Wprowadzenie do uczenia maszynowego z zastosowaniami w bezpieczeństwie informacji

Opinie czytelników

Obecnie brak opinii czytelników. Ocena opiera się na 6 głosach.

Oryginalny tytuł:

Introduction to Machine Learning with Applications in Information Security

Zawartość książki:

Introduction to Machine Learning with Applications in Information Security to sprawdzone w praktyce wprowadzenie do szerokiej gamy algorytmów uczenia maszynowego, wzmocnione realistycznymi aplikacjami. Książka jest przystępna i nie udowadnia twierdzeń ani w inny sposób nie rozwodzi się nad teorią matematyczną. Celem jest przedstawienie tematów na poziomie intuicyjnym, z wystarczającą ilością szczegółów, aby wyjaśnić podstawowe koncepcje.

Książka dogłębnie omawia podstawowe tematy uczenia maszynowego, w tym ukryte modele Markowa, analizę głównych składowych, maszyny wektorów nośnych i klastrowanie. Zawiera również omówienie -Najbliższych sąsiadów, sieci neuronowych, boostingu i AdaBoost, lasów losowych, liniowej analizy dyskryminacyjnej, kwantyzacji wektorów, naiwnych bayesów, analizy regresji, warunkowych pól losowych i analizy danych.

Większość przykładów w książce pochodzi z dziedziny bezpieczeństwa informacji, a wiele aplikacji uczenia maszynowego koncentruje się w szczególności na złośliwym oprogramowaniu. Prezentowane aplikacje mają na celu demistyfikację technik uczenia maszynowego poprzez dostarczanie prostych scenariuszy. Wiele ćwiczeń w tej książce wymaga pewnego programowania, a w kilku sekcjach aplikacji zakłada się podstawowe koncepcje obliczeniowe. Jednak każdy, kto ma niewielkie doświadczenie w programowaniu, nie powinien mieć problemów z tym aspektem książki.

Problemy z tym aspektem książki.

Materiały dla instruktorów, w tym slajdy PowerPoint, filmy z wykładów i inne istotne materiały są dostępne na towarzyszącej stronie internetowej: http: //www.cs. sjsu.edu/ stamp/ML/. Z korzyścią dla czytelnika, rysunki w książce są również dostępne w formie elektronicznej i w kolorze.

O autorze.

Mark Stamp jest profesorem informatyki na San Jose State University od 2002 roku. Wcześniej przez siedem lat pracował w Agencji Bezpieczeństwa Narodowego (NSA), a przez dwa lata w startupie z Doliny Krzemowej. W 1992 roku uzyskał tytuł doktora na Texas Tech University. Jego romans z uczeniem maszynowym rozpoczął się na początku lat 90-tych, kiedy pracował w NSA, i trwa do dziś na SJSU, gdzie nadzorował ogromną liczbę projektów studentów studiów magisterskich, z których większość obejmuje połączenie bezpieczeństwa informacji i uczenia maszynowego.