Maschinelles Lernen in der Sicherheit
Wir zeigen Ihnen, wie ML-Modelle Bedrohungen erkennen, Anomalien aufdecken und Sicherheitsarchitekturen stärken. Von grundlegenden Konzepten bis zu praktischen Implementierungen.
Preise ansehen
Programmaufbau
Drei Module, die aufeinander aufbauen und Sie von den Grundlagen zur Implementierung führen.
Grundlagen & Konzepte
ML-Algorithmen verstehen, Datenaufbereitung und erste Modelle trainieren. Fokus auf Supervised Learning für Bedrohungserkennung.
4 WochenAnomalieerkennung
Unsupervised Learning für unbekannte Muster. Clustering, Outlier Detection und Autoencoder in der Netzwerksicherheit.
5 WochenProduktive Systeme
Modellintegration, Performance-Tuning und kontinuierliches Monitoring. SIEM-Anbindung und Incident Response Workflows.
5 WochenTheoretische Basis
Konzepte verstehen
Praktische Übungen
Echte Datensätze
Eigenes Projekt
Individuelle Umsetzung
Johanna Ahlström
Security Data Scientist
Hat ML-basierte Intrusion Detection bei einem Finanzdienstleister aufgebaut. Spezialisiert auf Feature Engineering für Sicherheitsdaten.
Darina Vukić
Threat Intelligence Engineer
Entwickelt ML-Modelle für Malware-Klassifizierung und Phishing-Detection. Fokus auf Deep Learning und NLP für Security.