Curso en línea: pasantía profesional certificada en IA de Google para ciberseguridad, Universidad Johns Hopkins

Adquiera habilidades avanzadas en técnicas de inteligencia artificial para detectar y prevenir ciberamenazas, garantizando una protección sólida contra riesgos digitales en constante evolución.

Suggested by: Coursera (What is Coursera?)

Professional Certificate

a partir de

No prior knowledge required

Time to complete the course

7-day free trial

No unnecessary risks

Skills you will acquire in the course

  • Control de aplicaciones de inteligencia artificial en el ámbito de la ciberseguridad
  • Técnicas avanzadas para detectar ciberamenazas
  • La prevención del fraude está impulsada por la inteligencia artificial
  • Análisis de malware
  • Comprender los efectos de las redes adversarias (GAN)
  • Identificar anomalías en el tráfico de la red.
  • Aplicación de técnicas de aprendizaje reforzado.
  • Evaluación del desempeño de modelos de inteligencia artificial.
  • Desarrollo de modelos en aprendizaje automático (ML) y aprendizaje profundo (DL)
  • Ingeniería de funciones para ML y optimización de datos sin procesar para DL
  • Diseño Tor de malware metamórfico
  • Análisis de secuencias de códigos de operación para clasificarlos como software malicioso o legítimo.
  • Detección de amenazas impulsada por IA
  • Aplicación de modelos para desafíos reales de ciberseguridad

What you will learn in the course

Courses for which the course is suitable

  • Experto en ciberseguridad
  • Analizador de malware
  • Desarrolla modelos en aprendizaje automático.
  • Ingeniero de datos
  • Experto en inteligencia artificial para la ciberseguridad
  • Analizador de amenazas
  • Desarrollador de herramientas de ciberseguridad.
  • ingeniero de aprendizaje profundo
  • Experto en sistemas IoT

Pasantía: una serie de cursos de 3 partes

Esta especialización está dirigida a estudiantes posteriores a una licenciatura que aspiren a dominar las aplicaciones de inteligencia artificial en el campo de la ciberseguridad. Durante tres cursos integrales, aprenderá técnicas avanzadas para detectar y abordar diversas amenazas cibernéticas.

Materias esenciales en el plan de estudios:

  • La prevención del fraude está impulsada por la inteligencia artificial
  • Análisis de malware
  • Efectos de las GAN

Obtendrá experiencia práctica en la identificación de anomalías en el tráfico de la red, la aplicación de técnicas de aprendizaje por refuerzo y la evaluación del rendimiento de modelos de inteligencia artificial frente a desafíos del mundo real.

Después de completar la capacitación, desarrollará una comprensión profunda de cómo proteger los sistemas de inteligencia artificial mientras se enfrenta a la complejidad de los ataques adversarios. Estos conocimientos te prepararán para afrontar nuevos retos en el campo de la ciberseguridad.

Un proyecto de aprendizaje práctico.

En la especialización «Inteligencia artificial para la seguridad cibernética», los alumnos utilizarán técnicas de inteligencia artificial para desarrollar herramientas prácticas para la seguridad cibernética.

Los proyectos incluyen:

  • Desarrollo de modelos de aprendizaje automático (ML) y aprendizaje profundo (DL) para detectar la actividad de la red de bots de Internet (IoT).
  • Ingeniería de funciones para ML y optimización de datos sin procesar para DL.
  • Diseño de matriz de malware metamórfica utilizando un modelo de Markov oculto.
  • Análisis de secuencias de códigos de operación para clasificarlos como software malicioso o legítimo.

Los estudiantes construirán modelos, los probarán con datos nunca antes vistos y enviarán demostraciones en video junto con su código. Este enfoque práctico dota a los alumnos de habilidades para identificar amenazas impulsadas por la IA y aplicar modelos a desafíos reales de seguridad cibernética.

Details of the courses that make up the specialization

Introducción a la IA para la ciberseguridad

Curso 1 – 9 horas

Utilice técnicas de inteligencia artificial para identificar y mitigar diversas amenazas cibernéticas, mientras protege los datos y los activos digitales.

  • Desarrollar e implementar modelos de aprendizaje automático para identificar, clasificar y prevenir correos electrónicos no deseados y de phishing.
  • Aplicar soluciones biométricas impulsadas por IA, como la dinámica de pulsaciones de teclas y el reconocimiento facial, para mejorar la seguridad de la identificación del usuario.

Habilidades que ganarás

  • Aplicaciones de la IA en ciberseguridad
  • Gestión de riesgos de ciberamenazas
  • Identificación de usuarios basada en IA
  • Desarrollar modelos prácticos de ML
  • Detección de correo electrónico spam y phishing

Curso 2 – 11 horas

Comprender diferentes tipos de daños y aplicar técnicas básicas de análisis para identificarlos y clasificarlos de forma eficaz.

  • Aplicación de algoritmos avanzados de aprendizaje automático, incluidos clusters y árboles de decisión, para identificar daños de forma eficaz.
  • Explore técnicas de detección de anomalías utilizando datos de botnets y aprenda a analizar el tráfico de la red para identificar patrones inusuales.
  • Colaboración y presentación de resultados de investigaciones sobre tendencias actuales en la detección de anomalías en redes.

Habilidades que ganarás

  • análisis de daños
  • Habilidades de presentación de investigaciones.
  • Aprendizaje automático para la identificación
  • Técnicas de detección de anomalías
  • evaluación del desempeño

Curso 3 – 15 horas

Aprenda cómo implementar soluciones basadas en IA para detectar y prevenir el fraude con tarjetas de crédito en entornos de nube.

  • Investigar los fundamentos de las redes de contrageneración y su aplicación en la generación de datos sintéticos.
  • Experiencia práctica con ataques agresivos de formas en blanco y negro para evaluar y mejorar la durabilidad del modelo.
  • Domine las técnicas de ingeniería de funciones y evaluación del rendimiento para optimizar los modelos de IA para aplicaciones de ciberseguridad.

Habilidades que ganarás

  • Técnicas de detección de fraude
  • Implementar ataques agresivos
  • Evaluación y optimización del modelo.
  • Redes generativas adversarias (GAN)
  • Aplicaciones de aprendizaje por refuerzo