Идея вполне здравая, ведь вредоносный код создаёт дополнительную нагрузку на процессор. Соответственно, энергопотребление тоже увеличивается. Это особенно актуально в связи с распространением «интернета вещей», где мониторинг энергопотребления может быть особенно актуальным, ведь на персональных компьютерах этот показатель не даёт такой ясной картины.
Руководители Power Fingerprinting Cybersecurity утверждает, что во время теста им удалось успешно определить наличие Stuxnet на оборудовании в отсутствии антивируса.
Стартап создан при финансировании научно-исследовательского подразделения американской армии DARPA, а также при участии министерства внутренней безопасности США. По идее авторов, эту технологию планируется внедрить в АСУ и системах SCADA, а именно, в программируемых логических контроллерах и других устройствах.
17 февраля в Москве старует программа “Специалист по большим данным” – трехмесячный интенсив для разработчиков и экспертов по IT-инфраструктуре, которые хотят войти в быстро в растущую индустрию Big Data. Курс разработан “Лабораторией новых профессий” – это образовательный проект центра Digital October.
Обучение через практику
Цель программы – научить разработчиков и технических специалистов решать важнейшие задачи, которыми занимаются специалисты по Big Data. Подобный подход отражается в структуре курса. Курс состоит из трех кейсов, и каждый из них длится по одному месяцу. Это:
Анализ социальных графов
Создание мультиклассных классификаторов на основе анализа веб-логов
Разработка рекомендательных систем
Преподают только представители индустрии
Вести занятия будут практики из ведущих технологических компаний, работающих с большими данными. К примеру, в разное время в качестве лекторов на программе выступят Валерий Топинский (экc-Яндекс, ШАД), Константин Круглов (основатель D.C.A. Alliance) и Киншук Мишра (Spotify). Индустрия меняется очень стремительно, и мы даем студентам навыки и умения, актуальные прямо сейчас.
Каждый слушатель также получит персонального тьютора, который будет регулярно отслеживать прогресс в выполнении лабораторных работ, смотреть код, помогать с поисками решений и давать обратную связь.
Kaggle, реальные массивы данных и мастер-классы
Каждый из кейсов программе преподается в три этапа. Сначала студенты учатся видеть общие закономерности и разбирают хорошо проработанные задачи из Kaggle. Дальше выполняют самостоятельные проекты с реальными данными под руководством тьюторов. К примеру, в рамках второго кейса студенты попробуют оптимизировать алгоритмы показа рекламы в системе D.C.A. Alliance – а тот, кто сможет добиться хороших результатов, сможет не только получить одобрение преподавателей, но и полностью отбить стоимость своего обучения.
На первых двух этапах студентам даются практические навыки по полному циклу работы с большими данными:
Развертывание Hadoop/HDFS/HBase
Предобработка и очистка данных
Построение модели предсказания
Выбор оптимального алгоритма машинного обучения
Калибровка модели
Третья часть кейса позволяет познакомиться с готовыми инструментами, а также послушать мастер-классы по лучшим практикам от лидеров индустрии (Яндекс, Сбертех, Spotify, МТС, IBM, Cloudera). Спикеры будут рассказывать на реальных примерах, как собирают, хранят и используют большие данные в их компаниях.
Собеседование после окончания курса
Каждый студент, который успешно выполнит итоговые квалификационные задания, получит возможность пройти собеседование в ведущих российских технологических компаниях. Стратегические партнеры программы – Сбербанк-Технологии и D.C.A. Alliance, они готовы принять на работу большое количество квалифицированных людей.
Онлайн как оффлайн
Еще одна приятная фишка курса – возможность учиться из любой точки мира, нисколько не теряя в качестве. Занятия проходят в центре Digital October три раза в неделю по вечерами, но в них можно принять участие и удаленно. Студенты, проходящие обучения в онлайне, ощущают себя полноценными участниками заняти благодаря профессиональной многокамерной съемке, а также могут задавать вопросы преподавателю в режиме видеоконференции и активно принимать участие в дискуссии. Также записи всех занятий доступны студентам в личном кабинете.
Требования к студентам
Программа ориентирована на сложившихся профессионалов, которые хотят совмещать учебу с работой. Вот минимальные требования :
Хорошие рабочие знания по основам теории вероятностей и математической статистики
Опыт разработки приложений от 2-х лет
Также (очень желательно) знать основы теории машинного обучения.
