Maşın öyrənməsiMövzu planı

Mövzu çərçivəsində maşın öyrənməsinin əsas anlayışları, məqsədləri və informasiya təhlükəsizliyində tətbiq sahələri öyrənilir. Zərərverici proqramların analizində istifadə olunan əsas üsullar və maşın öyrənməsi metodlarının bu prosesdə rolu nəzərdən keçirilir. Nəzarətli, nəzarətsiz və möhkəmləndirmə yolu ilə öyrənmə kimi əsas maşın öyrənməsi növləri, onların xüsusiyyətləri və zərərverici proqramların aşkarlanması və təsnifatında tətbiqi araşdırılır.

Mövzu çərçivəsində verilənlərin hazırlanmasının maşın öyrənməsi prosesində rolu və əsas mərhələləri öyrənilir. Loqlar, şəbəkə trafiki və hadisə qeydləri kimi təhlükəsizlik verilənlərinin əsas xüsusiyyətləri nəzərdən keçirilir. Verilənlərin təmizlənməsi, boş dəyərlərin emalı və duplikat qeydlərin silinməsi üsulları izah edilir. Həmçinin maşın öyrənməsi modelləri üçün uyğun əlamətlərin müəyyən edilməsi və əlamət seçimi (feature selection) metodlarının əsas prinsipləri araşdırılır.

Mövzu çərçivəsində xətti reqressiya anlayışı, əsas məqsədi və maşın öyrənməsində rolu öyrənilir. Asılı və müstəqil dəyişənlər arasındakı xətti əlaqənin modelləşdirilməsi, reqressiya modelinin qurulması və proqnozlaşdırma prinsipləri nəzərdən keçirilir. Həmçinin reqressiya təhlilinin əsas mərhələləri və model nəticələrinin şərh edilməsi araşdırılır.

Mövzu çərçivəsində qərar ağaclarının anlayışı, əsas iş prinsipləri və maşın öyrənməsində rolu öyrənilir. Qərar ağacının kök düyünü, daxili düyünlər, budaqlar və yarpaq düyünlərindən ibarət quruluşu nəzərdən keçirilir. Verilənlərin əlamətlər əsasında bölünməsi və uyğun bölünmə meyarlarının seçilməsi prinsipləri izah edilir. Həmçinin qərar ağaclarının informasiya təhlükəsizliyində hücumların, anomaliyaların və zərərli fəaliyyət nümunələrinin aşkarlanması və təsnifatında tətbiqi araşdırılır.

Mövzu çərçivəsində dəstək vektor maşınları (SVM) anlayışı, əsas məqsədi və təsnifat məsələlərində tətbiqi öyrənilir. Sinifləri bir-birindən ayıran optimal sərhədin müəyyən edilməsi və dəstək vektorlarının modelin qurulmasındakı rolu nəzərdən keçirilir. Xətti, polinomial və radial baza funksiyası (RBF) kimi əsas kernel funksiyalarına qısa giriş verilir. Həmçinin çoxsinifli təsnifat məsələlərinin həlli üçün one-vs-rest və one-vs-one yanaşmaları araşdırılır.

Mövzu çərçivəsində K-ən yaxın qonşu (KNN) alqoritmi və nümunə əsaslı öyrənmənin (instance-based learning) əsas prinsipləri öyrənilir. KNN alqoritminin yeni verilənləri mövcud nümunələrlə oxşarlıq və məsafə əsasında qiymətləndirməsi, ən yaxın qonşuların müəyyən edilməsi və (K) parametrinin seçilməsi prinsipləri nəzərdən keçirilir. Həmçinin KNN alqoritminin təsnifat və reqressiya məsələlərində iş prinsipi və tətbiq xüsusiyyətləri araşdırılır.

Mövzu çərçivəsində maşın öyrənməsi modellərinin qiymətləndirilməsinin əhəmiyyəti və model performansının düzgün müəyyən edilməsi prinsipləri öyrənilir. Verilənlərin təlim və test (Train/Test) hissələrinə bölünməsi, eləcə də çarpaz yoxlama (Cross-Validation) anlayışı və əsas tətbiq prinsipləri nəzərdən keçirilir. Müxtəlif modellərin nəticələrinin qiymətləndirilməsi, müqayisəsi və konkret problem üçün uyğun modelin seçilməsi yanaşmaları araşdırılır.

Mövzu çərçivəsində klasterləşdirmə anlayışı, əsas məqsədi və nəzarətsiz maşın öyrənməsində rolu öyrənilir. Verilənlərin oxşar xüsusiyyətlərinə görə qruplara bölünməsi prinsipləri və əsas klasterləşdirmə yanaşmaları nəzərdən keçirilir. K-means, iyerarxik klasterləşdirmə və sıxlığa əsaslanan klasterləşdirmə kimi əsas alqoritmlərin iş prinsipləri və tətbiq xüsusiyyətləri araşdırılır.

Mövzu çərçivəsində süni neyron şəbəkələrinin anlayışı, əsas prinsipləri və maşın öyrənməsində rolu öyrənilir. Süni neyron, giriş və çıxış qatları, gizli qatlar, çəkilər və aktivasiya funksiyalarından ibarət şəbəkə strukturu nəzərdən keçirilir. Modelin verilənlərə həddindən artıq və ya kifayət qədər uyğunlaşmaması ilə əlaqəli overfitting və underfitting problemləri, eləcə də bu problemlərin azaldılması üçün əsas regularization üsulları araşdırılır.

Mövzu çərçivəsində dərin öyrənmə anlayışı, əsas prinsipləri və maşın öyrənməsində rolu öyrənilir. Dərin öyrənmə modellərinin ənənəvi neyron şəbəkələrindən fərqləri və mürəkkəb verilənlərdən xüsusiyyətlərin avtomatik öyrənilməsi kimi əsas üstünlükləri nəzərdən keçirilir. Konvolyusiya neyron şəbəkələrinin (CNN) strukturu, konvolyusiya, birləşdirmə (pooling) və tam əlaqəli qatların əsas funksiyaları və iş prinsipləri araşdırılır.

Mövzu çərçivəsində təbii dilin emalı (NLP) anlayışı, əsas məqsədi və tətbiq sahələri öyrənilir. Mətn verilənlərinin emala hazırlanması, tokenizasiya və mətnin sözlərə və digər vahidlərə bölünməsi üsulları nəzərdən keçirilir. Maşın öyrənməsi və dərin öyrənmə metodlarının mətnlərin təsnifatı, məna və məzmunun təhlili kimi NLP məsələlərində tətbiq prinsipləri araşdırılır.

Mövzu çərçivəsində generativ süni intellekt anlayışı, əsas prinsipləri və maşın öyrənməsində rolu öyrənilir. Yeni mətn, təsvir və digər növ məzmunların yaradılmasına imkan verən generativ modellərin əsas xüsusiyyətləri nəzərdən keçirilir. Diskriminativ və generativ modellərin məqsədləri, iş prinsipləri və tətbiq xüsusiyyətləri müqayisə edilir.

Mövzu çərçivəsində süni intellekt agentlərinin anlayışı, əsas prinsipləri və iş mexanizmləri öyrənilir. Agentlərin ətraf mühiti qavraması, əldə olunan məlumatları emal etməsi və müəyyən məqsədlərə çatmaq üçün müvafiq fəaliyyətlər həyata keçirməsi prinsipləri nəzərdən keçirilir. Sadə refleks, model əsaslı, məqsəd əsaslı, faydalılıq əsaslı və öyrənən agent kimi əsas agent tipləri araşdırılır. Həmçinin agentlərin fəaliyyətində qavrama (perception) və hərəkət (action) anlayışlarının rolu və qarşılıqlı əlaqəsi izah edilir.

Mövzu çərçivəsində süni intellekt və maşın öyrənməsi texnologiyalarının kibertəhlükəsizlikdə tətbiqi ilə əlaqəli əsas etik məsələlər və sosial təsirlər öyrənilir. Kibertəhlükəsizlik fəaliyyətlərində etik prinsiplər, məlumatların məxfiliyi, fərdi məlumatların qorunması və istifadəçi hüquqları nəzərdən keçirilir. Süni intellekt sistemlərinin məlumat toplaması, emalı və qərarverməsi ilə bağlı etik risklər araşdırılır. Həmçinin süni intellekt və kibertəhlükəsizlik sahəsində tətbiq olunan əsas hüquqi çərçivələrin və qanunvericilik tələblərinin rolu izah edilir.