣。

EC-Council CEH（實踐）考試由一個複雜的網路組成，該網路複製了大型組織的真實網路，並由各種網路系統（包括DMZ、防火牆等）組成。您必須運用您的道德駭客技能來發現和利用即時漏洞，同時還要審核系統。

關於CPENT

EC-Council 的 Certified Penetration Tester （CPENT） 計劃是關於滲透測試的，它將教您在必須受到攻擊、利用、規避和防禦的企業網路環境中執行。如果您只是在平面網路中工作，CPENT 的即時練習範圍將教您通過教您滲透測試物聯網系統、OT 系統，以及如何編寫自己的漏洞、構建自己的工具、進行高級二進位文件開發、雙重樞軸訪問隱藏網路， 以及定製腳本和漏洞利用，以進入網路的最內層部分。

關於CHFI

計算機駭客取證調查員 （CHFI） 課程從供應商中立的角度提供數位取證的安全學科。CHFI是一門涵蓋主要法醫調查場景的綜合課程，使學生能夠獲得成功進行計算機法醫調查所需的各種法醫調查技術和標準法醫工具的必要實踐經驗。

本課程爲講師指導的（線上或線下）培訓，面向希望使用Google的ML Kit構建專爲移動設備優化的機器學習模型的開發者。

培訓結束後，學員將能夠：

• 設置必要的開發環境，開始爲移動apps開發機器學習功能。
• 使用ML Kit API將新的機器學習技術集成到Android和iOS apps中。
• 使用ML Kit SDK增強和優化現有apps，進行設備端處理和部署。

Pattern Matching 是一種用於在圖像中定位指定模式的技術。它可用於確定捕獲的圖像中是否存在指定特徵，例如工廠生產線中缺陷產品上的預期標籤或元件的指定尺寸。它與 “Pattern Recognition” 的不同之處在於 “Pattern Recognition” （它根據更大的相關樣本集合識別一般模式），因為它具體指示我們正在尋找什麼，然後告訴我們預期的模式是否存在。

課程形式

• 本課程介紹了模式匹配領域中使用的方法、技術和演算法，因為它適用於 Machine Vision。

本課程爲講師指導的培訓，在澳門（線上或線下）進行，面向希望使用隨機森林爲大型數據集構建機器學習算法的數據科學家和軟件工程師。

在本培訓結束時，參與者將能夠：

• 設置必要的開發環境，開始使用隨機森林構建機器學習模型。
• 瞭解隨機森林的優勢，以及如何應用它來解決分類和迴歸問題。
• 學習如何處理大型數據集，並解釋隨機森林中的多個決策樹。
• 通過調整超參數來評估和優化機器學習模型的性能。

此講師指導的 澳門 現場培訓（在線或現場）面向 希望學習如何使用 RapidMiner 估計和預測值並利用分析工具進行時間序列預測的中級數據分析師。

在本次培訓結束時，參與者將能夠：

• 學習應用 CRISP-DM 方法，選擇合適的機器學習演算法，並增強模型構建和性能。
• 使用 RapidMiner 估計和預測值，並利用分析工具進行時間序列預測。

RapidMiner 是一個開源數據科學軟體平臺，用於快速應用程式原型設計和開發。它包括用於數據準備、機器學習、深度學習、文本挖掘和預測分析的集成環境。 

在這個由講師指導的實時培訓中，參與者將學習如何使用 RapidMiner Studio 進行數據準備、機器學習和預測模型部署。 

在本次培訓結束時，參與者將能夠：

• 安裝與設定RapidMiner
• 使用 RapidMiner 準備和可視化數據
• 驗證機器學習模型
• 混搭數據並創建預測模型
• 在業務流程中實施預測分析
• 故障排除和優化 RapidMiner

觀眾

• 數據科學家
• 工程師
• 開發人員

課程形式

• 部分講座、部分討論、練習和大量動手實踐

注意

• 要申請本課程的定製培訓，請聯繫我們進行安排。