Modulets indhold, forløb og pædagogik

Kursusmodulet introducerer koncepter som statistisk interferens og data mining-algoritmer og beskriver, hvordan machine learning og kunstig intelligens anvender disse algoritmer til forbedring og løsning af problemstillinger inden for cybersikkerhed.

Læringsmål

Viden

• Have viden og forståelse for grundlæggende begreber og metoder inden for superviseret og ikke-superviseret læring, herunder regression, klassifikation, klyngedannelse, repræsentationslæring og tæthedsestimering
• Have viden og forståelse for deep learning-algoritmer
• Have viden og forståelse for AI og forbindelsen mellem AI og maskinlæring
• Have viden om grundlæggende begreber som statistisk inferens, både model- og databaseret

Færdigheder

• Have færdigheder til at træffe informerede valg vedrørende metoder til superviseret og ikkesuperviseret læring
• Have færdigheder i at evaluere valg af forskellige typer neurale netværk og vurdere deres kompleksitet og ydeevneafvejninger
• Have færdigheder i at anvende og evaluere metoder til statistisk inferens
• Have færdigheder i at anvende AI til at forbedre og løse cybersikkerhedsproblemer
• Kunne bruge værktøjer og ML-biblioteker som fx Python, scikit-learn og et deep learningbibliotek (f.eks. TensorFlow eller PyTorch) til at implementere maskinlæringsalgoritmer

Kompetencer

• Have kompetence til at anvende algoritmer til superviseret og ikke-superviseret læring på cybersikkerhedsudfordringer og evaluere resultaterne
• Have kompetence til at bruge forskellige typer neurale netværk og datamining-algoritmer til at håndtere forskellige cybersikkerhedsscenarier

Undervisningsform

Jf. beskrivelsen i §18

Eksamen

Prøver