Станьте экспертом в области кибербезопасности, освоив компьютерные науки и аналитику данных, и значительно увеличьте ваши шансы на трудоустройство в динамично развивающемся секторе"  

Благодаря непрерывному прогрессу в области вычислительной техники значительно улучшились не только технологии, но и сами цифровые инструменты, с помощью которых сегодня выполняются многие задачи. Обратная сторона медали заключается в том, что подобные достижения также привели к росту ИТ-уязвимостей. По этой причине все больше компаний ищут профессионалов, специализирующихся на кибербезопасности, которые могут обеспечить им адекватную защиту от всех видов кибератак.  

В рамках этой Профессиональной магистерской специализации в области компьютерных наук, кибербезопасности и аналитики данных ИТ-специалист сможет углубиться в такие вопросы, как безопасность при разработке и проектировании систем, лучшие криптографические методы или безопасность при облачных вычислениях. Кроме того, в этой программе основное внимание уделяется основам программирования и структурам данных, алгоритмам и сложности систем, а также продвинутому проектированию алгоритмов, продвинутому программированию, языковым процессорам и компьютерной графике и др. Все это дополняется многочисленными мультимедийными учебными ресурсами, которые преподаются самыми престижными и профессиональными преподавателями в этой области. 

С другой стороны, эта Профессиональная магистерская специализация рассматривает науку о данных с технической и деловой точки зрения, предлагая необходимые сведения для получения знаний, заключенных в данных материалах. Таким образом, ИТ-специалисты смогут детально проанализировать различные алгоритмы, платформы и современные инструменты для исследования, визуализации, манипулирования, обработки и анализа данных. Все вышеперечисленное дополняется развитием деловых навыков, необходимых для достижения рабочего профиля на руководящем уровне, с которым студент сможет принимать ключевые решения в компании.   

Таким образом, обучение на данной программе даст специалисту конкретные инструменты и навыки для успешного развития своей профессиональной деятельности в масштабной среде вычислительной техники. Студент будет работать над ключевыми компетенциями, такими как получение актуальных знаний и освоение ежедневной практики в различных областях ИТ, а также развитие ответственности в вопросах отслеживания и контроля за своей работой, а также над конкретными навыками в каждой области.

Окончив эту программу, ИТ-специалисты смогут специализироваться в области компьютерных наук, кибербезопасности и аналитики данных, что сделает данную Профессиональную магистерскую специализацию идеальной возможностью для развития их профессиональной карьеры. Все это станет реальностью благодаря 100% онлайн-программе, которая адаптируется к ежедневным потребностям специалистов, поэтому для начала работы над полноценным профессиональным профилем с международной перспективой достаточно иметь устройство с выходом в интернет.

Получите необходимые знания в удобной и простой форме в области компьютерных наук, кибербезопасности и аналитики данных для качественного программирования" 

Данная Профессиональная магистерская специализация в области компьютерных наук, кибербезопасности и аналитики данных содержит самую полную и современную образовательную программу на рынке. Основными особенностями обучения являются: 

• Разработка практических кейсов, представленных экспертами в области информатики 
• Наглядное, схематичное и исключительно практичное содержание курса предоставляет научную и практическую информацию по тем дисциплинам, которые необходимы для осуществления профессиональной деятельности 
• Практические упражнения для самопроверки, контроля и улучшения успеваемости 
• Особое внимание уделяется инновационным методологиям в области кибербезопасности и аналитики данных
• LТеоретические занятия, вопросы эксперту, дискуссионные форумы по спорным темам и самостоятельная работа
• Учебные материалы курса доступны с любого стационарного или мобильного устройства с выходом в интернет 

TECH предоставляет к вашим услугам широкий и понятный дидактический материал, который включает в себя все актуальные темы, необходимые для того, чтобы вы могли продолжать развиваться в области вычислительной техники" 

В преподавательский состав входят профессионалы в области информатики, которые вносят свой опыт работы в эту программу, а также признанные специалисты, принадлежащие к ведущим научным сообществам и престижным университетам.  

Мультимедийное содержание, разработанное с использованием новейших образовательных технологий, позволит профессионалам проходить обучение в симулированной среде, обеспечивающей иммерсивный учебный процесс, основанный на обучении в реальных ситуациях. 

В центре этой программы — проблемно-ориентированное обучение, с помощью которого студент попытается решить различные ситуации из профессиональной практики, возникающие в течение учебного курса. В этом студенту будет помогать инновационная интерактивная видеосистема, созданная известными и опытными специалистами.   

Ускорьте развитие своей карьеры за счет создания системы показателей и KPI, в зависимости от отдела, в котором вы работаете"

Узнайте от специалистов о лучших методах обеспечения безопасности, применяемых в средах облачных вычислений или технологии блокчейн"

Эта Профессиональная магистерская специализация объединяет серию специализированных модулей, которые позволят ИТ-специалисту углубиться в такие аспекты, как цифровая идентификация, системы контроля доступа, архитектура информационной безопасности, структура области безопасности, системы управления информационной безопасностью в коммуникациях и эксплуатации программного обеспечения, а также разработка плана непрерывности бизнеса, связанного с безопасностью. Кроме того, наиболее полные и современные методы обработки данных и получения знаний рассматриваются как с теоретической, так и с практической точки зрения.  

Все области знаний, которыми вам необходимо овладеть для успешной работы в области вычислительной техники, собраны в этом учебном плане высшего качества”  

Модуль 1. Основы программирования

1.1.  Введение в программирование

1.1.1.  Базовая структура компьютера 
1.1.2.  Программное обеспечение 
1.1.3.  Языки программирования 
1.1.4.  Жизненный цикл программного приложения

1.2.  Разработка алгоритмов

1.2.1.  Решение задач 
1.2.2.  Описательные техники 
1.2.3.  Элементы и структура алгоритма

1.3.  Элементы программ

1.3.1.  Происхождение и особенности языка C++ 
1.3.2.  Среда разработки 
1.3.3.  Концепция программы 
1.3.4.  Фундаментальные типы данных 
1.3.5.  Операторы 
1.3.6.  Выражения 
1.3.7.  Предложения 
1.3.8.  Ввод и вывод данных

1.4.  Операторы управления

1.4.1.  Предложения 
1.4.2.  Бифуркации 
1.4.3.  Петли

1.5.  Абстракция и модульность: функции

1.5.1.  Модульное программирование 
1.5.2.  Концепция функции и утилиты 
1.5.3.  Определение функции 
1.5.4.  Поток выполнения во время вызова функции 
1.5.5.  Прототип функции 
1.5.6.  Возвращение результатов 
1.5.7.  Вызов функции: параметры 
1.5.8.  Передача параметров по ссылке и по значению 
1.5.9.  Область идентификатора 

1.6.  Статические структуры данных

1.6.1.  Массивы 
1.6.2.  Матрицы. Полиэдры 
1.6.3.  Поиск и сортировка 
1.6.4.  Строки. Функции ввода/вывода для строк 
1.6.5.  Структуры. Объединения 
1.6.6.  Новые типы данных 

1.7.  Динамические структуры данных: указатели 

1.7.1.  Концепция. Понятие указателя 
1.7.2.  Операторы и операции с указателями 
1.7.3.  Массивы указателей 
1.7.4.  Указатели и массивы 
1.7.5.  Указатели на строки 
1.7.6.  Указатели на структуры 
1.7.7.  Множественная косвенность 
1.7.8.  Указатели на функции 
1.7.9.  Передача функций, структур и массивов в качестве параметров функции

1.8.  Файлы 

1.8.1.  Основные понятия 
1.8.2.  Операции с файлами 
1.8.3.  Типы файлов 
1.8.4.  Организация файлов 
1.8.5.  Введение в файлы C++ 
1.8.6.  Работа с файлами

1.9.  Рекурсия

1.9.1.  Определение рекурсии 
1.9.2.  Виды рекурсии 
1.9.3.  Преимущества и недостатки 
1.9.4.  Квалификации 
1.9.5.  Рекурсивно-итеративное преобразование 
1.9.6.  Стек рекурсии

1.10.  Тестирование и документация

1.10.1.  Тестирование программ 
1.10.2.  Тестирование методом "белого ящика" 
1.10.3.  Тестирование методом "черного ящика" 
1.10.4.  Инструменты для тестирования 
1.10.5.  Программная документация

Модуль 2. Структура данных

2.1.  Введение в программирование на C++

2.1.1.  Классы, конструкторы, методы и атрибуты 
2.1.2.  Переменные 
2.1.3.  Условные выражения и циклы 
2.1.4.  Объекты

2.2.  Абстрактные типы данных (АТД)

2.2.1.  Типы данных 
2.2.2.  Основные структуры и АТД 
2.2.3.  Векторы и массивы

2.3.  Линейные структуры данных

2.3.1.  Список АТД. Определение 
2.3.2.  Связанные и дважды связанные списки 
2.3.3.  Упорядоченные списки 
2.3.4.  Списки в C++ 
2.3.5.  Стек АТД 
2.3.6.  АТД очередь 
2.3.7.  Стек и очередь в C++

2.4.  Иерархические структуры данных

2.4.1.  АТД дерево 
2.4.2.  Обходы 
2.4.3.  N-арные деревья 
2.4.4.  Бинарные деревья 
2.4.5.  Бинарные деревья поиска 

2.5.  Иерархические структуры данных: сложные деревья 

2.5.1.  Идеально сбалансированные деревья, или деревья минимальной высоты 
2.5.2.  Многопутевые деревья 
2.5.3.  Библиографические ссылки 

2.6.  Куча и очередь с приоритетом 

2.6.1.  АТД куча 
2.6.2.  АТД очередь с приоритетом 

2.7.  Что такое хеш-таблицы 

2.7.1.  АТД хеш-таблицы 
2.7.2.  Что такое хеш-функции 
2.7.3.  Как применяет хеш-функция в хеш-таблицах 
2.7.4.  Редисперсия 
2.7.5.  Открытые хеш-таблицы

2.8.  Графы 

2.8.1 АТД графы 
2.8.2 Типы графов 
2.8.3 Графическое представление и основные операции 
2.8.4 Проектирование графов 

2.9.  Продвинутые алгоритмы и концепции графов 

2.9.1.  Задачи на графы 
2.9.2.  Алгоритмы пути 
2.9.3.  Алгоритмы поиска или обхода 
2.9.4.  Другие виды алгоритмов

2.10.  Другие виды структур данных 

2.10.1.  Множества 
2.10.2.  Массивы параллельные 
2.10.3.  Таблица символов 
2.10.4.  Префиксное дерево 

Модуль 3. Алгоритм и вычислительная сложность

3.1.  Введение в шаблоны разработки алгоритмов

3.1.1  Рекурсия 
3.1.2.  "Разделяй и властвуй" 
3.1.3.  Другие шаблоны

3.2.  Эффективность и анализ работы алгоритмов

3.2.1.  Меры эффективности 
3.2.2.  Измерение объема данных на входе 
3.2.3.  Измерение времени выполнения 
3.2.4.  Случаи: худший, лучший и средний 
3.2.5.  Асимптотическая нотация 
3.2.6.  Критерии математического анализа нерекурсивных алгоритмов 
3.2.7.  Критерии математического анализа рекурсивных алгоритмов 
3.2.8.  Эмпирический анализ алгоритмов 

3.3.  Алгоритмы сортировки

3.3.1.  Концепция сортировки 
3.3.2.  Пузырьковая сортировка 
3.3.3.  Сортировка выбором 
3.3.4.  Сортировка вставками 
3.3.5.  Сортировка слиянием (Merge Sort) 
3.3.6.  Быстрая сортировка (Quicksort) 

3.4.  Алгоритмы с применением деревьев

3.4.1.  Концепция дерева 
3.4.2.  Бинарные деревья 
3.4.3.  Обходы деревьев 
3.4.4.  Представление выражений 
3.4.5.  Упорядоченные бинарные деревья 
3.4.6.  Сбалансированные бинарные деревья

3.5.  Алгоритмы с применением кучей

3.5.1.  Что такое кучи 
3.5.2.  Алгоритм сортировки кучей 
3.5.3.  Очереди с приоритетом

3.6.  Алгоритмы на графах 

3.6.1.  Представление 
3.6.2.  Обход в ширину 
3.6.3.  Обход в глубину 
3.6.4.  Топологическая сортировка 

3.7.  Жадные алгоритмы

3.7.1.  Жаднаястратегия 
3.7.2.  Элементы жадной стратегии 
3.7.3.  Обмен монет 
3.7.4.  Задача коммивояжера 
3.7.5.  Задача о рюкзаке 

3.8.  Поиск кратчайших путей

3.8.1.  Задача о кратчайшем пути 
3.8.2.  Отрицательные дуги и циклы 
3.8.3.  Алгоритм Дейкстры

3.9.  Жадные алгоритмы на графах

3.9.1.  Минимальное остовное дерево 
3.9.2.  Алгоритм Прима 
3.9.3.  Алгоритм Краскала 
3.9.4.  Анализ сложности 

3.10.  Техника Backtracking

3.10.1.  Техника Backtracking 
3.10.2.  Альтернативные техники 

Модуль 4. Продвинутая разработка алгоритмов

4.1.  Анализ рекурсивных алгоритмов и алгоритмов "разделяй и властвуй

4.1.1.  Постановка и решение однородных и неоднородных рекуррентных уравнений
4.1.2.  Обзор стратегии "разделяй и властвуй

4.2.  Амортизационный анализ

4.2.1.  Агрегатный анализ 
4.2.2.  Метод учета 
4.2.3.  Метод потенциалов

4.3.  Динамическое программирование и алгоритмы для NP-задач

4.3.1.  Характеристики динамического программирования 
4.3.2.  Отступление: Backtracking 
4.3.3.  Разветвление и обрезка 

4.4.  Комбинаторная оптимизация 

4.4.1.  Представление задач 
4.4.2.  Одномерная оптимизация 

4.5.  Алгоритмы рандомизации 

4.5.1.  Примеры алгоритмов рандомизации 
4.5.2.  Задача Бюффона 
4.5.3.  Алгоритмы с методом Монте-Карло 
4.5.4.  Алгоритм Лас-Вегас

4.6.  Локальный поиск и поиск с кандидатами

4.6.1.  Градиентный подъем 
4.6.2.  Поиск с восхождением к вершине 
4.6.3.  Алгоритм имитации отжига 
4.6.4.  Поиск с запретами 
4.6.5.  Поиск с кандидатами

4.7.  Формальная проверка программ

4.7.1.  Спецификация функциональных абстракций 
4.7.2.  Язык логики первого порядка 
4.7.3.  Формальная система Хоара

4.8.  Верификация итеративных программ

4.8.1.  Правила формальной системы Хоара 
4.8.2.  Концепция инвариантных итераций 

4.9.  Численные методы 

4.9.1.  Метод бисекции 
4.9.2.  Метод Ньютона — Рафсона 
4.9.3.  Метод секущей

4.10.  Параллельные алгоритмы

4.10.1.  Параллельные бинарные операции 
4.10.2.  Параллельные операции на графах 
4.10.3.  Параллелизм в "разделяй и властвуй" 
4.10.4.  Параллелизм в динамическом программировании

Модуль 5. Продвинутое программирование

5.1.  Введение в объектно-ориентированное программирование

5.1.1.  Введение в объектно-ориентированное программирование 
5.1.2.  Разработка классов 
5.1.3.  Введение в унифицированный язык моделирования (UML) для моделирования задач

5.2.  Отношения между классами

5.2.1.  Абстракция и наследование 
5.2.2.  Расширенные концепции наследования 
5.2.3.  Полиморфизм 
5.2.4.  Состав и агрегация

5.3.  Введение в паттерны проектирования для объектно-ориентированных задач

5.3.1.  Что такое паттерны проектирования? 
5.3.2.  Паттерн Фабрика 
5.3.4.  Паттерн Одиночка 
5.3.5.  Паттерн Наблюдатель 
5.3.6.  Паттерн Компоновщик

5.4.  Исключения

5.4.1.  Что такое исключения? 
5.4.2.  Перехват и обработка исключений 
5.4.3.  Запуск исключений 
5.4.4.  Создание исключений

5.5.  Пользовательские интерфейсы

5.5.1.  Введение во фреймворк Qt 
5.5.2.  Позиционирование 
5.5.3.  Что такое события? 
5.5.4.  События: определение и захват 
5.5.5.  Разработка пользовательского интерфейса

5.6.  Введение в параллельное программирование

5.6.1.  Введение в параллельное программирование 
5.6.2.  Концепция процесса и потока 
5.6.3.  Взаимодействие между процессами или потоками 
5.6.4.  Потоки в C++ 
5.6.5.  Преимущества и недостатки параллельного программирования

5.7.  Управление потоками и синхронизация

5.7.1.  Жизненный цикл потока 
5.7.2.  Класс Thread 
5.7.3.  Планирование потоков 
5.7.4.  Группы потоков 
5.7.5.  Демонические потоки 
5.7.6.  Синхронизация 
5.7.7.  Механизмы блокировки 
5.7.8.  Механизмы коммуникации 
5.7.9.  Мониторы

5.8.  Распространенные задачи в параллельном программировании

5.8.1.  Задача "производитель – потребитель" 
5.8.2.  Задача о читателях — писателях 
5.8.3.  Задача об обедающих философах

5.9.  Документация и тестирование программного обеспечения

5.9.1.  Почему важно документировать программное обеспечение? 
5.9.2.  Проектная документация 
5.9.3.  Использование инструментов для документирования

5.10.  Тестирование программного обеспечения

5.10.1.  Введение в тестирование программного обеспечения 
5.10.2.  Виды тестирования 
5.10.3.  Единичное тестирование 
5.10.4.  Интеграционное тестирование 
5.10.5.  Валидационное тестирование 
5.10.6.  Тестирование системы

Модуль 6. Теоретическая информатика

6.1.  Используемые математические понятия

6.1.1.  Введение в пропозициональную логику 
6.1.2.  Теория отношений 
6.1.3.  Нумеруемые и ненумеруемые множества

6.2.  Формальные языки и грамматики и введение в машины Тьюринга

6.2.1.  Формальные языки и грамматики 
6.2.2.  Проблема принятия решения 
6.2.3.  Машина Тьюринга

6.3.  Расширения для машин Тьюринга, ограниченные машины Тьюринга и компьютеры

6.3.1.  Методы программирования для машин Тьюринга 
6.3.2.  Расширения для машин Тьюринга 
6.3.3.  Ограниченные машины Тьюринга 
6.3.4.  Машины Тьюринга и компьютеры

6.4.  Неразрешимость

6.4.1.  Нерекурсивно перечислимый язык 
6.4.2.  Неразрешимая рекурсивно перечислимая задача 

6.5.  Другие неразрешимые задачи

6.5.1.  Неразрешимые задачи для машин Тьюринга 
6.5.2.  Проблема почтовой корреспонденции (PCP)

6.6.  Неразрешимые задачи

6.6.1.  Классы P и NP 
6.6.2.  NP-полная задача 
6.6.3.  Ограниченная задача удовлетворительности 
6.6.4.  Другие NP-полные задачи 

6.7.  Задачи co-NP и PS

6.7.1.  Дополнение к языкам NP 
6.7.2.  Решаемые задачи в полиномиальном пространстве 
6.7.3.  PS-полные задачи

6.8.  Классы языков, основанных на рандомизации

6.8.1.  Модель машины Тьюринга со случайностью 
6.8.2.  Классы RP и ZPP
6.8.3.  Тест на первичность 
6.8.4.  Сложность теста на первичность

6.9.  Другие виды классов и грамматик

6.9.1.  Вероятностные конечные автоматы 
6.9.2.  Клеточные автоматы 
6.9.3.  Клетки МакКаллока и Питтса 
6.9.4.  Грамматики Линденмайера

6.10.  Продвинутые вычислительные системы

6.10.1.  Мембранные вычисления: P-системы 
6.10.2.  ДНК-вычисления 
6.10.3.  Квантовые вычисления

Модуль 7. Теория автоматов и формальных языков

7.1.  Введение в теорию автоматов

7.1.1.  Зачем изучать теорию автоматов? 
7.1.2.  Введение в формальные демонстрации 
7.1.3.  Другие формы демонстрации 
7.1.4.  Математическая индукция 
7.1.5.  Алфавиты, строки и языки

7.2.  Детерминированные конечные автоматы (ДКА)

7.2.1.  Введение в конечные автоматы 
7.2.2.  Детерминированные конечные автоматы

7.3.  Недетерминированные конечные автоматы (НДКА)

7.3.1.  Недетерминированные конечные автоматы 
7.3.2.  Эквивалентность между ДКА и НДКА 
7.3.3.   Конечные автоматы с переходами €

7.4.  Языки и регулярные выражения (I)

7.4.1.  Языки и регулярные выражения 
7.4.2.  Конечные автоматы и регулярные выражения

7.5.  Языки и регулярные выражения (II) 

7.5.1.  Преобразование регулярных выражений в автоматы 
7.5.2.  Применение регулярных выражений 
7.5.3.  Алгебра регулярных выражений

7.6.  Лемма о накачке и замкнутость регулярных языков

7.6.1.  Лемма о накачке 
7.6.2.  Свойства замкнутости регулярных языков

7.7.  Эквивалентность и минимизация автоматов

7.7.1.  Эквивалентность конечных автоматов 
7.7.2.  Минимизация конечных автоматов

7.8.  Контекстно-свободные грамматики

7.8.1.  Контекстно-свободные грамматики 
7.8.2.  Деревья деривации 
7.8.3.  Применение контекстно-свободных грамматик 
7.8.4.  Неоднозначность в грамматиках и языках

7.9.  Автоматы с магазинной памятью и контекстно-свободные грамматики

7.9.1.  Определение автоматов с магазинной памятью 
7.9.2.  Языки, принимаемые автоматами с магазинной памятью 
7.9.3.  Эквивалентность между автоматами с магазинной памятью и контекстно-свободными грамматиками 
7.9.4.  Детерминированный автомат с магазинной памятью

7.10.  Нормальные формы, лемма о накачке контекстно-свободных грамматик и свойства контекстно-свободных языков

7.10.1.  Нормальные формы контекстно-свободных грамматик 
7.10.2.  Лемма о накачке 
7.10.3.  Свойства замкнутости языков 
7.10.4.  Свойства решений в контекстно-свободных языках

Модуль 8. Языковые процессоры

8.1.  Введение в процесс компиляции

8.1.1.  Компиляция и интерпретация 
8.1.2.  Среда выполнения компилятора 
8.1.3.  Процесс анализа 
8.1.4.  Процесс синтеза

8.2.  Лексический анализатор

8.2.1.  Что такое лексический анализатор? 
8.2.2.  Внедрение лексического анализатора 
8.2.3.  Семантические действия 
8.2.4.  Устранение ошибок 
8.2.5.  Вопросы внедрения

8.3.  Синтаксический анализ

8.3.1.  Что такое синтаксический анализатор? 
8.3.2.  Предварительные концепции 
8.3.3.  Нисходящие анализаторы 
8.3.4.  Восходящие анализаторы

8.4.  Синтаксический анализ: нисходящий и восходящий

8.4.1.  LL-анализатор (1) 
8.4.2.  LR-анализатор (0) 
8.4.3.  Пример анализатора

8.5.  Продвинутый восходящий cинтаксический анализ

8.5.1.  SLR-анализатор 
8.5.2.  LR-анализатор (1) 
8.5.3.  LR-анализатор (k) 
8.5.4.  LALR-анализатор

8.6.  Семантический анализ (I)

8.6.1.  Перевод на основе синтаксиса 
8.6.2.  Таблица символов

8.7.  Семантический анализ (II)

8.7.1.  Проверка типов 
8.7.2.  Подсистема типов 
8.7.3.  Эквивалентность типов и преобразований

8.8.  Генерация кода и среда выполнения

8.8.1.  Аспекты разработки 
8.8.2.  Среда выполнения 
8.8.3.  Организация памяти 
8.8.4.  Распределение памяти

8.9.  Генерация промежуточного кода

8.9.1.  Перевод на основе синтеза 
8.9.2.  Промежуточные представления 
8.9.3.  Примеры переводов

8.10.  Оптимизация кода

8.10.1.  Присвоение регистров 
8.10.2.  Устранение "мертвых" распределений 
8.10.3.  Выполнение во время компиляции 
8.10.4.  Перестановка выражений 
8.10.5.  Оптимизация петель

Модуль 9. Компьютерная графика и визуализация

9.1.  Теория цвета

9.1.1.  Свойства света 
9.1.2.  Цветовые модели 
9.1.3.  Стандарт CIE 
9.1.4.  Профайлинг

9.2.  Примитивы вывода

9.2.1.  Видеоконтроллер 
9.2.2.  Алгоритмы рисования линий 
9.2.3.  Алгоритмы для рисования окружностей 
9.2.4.  Алгоритмы заливки

9.3.  2D-преобразования, системы координат и 2D-обрезка

9.3.1.  Базовые геометрические преобразования 
9.3.2.  Однородные координаты 
9.3.3.  Обратное преобразование 
9.3.4.  Композиция преобразований 
9.3.5.  Другие виды преобразований 
9.3.6.  Изменение координат 
9.3.7.  Двумерные системы координат 
9.3.8.  Изменение координат 
9.3.9.  Нормализация 
9.3.10.  Алгоритмы обрезки

9.4.  3D-преобразования

9.4.1.  Транскрибирование 
9.4.2.  Вращение 
9.4.3.  Масштабирование 
9.4.4.  Отражение 
9.4.5.  Ножницы

9.5.  Просмотр и изменение 3D-координат

9.5.1.  Трехмерные системы координат 
9.5.2.  Визуализация 
9.5.3.  Изменение координат 
9.5.4.  Проекция и нормализация

9.6.  Проекция и 3D-обрезка

9.6.1.  Ортогональная проекция 
9.6.2.  Косоугольная параллельная проекция 
9.6.3.  Перспективная проекция 
9.6.4.  Алгоритмы 3D-обрезки

9.7.  Удаление скрытых поверхностей

9.7.1.  Отбраковка задней поверхности 
9.7.2.  Z-буферизация 
9.7.3.  Алгоритм художника 
9.7.4.  Алгоритм Варнока 
9.7.5.  Обнаружение скрытых линий

9.8.  Интерполяция и параметрические кривые

9.8.1.  Интерполяция и полиномиальная аппроксимация 
9.8.2.  Параметрическое представление 
9.8.3.  Полином Лагранжа 
9.8.4.  Сплайны
9.8.5.  Базовые функции 
9.8.6.  Матричное представление

9.9.  Кривые Безье

9.9.1.  Алгебраическое построение 
9.9.2.  Матричная форма 
9.9.3.  Состав 
9.9.4.  Геометрическое построение 
9.9.5.  Алгоритм рисования

9.10.  B-сплайны

9.10.1.  Проблема локального контроля 
9.10.2.  Кубические однородные B-сплайны 
9.10.3.  Базовые функции и контрольные точки 
9.10.4.  Движение к происхождению и множественности 
9.10.5.  Матричное представление 
9.10.6.  Неоднородные B-сплайны

Модуль 10. Биоинспирированные алгоритмы

10.1.  Введение в биоинспирированные алгоритмы

10.1.1.  Введение в биоинспирированные алгоритмы

10.2.  Алгоритмы социальной адаптации

10.2.1.  Биоинспирированные алгоритмы, основанные на муравьиных колониях 
10.2.2.  Разновидности алгоритмов муравьиных колоний 
10.2.3.  Алгоритмы, основанные на облаках с частицами

10.3.  Генетические алгоритмы

10.3.1.  Общая структура 
10.3.2.  Внедрение основных операторов

10.4.  Стратегии освоения и использования пространства для генетических алгоритмов

10.4.1.  Алгоритм CHC 
10.4.2.  Мультимодальные задачи

10.5.  Модели эволюционных вычислений (I)

10.5.1.  Эволюционные стратегии 
10.5.2.  Эволюционное программирование
10.5.3.  Алгоритмы, основанные на дифференциальной эволюции

10.6.  Модели эволюционных вычислений (II)

10.6.1.  Модели эволюции, основанные на оценке алгоритмов распределения (EDA) 
10.6.2.  Генетическое программирование

10.7.  Применение эволюционного программирования при нарушениях обучаемости

10.7.1 Обучение на основе правил 
10.7.2 Эволюционные методы в задачах выбора решений

10.8.  Многоцелевые задачи 

10.8.1.  Концепция доминирования 
10.8.2.  Применение эволюционных алгоритмов для решения многоцелевых задач

10.9.  Нейронные сети (I)

10.9.1.  Введение в нейронные сети 
10.9.2.  Практический пример с нейронными сетями

10.10.  Нейронные сети (II)

10.10.1.  Примеры использования нейронных сетей в медицинских исследованиях 
10.10.2.  Примеры использования нейронных сетей в экономике 
10.10.3.  Примеры использования нейронных сетей в искусственном зрении

Модуль 11. Безопасность при проектировании и разработке систем

11.1.  Информационные системы

11.1.1.  Домены информационной системы 
11.1.2.  Компоненты информационных систем 
11.1.3.  Виды деятельности информационной системы 
11.1.4.  Жизненный цикл информационной системы 
11.1.5.  Ресурсы информационной системы

11.2.  Информационные системы. Типология

11.2.1.  Виды информационных систем

11.2.1.1. Бизнес-системы 
11.2.1.2. Стратегические 
11.2.1.3. В зависимости от сферы применения 
11.2.1.4. Специфические

11.2.2.  Информационные системы. Реальные примеры
11.2.3.  Эволюция информационных систем: этапы 
11.2.4.  Методологии информационных систем

11.3.  Безопасность информационных систем. Правовые последствия

11.3.1.  Доступ к данным 
11.3.2.  Угрозы безопасности: уязвимости 
11.3.3.  Правовые последствия: уголовные преступления 
11.3.4.  Процедуры по техническому обслуживанию информационной системы

11.4.  Безопасность информационных систем. Протоколы безопасности

11.4.1.  Безопасность информационных систем

11.4.1.1. Целостность 
11.4.1.2. Конфиденциальность 
11.4.1.3. Доступность 
11.4.1.4. Аутентификация

11.4.2.  Услуги по обеспечению безопасности 
11.4.3.  Протоколы информационной безопасности. Типология 
11.4.4.  Чувствительность информационных систем

11.5.  Безопасность информационных систем.  Меры и системы контроля доступа

11.5.1.  Меры по обеспечению безопасности 
11.5.2.  Вид мер по обеспечению безопасности

11.5.2.1. Профилактика 
11.5.2.2. Обнаружение 
11.5.2.3. Коррекция

11.5.3.  Системы контроля доступа. Типология 
11.5.4.  Криптография

11.6.  Безопасность сети и интернета

11.6.1.  Файрволы 
11.6.2.  Цифровая идентификация 
11.6.3.  Вирусы и черви 
11.6.4.  Взлом 
11.6.5.  Примеры и реальные кейсы

11.7.  Компьютерные преступления

11.7.1.  Компьютерное преступление 
11.7.2.  Компьютерные преступления. Типология 
11.7.3.  Компьютерное преступление. Атака. Типологии 
11.7.4.  Пример с виртуальной реальностью 
11.7.5.  Профили правонарушителей и жертв. Типизация преступлений 
11.7.6.  Компьютерные преступления. Примеры и реальные кейсы

11.8.  План по обеспечению безопасности информационной системы

11.8.1.  План по обеспечению безопасности. Цели 
11.8.2.  План по обеспечению безопасности. Планирование 
11.8.3.  План по рискам. Анализ 
11.8.4.  Политика безопасности. Внедрение в организацию 
11.8.5.  План по обеспечению безопасности. Внедрение в организацию 
11.8.6.  Процедуры по обеспечению безопасности. Виды 
11.8.7.  План по обеспечению безопасности. Примеры

11.9.  План действий в непредвиденных ситуациях

11.9.1.  План действий в непредвиденных ситуациях. Функции 
11.9.2.  План действий в чрезвычайной ситуации: элементы и цели 
11.9.3.  План непредвиденных в организации. Внедрение 
11.9.4.  План действий в непредвиденных ситуациях. Примеры

11.10.  Управление безопасностью информационных систем

11.10.1.  Правовые нормы 
11.10.2.  Стандарты 
11.10.3.  Сертификация 
11.10.4.  Технологии

Модуль 12. Архитектуры и модели информационной безопасности

12.1.  Архитектура информационной безопасности

12.1.1.  SGSI/PDS 
12.1.2.  Стратегическая согласованность 
12.1.3.  Управление рисками 
12.1.4.  Измерение результативности

12.2.  Модели информационной безопасности

12.2.1.  На основе политик безопасности 
12.2.2.  На основе инструментов защиты 
12.2.3.  На основе вовлеченных в работу команд

12.3.  Модель безопасности. Ключевые компоненты

12.3.1.  Определение рисков 
12.3.2.  Определение средств контроля 
12.3.3.  Постоянная оценка уровня риска 
12.3.4.  План по информированию сотрудников, поставщиков, партнеров и т. д.

12.4.  Процесс управления рисками

12.4.1.  Определение активов 
12.4.2.  Определение угроз 
12.4.3.  Оценка рисков 
12.4.4.  Определение приоритетов контроля 
12.4.5.  Переоценка и остаточный риск

12.5.  Бизнес-процессы и информационная безопасность

12.5.1.  Бизнес-процессы 
12.5.2.  Оценка рисков на основе параметров бизнеса 
12.5.3.  Анализ влияния на бизнес 
12.5.4.  Деловые операции и информационная безопасность

12.6.  Процесс непрерывного улучшения

12.6.1.  Цикл Деминга

12.6.1.1. План 
12.6.1.2. Создание 
12.6.1.3. Верификация 
12.6.1.4. Действия

12.7.  Архитектура безопасности

12.7.1.  Выбор и гомогенизация технологий 
12.7.2.  Управление идентификацией. Аутентификация 
12.7.3.  Управление доступом. Авторизация 
12.7.4.  Безопасность сетевой инфраструктуры 
12.7.5.  Технологии и решения в области шифрования 
12.7.6.  Безопасность оконечного оборудования (EDR)

12.8.  Нормативно-правовая база

12.8.1.  Отраслевые нормативные акты 
12.8.2.  Сертификация 
12.8.3.  Законодательство

12.9.  Стандарт ISO 27001

12.9.1.  Внедрение 
12.9.2.  Сертификация 
12.9.3.  Аудиты и тесты на вторжение 
12.9.4.  Непрерывное управление рисками 
12.9.5.  Классификация информации

12.10.  Законодательство о конфиденциальности. GDPR

12.10.1.  Сфера действия Общего регламента по защите данных (GDPR) 
12.10.2.  Персональные данные 
12.10.3.  Роли, существующие в процессе обработки персональных данных 
12.10.4.  Права ARCO 
12.10.5.  Должностное лицо по защите данных (DPO). Функции

Модуль 13. Управление информационной безопасностью

13.1.  Управление безопасностью

13.1.1.  Операции по обеспечению безопасности 
13.1.2.  Правовые и нормативные аспекты 
13.1.3.  Бизнес-квалификация 
13.1.4.  Управление рисками 
13.1.5.  Управление идентификацией и доступом

13.2.  Структура зоны безопасности. Офис главного специалиста по информационной безопасности (CISO)

13.2.1.  Организационная структура. Место CISO в структуре 
13.2.2.  Линии защиты 
13.2.3.  Организационная схема офиса CISO 
13.2.4.  Управление бюджетом

13.3.  Управление в сфере безопасности

13.3.1.  Комитет по безопасности 
13.3.2.  Комитет по мониторингу рисков 
13.3.3.  Комитет по аудиту 
13.3.4.  Кризисный комитет

13.4.  Управление в сфере безопасности. Функции

13.4.1.  Политики и стандарты 
13.4.2.  Генеральный план по обеспечению безопасности 
13.4.3.  Система показателей 
13.4.4.  Повышение осведомленности и обучение 
13.4.5.  Безопасность цепи поставок

13.5.  Операции по обеспечению безопасности

13.5.1.  Управление идентификацией и доступом 
13.5.2.  Конфигурация правил сетевой безопасности. Файрволы 
13.5.3.  Управление платформами IDS/IPS 
13.5.4.  Анализ уязвимостей

13.6.  Рамки кибербезопасности. NIST CSF

13.6.1.  Методология NIST

13.6.1.1. Идентификация 
13.6.1.2. Защита 
13.6.1.3. Обнаружение 
13.6.1.4. Ответ 
13.6.1.5. Восстановление

13.7.  Операционный центр безопасности (SOC). Функции

13.7.1.  Защита Красная команда, испытание на вторжение, аналитика киберугроз 
13.7.2.  Выявление. SIEM, аналитика поведения пользователей, предотвращение мошенничества 
13.7.3.  Ответ

13.8.  Аудиты безопасности

13.8.1.  Тест на вторжение 
13.8.2.  Задания красной команды 
13.8.3.  Аудит исходного кода. Безопасная разработка 
13.8.4.  Безопасность компонентов (цепочка поставок программного обеспечения) 
13.8.5.  Криминалистическая экспертиза

13.9.  Реагирование на инциденты

13.9.1.  Подготовка 
13.9.2.  Выявление, анализ и отчетность 
13.9.3.  Сдерживание, искоренение и восстановление 
13.9.4.  Деятельность после инцидента

13.9.4.1. Сохранение доказательств 
13.9.4.2. Криминалистическая экспертиза 
13.9.4.3. Управление разрывами

13.9.5.  Официальное руководство по управлению киберинцидентами

13.10.  Управление уязвимостями

13.10.1.  Анализ уязвимостей 
13.10.2.  Оценка уязвимости 
13.10.3.  Системное базирование 
13.10.4.  Уязвимость нулевого дня. Нулевой день

Модуль 14. Анализ рисков и среды информационной безопасности

14.1.  Анализ среды

14.1.1.   Анализ экономического положения

14.1.1.1. VUCA-среды

14.1.1.1.1. Волатильность 
14.1.1.1.2. Неопределенность 
14.1.1.1.3. Сложность 
14.1.1.1.4. Неоднозначность

14.1.1.2. BANI-среды

14.1.1.2.1. Хрупкость 
14.1.1.2.2. Тревожность 
14.1.1.2.3. Нелинейность 
14.1.1.2.4. Непонятность

14.1.2.   Анализ общей среды. PESTEL

14.1.2.1. Политический 
14.1.2.2. Экономический 
14.1.2.3. Социальный 
14.1.2.4. Технологичный 
14.1.2.5. Экологичный 
14.1.2.6. Юридический 

14.1.3.   Анализ внутреннего положения. SWOT-анализ

14.1.3.1. Цели 
14.1.3.2. Угрозы 
14.1.3.3. Возможности 
14.1.3.4. Преимущества

14.2.  Риск и неопределенность

14.2.1.  Риск 
14.2.2.  Управление рисками 
14.2.3.  Стандарты управления рисками

14.3.  Руководства по управлению рисками ISO 31.000:2018

14.3.1.  Цель 
14.3.2.  Принципы 
14.3.3.  Система отсчета 
14.3.4.  Процесс

14.4.  Методология анализа и управления рисками информационных систем (MAGERIT)

14.4.1.  Методология MAGERIT

14.4.1.1. Цели 
14.4.1.2. Методика 
14.4.1.3. Элементы 
14.4.1.4. Техники 
14.4.1.5. Доступные инструменты (PILAR) 

14.5.  Передача киберрисков

14.5.1.  Передача рисков 
14.5.2.  Киберриски. Типология 
14.5.3.  Страхование от киберрисков

14.6.  Agile-методологии для управления рисками

14.6.1.  Agile-методологии
14.6.2.  Scrum для управления рисками 
14.6.3.  Agile-управление рисками

14.7.  Технологии для управления рисками

14.7.1.  Применение искусственного интеллекта в управлении рисками 
14.7.2.  Блокчейн и криптография. Методы сохранения стоимости 
14.7.3.  Квантовые вычисления. Возможности или угрозы

14.8.  Составление карт ИТ-рисков на основе Agile-методологий

14.8.1.  Представление вероятности и последствий в Agile-средах 
14.8.2.  Риск как угроза стоимости 
14.8.3.  Революция в управлении проектами и Agile-процессами на основе KRI

14.9.  Риск-ориентированное управление рисками

14.9.1.  Риск-ориентированное управление 
14.9.2.  Риск-ориентированное управление
14.9.3.  Разработка модели управления бизнесом с учетом рисков

14.10.  Инновации и цифровая трансформация в управлении ИТ-рисками

14.10.1.  Agile-управление рисками как источник инноваций в бизнесе 
14.10.2.  Преобразование данных в полезную для принятия решений информацию 
14.10.3.  Целостный взгляд на предприятие через призму риска

Модуль 15. Криптография в ИТ

15.1.  Криптография

15.1.1.  Криптография 
15.2.1.  Математические основы

15.2.  Криптология

15.2.1.  Криптология 
15.2.2.  Криптоанализ 
15.2.3.  Стеганография и стегоанализ

15.3.  Криптографические протоколы

15.3.1.  Базовые блоки 
15.3.2.  Базовые протоколы 
15.3.3.  Промежуточные протоколы 
15.3.4.  Расширенные протоколы 
15.3.5.  Эзотерические протоколы

15.4.  Криптографические методы

15.4.1.  Длина ключа 
15.4.2.  Управление ключами 
15.4.3.  Виды алгоритмов 
15.4.4.  Агрегатные функции. Хеш-функция 
15.4.5.  Генераторы псевдослучайных чисел 
15.4.6.  Использование алгоритмов

15.5.  Симметричная криптография

15.5.1.  Блочные шифры 
15.5.2.  DES (Data Encryption Standard) 
15.5.3.  Алгоритм RC4 
15.5.4.  AES (Advanced Encryption Standard) 
15.5.5.  Комбинация блочных шифров 
15.5.6.  Получение ключей

15.6.  Асимметричная криптография

15.6.1.  Протокол Диффи — Хеллмана 
15.6.2.  DSA (Digital Signature Algorithm) 
15.6.3.  RSA (Ривест, Шамир и Адлеман) 
15.6.4.  Эллиптическая кривая 
15.6.5.  Асимметричная криптография. Типология

15.7.  Цифровые сертификаты

15.7.1.  Цифровая подпись 
15.7.2.  Сертификаты X509 
15.7.3.  Инфраструктура открытых ключей (PKI)

15.8.  Способы реализации

15.8.1.  Kerberos 
15.8.2.  IBM CCA 
15.8.3.  Pretty Good Privacy (PGP) 
15.8.4.  ISO Authentication Framework 
15.8.5.  SSL и TLS 
15.8.6.  Смарт-карты в платежных средствах (EMV) 
15.8.7.  Протоколы мобильной связи 
15.8.8.  Блокчейн

15.9.  Стеганография

15.9.1.  Стеганография 
15.9.2.  Стегоанализ 
15.9.3.  Применение и использование

15.10.  Квантовая криптография

15.10.1.  Квантовые алгоритмы 
15.10.2.  Защита алгоритмов от квантовых вычислений 
15.10.3.  Квантовое распределение ключей

Модуль 16. Управление идентификацией и доступом в ИТ-безопасности

16.1.  Управление идентификацией и доступом (IAM)

16.1.1.  Цифровая идентификация 
16.1.2.  Управление идентификацией 
16.1.3.  Федеративные идентификации

16.2.  Управление физическим доступом 

16.2.1.  Системы защиты 
16.2.2.  Безопасность территорий 
16.2.3.  Восстановительные комплексы

16.3.  Управление логическим доступом

16.3.1.  Аутентификация: типология 
16.3.2.  Протоколы аутентификации 
16.3.3.  Атаки на аутентификацию

16.4.  Управление логическим доступом. Многофакторная аутентификация (MFA)

16.4.1.  Управление логическим доступом. Многофакторная аутентификация (MFA) 
16.4.2.  Пароли.  Важность 
16.4.3.  Атаки на аутентификацию

16.5.  Управление логическим доступом. Биометрическая аутентификация

16.5.1.  Управление логическим доступом. Биометрическая аутентификация

16.5.1.1. Биометрическая аутентификация. Требования

16.5.2.  Операции 
16.5.3.  Модели и методы

16.6.  Системы управления аутентификацией

16.6.1.  Технология единого входа (Single sign-on) 
16.6.2.  Kerberos 
16.6.3.  Системы AAA

16.7.  Системы управления аутентификацией: Системы AAA 

16.7.1.  TACACS 
16.7.2.  RADIUS 
16.7.3.  DIAMETER

16.8.  Службы по управлению доступом

16.8.1.  Файрволы — межсетевые экраны 
16.8.2.  VPN — виртуальные частные сети 
16.8.3.  IDS — система обнаружения вторжений

16.9.  Системы управления доступом к сети

16.9.1.  NAC 
16.9.2.  Архитектура и элементы 
16.9.3.  Эксплуатация и стандартизация

16.10.  Доступ к беспроводным сетям

16.10.1.  Виды беспроводных сетей 
16.10.2.  Безопасность в беспроводных сетях 
16.10.3.  Атаки на беспроводные сети

Модуль 17. Безопасность в сфере коммуникаций и эксплуатации программного обеспечения

17.1.  Компьютерная безопасность в сфере коммуникаций и эксплуатации программного обеспечения

17.1.1.  Компьютерная безопасность 
17.1.2.  Кибербезопасность 
17.1.3.  Облачная безопасность 

17.2.  Компьютерная безопасность в сфере коммуникаций и эксплуатации программного обеспечения. Типология

17.2.1.  Физическая безопасность 
17.2.2.  Логическая безопасность

17.3.  Безопасность в сфере коммуникаций

17.3.1.  Основные элементы 
17.3.2.  Сетевая безопасность 
17.3.3.  Передовая практика

17.4.  Киберразведка

17.4.1.  Социальная инженерия 
17.4.2.  Deep Web — глубокая сеть 
17.4.3.  Фишинг 
17.4.4.  Вредоносное программное обеспечение

17.5.  Безопасная разработка в сфере коммуникации и эксплуатации программного обеспечения

17.5.1.  Безопасная разработка. Протокол HTTP 
17.5.2.  Безопасная разработка. Жизненный цикл 
17.5.3.  Безопасная разработка. Безопасность PHP 
17.5.4.  Безопасная разработка. Безопасность NET 
17.5.5.  Безопасная разработка. Передовая практика

17.6.  Системы управления информационной безопасностью в сфере коммуникаций и эксплуатации программного обеспечения

17.6.1.  GDPR 
17.6.2.  ISO 27021 
17.6.3.  ISO 27017/18

17.7.  SIEM-технологии

17.7.1.  SIEM-технологии 
17.7.2.  Деятельность SOC 
17.7.3.  SIEM: поставщики

17.8.  Роль в обеспечении безопасности в организациях

17.8.1.  Роли в организациях 
17.8.2.  Роль специалистов в области IoT в компаниях 
17.8.3.  Признанные на рынке сертификаты

17.9.  Криминалистическая экспертиза

17.9.1.  Криминалистическая экспертиза 
17.9.2.  Криминалистическая экспертиза. Методология 
17.9.3.  Криминалистическая экспертиза. Инструменты и внедрение

17.10.  Кибербезопасность сегодня

17.10.1.  Крупные кибернетические атаки 
17.10.2.  Прогнозы по трудоустройству 
17.10.3.  Задачи

Модуль 18. Безопасность в облачной среде

18.1.  Безопасность в среде облачных вычислений

18.1.1.  Безопасность в среде облачных вычислений 
18.1.2.  Безопасность в среде облачных вычислений. Угрозы и риски безопасности 
18.1.3.  Безопасность в среде облачных вычислений. Ключевые аспекты безопасности

18.2.  Виды облачной инфраструктуры

18.2.1.  Общедоступная 
18.2.2.  Частная 
18.2.3.  Гибридная

18.3.  Модель совместного управления

18.3.1.  Элементы безопасности, управляемые поставщиком 
18.3.2.  Элементы, управляемые клиентом 
18.3.3.  Определение стратегии безопасности

18.4.  Профилактические механизмы

18.4.1.  Системы управления аутентификацией 
18.4.2.  Система управления авторизацией: политики доступа 
18.4.3.  Системы управления ключами

18.5.  Секьюритизация систем

18.5.1.  Секьюритизация систем хранения 
18.5.2.  Защита систем управления базами данных 
18.5.3.  Секьюритизация при передаче данных

18.6.  Защита инфраструктуры

18.6.1.  Проектирование и внедрение безопасных сетей 
18.6.2.  Безопасность вычислительных ресурсов 
18.6.3.  Инструменты и ресурсы для защиты инфраструктуры

18.7.  Обнаружение угроз и атак

18.7.1.  Системы аудита, ведения журнала и мониторинга 
18.7.2.  Системы событий и сигнализации 
18.7.3.  SIEM-системы

18.8.  Реагирование на инциденты

18.8.1.  План по реагированию на инциденты 
18.8.2.  Непрерывность бизнеса 
18.8.3.  Криминалистический анализ и устранение последствий инцидентов аналогичного характера

18.9.  Безопасность в публичных облаках

18.9.1.  AWS (Amazon Web Services) 
18.9.2.  Microsoft Azure 
18.9.3.  Google GCP 
18.9.4.  Oracle Cloud

18.10.  Регулирование и соблюдение

18.10.1.  Соблюдение норм безопасности 
18.10.2.  Управление рисками 
18.10.3.  Люди и процессы в организациях

Модуль 19. Безопасность в коммуникациях между устройствами интернета вещей (IoT)

19.1.  От телеметрии к IoT

19.1.1.  Телеметрия 
19.1.2.  Межмашинное взаимодействие (M2M)
19.1.3.  Демократизация телеметрии

19.2.  Эталонные модели IoT

19.2.1.  Эталонные модели IoT 
19.2.2.  Упрощенная архитектура IoT

19.3.  Уязвимости безопасности IoT

19.3.1.  IoT-устройства 
19.3.2.  IoT-устройства. Примеры использования 
19.3.3.  IoT-устройства. Уязвимости

19.4.  IoT-соединение

19.4.1.  Сети PAN, LAN, WAN 
19.4.2.  Беспроводные технологии, не относящиеся к IoT 
19.4.3.  Беспроводные технологии LPWAN

19.5.  Технологии LPWAN

19.5.1.  "Железный треугольник" сетей LPWAN 
19.5.2.  Свободные частотные диапазоны vs. Лицензированные диапазоны 
19.5.3.  Возможности технологии LPWAN

19.6.  Технология LoRaWAN

19.6.1.  Технология LoRaWAN 
19.6.2.  Варианты использования LoRaWAN. Экосистема 
19.6.3.  Безопасность LoRaWAN

19.7.  Технология Sigfox

19.7.1.  Технология Sigfox 
19.7.2.  Варианты использования Sigfox. Экосистема 
19.7.3.  Безопасность Sigfox

19.8.  Технология сотовой связи для IoT 

19.8.1.  Технология сотовой связи для IoT (NB-IoT и LTE-M) 
19.8.2.  Варианты использования технологии сотовой связи для IoT. Экосистема 
19.8.3.  Безопасность технологии сотовой связи для IoT

19.9.  Технология Wi-SUN

19.9.1.  Технология Wi-SUN 
19.9.2.  Варианты использования Wi- SUN. Экосистема 
19.9.3.  Безопасность Wi-SUN

19.10.  Другие виды технологий IoT

19.10.1.  Другие виды технологий IoT 
19.10.2.  Примеры использования и экосистема других технологий IoT 
19.10.3.  Безопасность других технологий IoT

Модуль 20. План по обеспечению непрерывности бизнеса, связанный с безопасностью

20.1.  План по обеспечению непрерывности бизнеса

20.1.1.  Планы по обеспечению непрерывности бизнеса (BCP) 
20.1.2.  План по обеспечению непрерывности бизнеса (BCP). Основные вопросы 
20.1.3.  План по обеспечению непрерывности бизнеса (BCP) для оценки стоимости бизнеса

20.2.  Метрики в плане по обеспечению непрерывности бизнеса (BCP)

20.2.1.  Целевое время восстановления (RTO) и Целевая точка восстановления (RPO) 
20.2.2.  Максимально допустимое время простоя (MTD) 
20.2.3.  Минимальный уровень восстановления (ROL) 
20.2.4.  Целевая точка восстановления (RPO)

20.3.  Проекты непрерывного действия. Типология

20.3.1.  План по обеспечению непрерывности бизнеса (BCP) 
20.3.2.  План по обеспечению непрерывности ИКТ 
20.3.3.  План аварийного восстановления (DRP)

20.4.  Управление рисками, связанными с BCP

20.4.1.  Анализ влияния на бизнес 
20.4.2.  Преимущества внедрения BCP 
20.4.3.  Менталитет, основанный на риске

20.5.  Жизненный цикл плана по обеспечению непрерывности бизнеса

20.5.1.  Фаза 1: Анализ организации 
20.5.2.  Фаза 2: Определение стратегии непрерывности 
20.5.3.  Фаза 3: Реагирование в чрезвычайных ситуациях 
20.5.4.  Фаза 4: испытания, техническое обслуживание и ревизия

20.6.  Фаза организационного анализа BCP

20.6.1.  Идентификация процессов, входящих в сферу действия BCP 
20.6.2.  Определение критических областей бизнеса 
20.6.3.  Выявление зависимостей между областями и процессами 
20.6.4.  Определение адекватного MTD 
20.6.5.  Результаты. Создание плана

20.7.  Фаза определения стратегии непрерывности в рамках BCP

20.7.1.  Роли в фазе определения стратегии 
20.7.2.  Задачи в фазе определения стратегии 
20.7.3.  Результаты работы

20.8.  Фаза реагирования на непредвиденные обстоятельства в рамках BCP

20.8.1.  Роли в фазе реагирования 
20.8.2.  Задачи в этой фазе 
20.8.3.  Результаты работы

20.9.  Фаза тестирования, обслуживания и ревизии BCP

20.9.1.  Роли в фазе тестирования, обслуживания и ревизии 
20.9.2.  Задачи в фазе тестирования, обслуживания и ревизии 
20.9.3.  Результаты работы

20.10.  Стандарты ISO, связанные с планами по обеспечению непрерывности бизнеса (BCP)

20.10.1.  ISO 22301, ISO 2019 
20.10.2.  ISO 22313, ISO 2020 
20.10.3.  Другие соответствующие стандарты ISO и международные стандарты

Модуль 21. Аналитика данных в организации бизнеса

21.1.  Бизнес-анализ

21.1.1.  Бизнес-анализ 
21.1.2.  Структура данных 
21.1.3.  Этапы и элементы

21.2.  Аналитика данных в компании

21.2.1.  Система показателей и KPI в различных отделах 
21.2.2.  Оперативная, тактическая и стратегическая отчетность 
21.2.3.  Аналитика данных, применяемая в каждом отделе

21.2.3.1. Маркетинг и коммуникации 
21.2.3.2. Коммерция 
21.2.3.3. Обслуживание клиентов 
21.2.3.4. Закупки 
21.2.3.5. Управление 
21.2.3.6. Управление персоналом 
21.2.3.7. Производство 
21.2.3.8. ИТ

21.3.  Маркетинг и коммуникации

21.3.1.  KPI для измерения, применение и преимущества 
21.3.2.  Маркетинговые системы и хранилище данных 
21.3.3.  Внедрение структуры анализа данных в маркетинге 
21.3.4.  План маркетинга и коммуникации 
21.3.5.  Стратегии, прогнозирование и управление кампаниями

21.4.  Коммерция и продажи

21.4.1.  Вклад аналитики данных в коммерческую сферу
21.4.2.  Потребности отдела продаж 
21.4.3.  Изучение рынка

21.5.  Обслуживание клиентов

21.5.1.  Лояльность
21.5.2.  Личные качества и эмоциональный интеллект
21.5.3.  Удовлетворенность клиентов

21.6.  Закупки

21.6.1.  Аналитика данных для маркетинговых исследований 
21.6.2.  Аналитика данных для конкурентных исследований 
21.6.3.  Другие виды применения

21.7.  Управление

21.7.1.  Потребности административного отдела 
21.7.2.  Хранилище данных и анализ финансовых рисков 
21.7.3.  Хранилище данных и анализ кредитных рисков

21.8.  Человеческие ресурсы

21.8.1.  Управление человеческими ресурсами и преимущества аналитики данных 
21.8.2.  Инструменты анализа данных в отделе управления человеческими ресурсами 
21.8.3.  Применение аналитики данных в отделе управления человеческими ресурсами

21.9.  Производство

21.9.1.  Анализ данных в производственном отделе 
21.9.2.  Приложения 
21.9.3.  Преимущества

21.10.  ИТ

21.10.1.  Отдел ИТ 
21.10.2.  Аналитика данных и цифровая трансформация 
21.10.3.  Инновации и производительность

Модуль 22. Управление данными, обработка данных и информации согласно науке о данных

22.1.  Статистика. Переменные, индексы и коэффициенты

22.1.1.  Статистика 
22.1.2.  Статистические измерения 
22.1.3.  Переменные, индексы и коэффициенты

22.2.  Типология данных

22.2.1.  Качественные 
22.2.2.  Количественные 
22.2.3.  Характеристики и категории

22.3.  Знание данных, полученных в результате измерений

22.3.1.  Измерения централизации 
22.3.2.  Измерения дисперсии 
22.3.3.  Корреляция

22.4.  Знание данных, полученных в результате анализа графиков

22.4.1.  Визуализация в соответствии с видом данных 
22.4.2.  Интерпретация графической информации 
22.4.3.  Настройка графики с помощью R

22.5.  Вероятность

22.5.1.  Вероятность 
22.5.2.  Функция вероятности 
22.5.3.  Распределения

22.6.  Сбор данных

22.6.1.  Методология сбора 
22.6.2.  Инструменты сбора 
22.6.3.  Каналы сбора

22.7.  Очистка данных

22.7.1.  Этапы очистки данных 
22.7.2.  Качество данных 
22.7.3.  Работа с данными (с помощью R)

22.8.  Анализ данных, интерпретация и оценка результатов

22.8.1.  Статистические меры 
22.8.2.  Индексы отношений 
22.8.3.  Добыча данных

22.9.  Хранилище информации (хранилище данных)

22.9.1.  Элементы  
22.9.2.  Структура

22.10.  Доступность данных

22.10.1.  Доступ 
22.10.2.  Применение 
22.10.3.  Безопасность

Модуль 23. IoT-устройства и платформы как основа для науки о данных 

23.1.  Интернет вещей

23.1.1.  Интернет будущего, Интернет вещей 
23.1.2.  Консорциум промышленного интернета

23.2.  Эталонная архитектура

23.2.1.  Эталонная архитектура 
23.2.2.  Слои 
23.2.3.   Компоненты

23.3.  Датчики и устройства IoT

23.3.1 Основные компоненты 
23.3.2.  Датчики и исполнительные механизмы

23.4.  Коммуникации и протоколы

23.4.1.  Протоколы. Модель OSI 
23.4.2.  Коммуникационные технологии

23.5.  Облачные платформы для IoT и IIoT

23.5.1.  Платформы общего назначения 
23.5.2.  Промышленные платформы 
23.5.3.  Платформы с открытым исходным кодом

23.6.  Управление данными в IoT-платформах

23.6.1.  Механизмы управления данными. Открытые данные 
23.6.2.  Обмен данными и визуализация

23.7.  Безопасность в IoT

23.7.1.  Требования к безопасности и области безопасности 
23.7.2.  Стратегии безопасности в IIoT

23.8.  IoT-приложения

23.8.1.  Умные города 
23.8.2.  Здоровье и фитнес 
23.8.3.  Умный дом 
23.8.4.  Другие виды применения

23.9.  Приложения IIoT

23.9.1.  Производство 
23.9.2.  Транспорт 
23.9.3.  Энергия 
23.9.4.  Сельское хозяйство и животноводство 
23.9.5.  Другие сектора

23.10.  Индустрия 4.0

23.10.1.  IoRT (Интернет роботизированных вещей) 
23.10.2.  Аддитивное 3D-производство 
23.10.3.  Аналитика больших данных

Модуль 24. Графическое представление для анализа данных

24.1.  Исследовательский анализ

24.1.1.  Представление для анализа информации 
24.1.2.  Ценность графического представления 
24.1.3.  Новые парадигмы графического представления

24.2.  Оптимизация для науки о данных

24.2.1.  Цветовая гамма и дизайн 
24.2.2.  Гештальт в графическом представлении 
24.2.3.  Ошибки, которых следует избегать, и советы

24.3.  Источники основных данных

24.3.1.  Для качественного представления 
24.3.2.  Для количественного представления 
24.3.3.  Для временного представления

24.4.  Источники сложных данных

24.4.1.  Архивы, списки файлов и базы данных 
24.4.2.  Открытые данные 
24.4.3.  Непрерывно-генерируемые данные

24.5.  Виды графиков

24.5.1.  Базовые виды представлений 
24.5.2.  Блок-схемы 
24.5.3.  Представление для дисперсионного анализа 
24.5.4.  Круговые диаграммы 
24.5.5.  Пузырьковая диаграмма 
24.5.6.  Географические представления

24.6.  Виды визуализации

24.6.1.  Сравнительная и реляционная 
24.6.2.  Распределенная 
24.6.3.  Иерархическая

24.7.  Разработка отчетов с графическим представлением

24.7.1.  Применение графиков в маркетинговых отчетах 
24.7.2.  Применение графиков в системах показателей и KPI 
24.7.3.  Применение графиков в стратегических планах 
24.7.4.  Другие виды использования: наука, здоровье, бизнес

24.8.  Графический нарратив

24.8.1.  Графический нарратив 
24.8.2.  Развитие 
24.8.3.  Полезность

24.9.  Инструменты, ориентированные на визуализацию

24.9.1.  Продвинутые инструменты 
24.9.2.  Программное обеспечение в онлайне 
24.9.3.  Открытый код

24.10.  Новые технологии в визуализации данных

24.10.1.  Системы для виртуализации реальности 
24.10.2.  Системы для расширения и улучшения реальности 
24.10.3.  Интеллектуальные системы

Модуль 25. Инструменты науки о данных

25.1.  Наука о данных

25.1.1.  Наука о данных 
25.1.2.  Продвинутые инструменты для специалиста по анализу данных

25.2.  Данные, информация и знания

25.2.1.  Данные, информация и знания 
25.2.2.  Виды данных 
25.2.3.  Источники данных

25.3.  От данных к информации

25.3.1.  Анализ данных 
25.3.2.  Виды анализа 
25.3.3.  Извлечение информации из набора данных

25.4.  Извлечение информации путем визуализации

25.4.1.  Визуализация как инструмент анализа 
25.4.2.  Методы визуализации 
25.4.3.  Визуализация набора данных

25.5.  Качество данных

25.5.1.  Качество данных 
25.5.2.  Очистка данных 
25.5.3.  Базовая предварительная обработка данных

25.6.  Набор данных

25.6.1.  Обогащение набора данных 
25.6.2.  Проклятие размерности 
25.6.3.  Модификация набора данных

25.7.  Несбалансированность

25.7.1.  Несбалансированность классов 
25.7.2.  Методы устранения несбалансированности
25.7.3.   Сбалансированность набора данных

25.8.  Модели без отслеживания

25.8.1.  Модель без отслеживания 
25.8.2.  Методы 
25.8.3.  Классификация с помощью моделей без отслеживания

25.9.  Модели с отслеживанием

25.9.1.  Модель с отслеживанием 
25.9.2.  Методы 
25.9.3.  Классификация с помощью моделей с отслеживанием

25.10.  Инструменты и передовой опыт

25.10.1.  Передовые практики для специалиста по анализу данных 
25.10.2.  Лучшая модель 
25.10.3.  Полезные инструменты

Модуль 26. Добыча данных. Отбор, предварительная обработка и преобразование

26.1.  Статистический вывод

26.1.1.  Описательная статистика vs. Статистический вывод 
26.1.2.  Параметрические методы 
26.1.3.  Непараметрические методы

26.2.  Исследовательский анализ

26.2.1.  Описательный анализ 
26.2.2.  Визуализация 
26.2.3.  Подготовка данных

26.3.  Подготовка данных 

26.3.1.  Интеграция и очистка данных 
26.3.2.  Нормализация данных 
26.3.3.  Преобразование атрибутов

26.4.  Отсутствующие данные

26.4.1.  Обработка отсутствующих данных 
26.4.2.  Метод максимального правдоподобия 
26.4.3.  Обработка отсутствующих данных в машинном обучении

26.5.  Шум в данных

26.5.1.  Классы и признаки шума 
26.5.2.  Фильтрация шумов 
26.5.3.  Шумовой эффект

26.6.  Проклятие размерности

26.6.1.  Передискретизация 
26.6.2.  Неполная выборка 
26.6.3.  Редукция многомерных данных

26.7.  От непрерывных к дискретным признакам

26.7.1.  Непрерывные данные vs. Дискретные данные 
26.7.2.  Процесс дискретизации

26.8.  Данные

26.8.1.  Отбор данных 
26.8.2.  Перспективы и критерии отбора
26.8.3.  Методы отбора

26.9.  Выбор экземпляров

26.9.1.  Методы выбора экземпляров 
26.9.2.  Выбор прототипов 
26.9.3.  Расширенные методы выбора экземпляров

26.10. Предварительная обработка данных в среде больших данных

26.10.1.  Большие данные 
26.10.2.  Классическая предварительная обработка vs. Массивная обработка 
26.10.3.  Умные данные

Модуль 27. Предсказуемость и стохастический анализ

27.1.  Временные ряды

27.1.1.  Временные ряды 
27.1.2.  Полезность и применимость 
27.1.3.  Соответствующие тематические исследования

27.2.  Временная серия

27.2.1.  Сезонность 
27.2.2.  Сезонная вариация 
27.2.3.  Анализ остатков

27.3.  Типологии

27.3.1.  Стационарная модель 
27.3.2.  Нестационарная модель 
27.3.3.  Преобразования и корректировки

27.4.  Схемы для временных рядов

27.4.1.  Аддитивная модель 
27.4.2.  Мультипликативная модель 
27.4.3.  Процедуры определения типа модели

27.5.  Основные методы прогнозирования 

27.5.1.  Метод средних значений 
27.5.2.  “Наивный” подход 
27.5.3.  “Наивный” сезонный подход 
27.5.4.  Сравнение методов

27.6.  Анализ остатков

27.6.1.  Автокорреляция 
27.6.2.  Автокорреляционная функция остатков 
27.6.3.  Корреляционный анализ

27.7.  Регрессия в контексте временных рядов

27.7.1.  Дисперсионный анализ 
27.7.2.  Основы 
27.7.3.  Практическое применение

27.8.  Прогнозирующие модели временных рядов

27.8.1.  ARIMA 
27.8.2.  Экспоненциальное сглаживание

27.9.  Анализ временных рядов в R

27.9.1.  Подготовка данных 
27.9.2.  Идентификация шаблонов 
27.9.3.  Анализ модели 
27.9.4.  Прогноз

27.10.  Комбинированный графический анализ с помощью R

27.10.1.  Типичные ситуации 
27.10.2.  Практическое применение для решения простых задач 
27.10.3.  Практическое применение для решения продвинутых задач

Модуль 28. Проектирование и разработка интеллектуальных систем

28.1.  Предварительная обработка данных

28.1.1.  Предварительная обработка данных 
28.1.2.  Преобразование данных 
28.1.3.  Добыча данных

28.2.  Машинное обучение

28.2.1.  Контролируемое и неконтролируемое обучение 
28.2.2.  Обучение с подкреплением 
28.2.3.  Другие парадигмы обучения

28.3.  Алгоритмы классификации

28.3.1.  Индуктивное машинное обучение 
28.3.2.  Опорно-векторная машина (SVM) и метод k-ближайших соседей (KNN) 
28.3.3.  Метрики и оценки для классификации

28.4.  Алгоритмы регрессии

28.4.1.  Линейная регрессия, логистическая регрессия и нелинейные модели 
28.4.2.  Временные серии 
28.4.3.  Метрики и оценки для регрессии

28.5.  Алгоритмы кластеризации

28.5.1.  Методы иерархической кластеризации 
28.5.2.  Методы условной кластеризации 
28.5.3.  Показатели и оценки кластеризации

28.6.  Методы ассоциативных правил

28.6.1.  Методы извлечения правил 
28.6.2.  Метрики и оценки для алгоритмов ассоциативных правил

28.7.  Продвинутые методы классификации. Мультиклассовые алгоритмы

28.7.1.  Алгоритмы бэггинга 
28.7.2.  Метод случайного леса 
28.7.3.  “Бустинг” решающих деревьев

28.8.  Графовая вероятностная модель

28.8.1.  Вероятностная модель 
28.8.2.  Байесовские сети. Свойства, представление и параметризация 
28.8.3.  Другие графовые вероятностные модели

28.9.  Нейронные сети

28.9.1.  Машинное обучение с помощью искусственных нейронных сетей 
28.9.2.  Нейронная сеть с прямой связью

28.10. Глубокое обучение

28.10.1.  Глубокие сети прямой связи 
28.10.2.  Сверточные нейронные сети и модели последовательностей 
28.10.3.  Инструменты для реализации глубоких нейронных сетей

Модуль 29. Архитектуры и системы с интенсивным использованием данных 

29.1.  Нефункциональные требования. Основные принципы применения больших данных

29.1.1.  Надежность 
29.1.2.  Адаптивность 
29.1.3.  Управляемость

29.2.  Моделирование данных

29.2.1.  Реляционная модель 
29.2.2.  Документальная модель 
29.2.3.  Графовая модель данных

29.3.  Базы данных. Управление хранением и поиском данных

29.3.1.  Что такое хеш-индексы   
29.3.2.  Структурированное хранение в журнале 
29.3.3.  B-дерево

29.4.  Форматы кодирования данных

29.4.1.  Форматы, специфичные для конкретного языка 
29.4.2.  Стандартизированные форматы 
29.4.3.  Форматы двоичного кодирования 
29.4.4.  Межпроцессный поток данных

29.5.  Репликация

29.5.1.  Цели репликации 
29.5.2.  Модели репликации 
29.5.3.  Проблемы с репликацией

29,6  Распределенные транзакции

29.6.1.  Транзакция 
29.6.2.  Протоколы для распределенных транзакций
29.6.3.  Сериализуемость транзакций

29.7.  Секционирование

29.7.1.  Формы секционирования 
29.7.2.  Взаимодействие вторичных индексов и секционирования 
29.7.3.  Перебалансировка разделов

29.8.  Обработка данных в офлайн-режиме

29.8.1.  Пакетная обработка 
29.8.2.  Распределенные файловые системы 
29.8.3.  MapReduce

29.9 Обработка данных в реальном времени

29.9.1.  Виды брокеров сообщений 
29.9.2.  Представление баз данных в виде потоков данных 
29.9.3.  Обработка потоков данных

29.10.  Практическое применение в бизнесе

29.10.1.  Последовательность в чтении 
29.10.2.  Комплексный подход к данным 
29.10.3.  Масштабируемая распределенная система

Модуль 30. Практическое применение науки о данных в различных сферах бизнеса

30.1.  Сфера здравоохранения

30.1.1.  Влияние ИИ и аналитики данных на сферу здравоохранения 
30.1.2.  Возможности и проблемы

30.2.  Риски и тенденции в здравоохранении

30.2.1.  Использование в сфере здравоохранения 
30.2.2.  Потенциальные риски, связанные с использованием ИИ

30.3.  Финансовые услуги

30.3.1.  Влияние ИИ и аналитики данных на сферу финансовых услуг 
30.3.2.  Использование в сфере финансовых услуг 
30.3.3.  Потенциальные риски, связанные с использованием ИИ

30.4.  Розничная торговля

30.4.1.  Влияние ИИ и аналитики данных на сферу розничной торговли 
30.4.2.  Использование в сфере розничной торговли 
30.4.3.  Потенциальные риски, связанные с использованием ИИ

30.5.  Индустрия 4.0

30.5.1.  Влияние ИИ и аналитики данных на Индустрию 4.0 
30.5.2.  Использование в Индустрии 4.0

30.6.  Риски и тенденции в Индустрии 4.0

30.6.1.  Потенциальные риски, связанные с использованием ИИ

30.7.  Государственное управление

30.7.1.  Влияние ИИ и аналитики данных на сферу государственного управления 
30.7.2.  Использование в сфере государственного управления 
30.7.3.  Потенциальные риски, связанные с использованием ИИ

30.8.  Образование

30.8.1.  Влияние ИИ и аналитики данных на сферу образования 
30.8.2.  Потенциальные риски, связанные с использованием ИИ

30.9.  Лесное и сельское хозяйство

30.9.1.  Влияние ИИ и аналитики данных на сферу лесного и сельского хозяйства 
30.9.2.  Использование в сфере лесного и сельского хозяйства 
30.9.3.  Потенциальные риски, связанные с использованием ИИ 

30.10.  Человеческие ресурсы

30.10.1.  Влияние ИИ и аналитики данных на сферу управления человеческими ресурсами 
30.10.2.  Практическое применение в деловом мире
30.10.3.  Потенциальные риски, связанные с использованием ИИ 

TECH предлагает лучшую программу для таких ИТ-специалистов, как вы, которые хотят изменить свою карьеру, чтобы ускорить свой профессиональный рост”