Passer au contenu principal
 
 
 
 

Série de séminaires sur la transformation numérique : Applications d’apprentissage automatique en cybersécurité Wealthier

Présenté par le Centre de recherche sur l’analytique et la performance

Date limite : le 27 juillet 2021,


Date et heure

le 29 juillet 2021
de à (EDT)

Lieu

En ligne. Un lien vous sera envoyé 2 jours avant l'atelier.

Coordonnées

Kimberly Nault
knaul043@uottawa.ca

Prix

  • Employés et étudiants de l’Université d’Ottawa
    60,00 $
  • Grand public
    100,00 $

Date limite : le 27 juillet 2021,

Veuillez noter que cet événement se déroulera uniquement en anglais.
Partager :

Veuillez prendre note que ce séminaire se déroulera sur deux jours :

Mardi 27 Juillet 2021 de 16h00 à 18h00
et
Jeudi, 29 Juillet 2021 de 16h00 à 18h00.


La sécurité de l’infrastructure numérique de l’organisation est essentielle aux stratégies de transformation numérique. En proposant une introduction théorique et pratique au domaine de la science des données de cybersécurité, ce séminaire aidera le public à apprécier les avantages et les exigences de la prise de décision intelligente axée sur les données dans les systèmes de cybersécurité. Les techniques clés d’apprentissage automatique seront discutées, en commençant par l’analyse exploratoire simple des données et en terminant avec plusieurs réseaux avancés y compris d’apprentissage profond.

Chaque technique d’apprentissage automatique présentée sera fondée sur des concepts théoriques et cas d’utilisation de cybersécurité pour mieux comprendre les données, l’événement et l’application d’apprentissage automatique.

Les participants termineront ce séminaire avec une base théorique et technique de l'apprentissage automatique et de la cybersécurité.  À la fin, les participants auront plusieurs programmes fonctionnels d'apprentissage automatique qui peuvent être utiles pour d'autres applications; l'identification d'autres opportunités d'apprentissage; et des compétences utiles dans le milieu universitaire et/ou à leur lieu de travail.

Sujets principaux

  • Modélisation des données : analyse exploratoire des données, nettoyage/manipulation des données et régression linéaire/non linéaire
  • Principes fondamentaux de l’apprentissage automatique : fonctions d’activation, sélection/ingénierie des fonctions, évaluations de modèles
  • Outils et environnement : Introduction à l’exploration de données Python, Google Colab et Orange
  • Exemples d’apprentissage automatique en cybersécurité : machines vectorielles de soutien, forêt aléatoire, réseaux de neurones, réseaux profonds et traitement du langage naturel
  • Exploration des attaques de cybersécurité : DDOS, malware, botnets, détection de spam et fausses nouvelles

Qui devrait assister

Ce séminaire est idéal pour les analystes, les ingénieurs et les étudiants des cycles supérieurs qui cherchent une introduction à l’apprentissage automatique, en se concentrant sur son application en cybersécurité. Les techniques et les approches utilisées sont facilement transférables et peuvent être appliquées à de nombreuses industries axées sur les données. Bien que ce séminaire ne nécessite aucune expérience préalable en programmation ou en cybersécurité, une compréhension de base sur des concepts de l’apprentissage automatique et de la cybersécurité serait bénéfique.

Frais d’inscription

Employés et étudiants de l’Université d’Ottawa:  60$ CAD + TVH

Grand public: 100$ CAD + TVH

Le nombre d'inscription est limité à 30 participants

Note: Les participants qui terminent le séminaire avec succès et satisfont aux exigences des livrables du cours et/ou des tests recevront un certificat IEEE (accompagné d'un badge numérique et de crédits de formation continues).


`À propos de l’instructeur

Brad Conlin Brad Conlin est candidat au doctorat à l’Université d’Ottawa dans le cadre du programme transformation numérique et innovation (Digital Transformation & Innovation). Les recherches de M. Conlin portent principalement sur l’application d’algorithmes d’apprentissage automatique en cybersécurité. Ses recherches comprennent des réseaux de neurones avancés et des données open-source pour la prédiction, avec l’application de python, Google Colab / Jupyter Notebooks, et d’autres outils et méthodes de premier plan. Il possède plus de 15 ans d’expérience en tant qu’analyste de données et plus de cinq ans en science des données. M. Conlin est entraîneur, instructeur et mentor depuis près de 20 ans et a remporté plusieurs compétitions académiques, sportives et professionnelles à titre de compétiteur et d’entraîneur. M. Conlin est un récipiendaire de la Bourse d’études supérieures en sciences et technologie (QEII-GSST) de la Reine Elizabeth II pour ses recherches sur la détection des fraudes par hameçonnage par certificat SSL. Il a également reçu une subvention de recherche de l’École de gestion (SMRF) pour des recherches antérieures tout en complétant des études supérieures antérieures.

© 2021 École de gestion Telfer, Université d'Ottawa
Politiques  |  Urgences

alert icon
uoAlert