Инструменты анализа данных в кибербезе 👨🏫
Летом ☀️ по традиции в вузах затишье и отпуска, а я готовлюсь к началу учебного года, составляю план курса под условным названием "Инструменты анализа данных в кибербезе". В основе курса, конечно, будут Python в среде Jupyter Lab 🐍 и немного bash (хм, а точно ли bash там нужен?). Обязательно рассмотрим со студентами использование LLM 👨💻
Целью курса является повышение культуры работы с данными: от этапа формулирования гипотезы, предобработки данных до вывода на дашборды ✏️
В качестве примера мне нравится Data8 в университете Беркли и руководство по его преподаванию 📕
Примерный список тем для нового курса на год получился объемным 👇
1️⃣ Язык Python по материалам (считаю, что студенты априори "знают" Python на уровне ЕГЭ, т.е. его не знают)
2️⃣ Инструменты обработки и визуализации данных по материалам (кстати, в Беркли используют для обучения упрощенный пакет datascience, а потом переходят к pandas 🤔, интересная идея)
3️⃣ Дашборды на Python и выбор метрик
4️⃣ Фреймворки для машинного обучения
5️⃣ LLM для задач анализа данных
6️⃣ Итоговый командный проект
Дисциплина читается для студентов первого курса направления ИБ, поэтому предполагается, что дальше последуют погружение в математику и ИИ 👨🎓
Данные для анализа и исследования: Security Datasets и Intrusion detection evaluation dataset 💡
Также я принял волевое решение больше не издавать бумажные учебные пособия 😱 Кто-то из студентов их читает? 🤔 Перехожу к открытой публикации материалов, ранее такой опыт был тут. Посмотрим, что из этого получится. Хочется собирать живую обратную связь от студентов и преподавателей 👨🏫
Интересно, среди преподавателей найдутся желающие интегрировать подобный курс себе? 🤔
Больше всего вопросов у меня остается по практическим занятиям. Систематизировать знания и провести очные лекции несложно, но как качественно проверить 500 практических работ?! Смотрю в сторону Яндекс Контеста или автотестов, как это сделано в Беркли, но окончательного решения еще не принял 🤔
PS. ниже скрин из открытого онлайн курса 🐍
#заметки_для_преподавателя
Летом ☀️ по традиции в вузах затишье и отпуска, а я готовлюсь к началу учебного года, составляю план курса под условным названием "Инструменты анализа данных в кибербезе". В основе курса, конечно, будут Python в среде Jupyter Lab 🐍 и немного bash (хм, а точно ли bash там нужен?). Обязательно рассмотрим со студентами использование LLM 👨💻
Целью курса является повышение культуры работы с данными: от этапа формулирования гипотезы, предобработки данных до вывода на дашборды ✏️
В качестве примера мне нравится Data8 в университете Беркли и руководство по его преподаванию 📕
Примерный список тем для нового курса на год получился объемным 👇
1️⃣ Язык Python по материалам (считаю, что студенты априори "знают" Python на уровне ЕГЭ, т.е. его не знают)
2️⃣ Инструменты обработки и визуализации данных по материалам (кстати, в Беркли используют для обучения упрощенный пакет datascience, а потом переходят к pandas 🤔, интересная идея)
3️⃣ Дашборды на Python и выбор метрик
4️⃣ Фреймворки для машинного обучения
5️⃣ LLM для задач анализа данных
6️⃣ Итоговый командный проект
Дисциплина читается для студентов первого курса направления ИБ, поэтому предполагается, что дальше последуют погружение в математику и ИИ 👨🎓
Данные для анализа и исследования: Security Datasets и Intrusion detection evaluation dataset 💡
Также я принял волевое решение больше не издавать бумажные учебные пособия 😱 Кто-то из студентов их читает? 🤔 Перехожу к открытой публикации материалов, ранее такой опыт был тут. Посмотрим, что из этого получится. Хочется собирать живую обратную связь от студентов и преподавателей 👨🏫
Интересно, среди преподавателей найдутся желающие интегрировать подобный курс себе? 🤔
Больше всего вопросов у меня остается по практическим занятиям. Систематизировать знания и провести очные лекции несложно, но как качественно проверить 500 практических работ?! Смотрю в сторону Яндекс Контеста или автотестов, как это сделано в Беркли, но окончательного решения еще не принял 🤔
PS. ниже скрин из открытого онлайн курса 🐍
#заметки_для_преподавателя