Wenn Sie diesen Text sehen, ist auf ihrem Gerät noch nicht das neue Layout geladen worden. Bitte laden Sie diese Seite neu (ggf. mit gedrückter 'Shift'- oder 'Alt'-Taste) oder in einem 'privaten Fenster'.
Weitere Hinweise unter https://www.uni-hildesheim.de/wiki/lsf/faq/fehler.im.layout.

Zur Seitennavigation oder mit Tastenkombination für den accesskey-Taste und Taste 1 
Zum Seiteninhalt oder mit Tastenkombination für den accesskey und Taste 2 
Startseite    Anmelden     

Machine Learning for IT Security - Einzelansicht

Grunddaten
Veranstaltungsart Vorlesung Learnweb   Logo Learnweb
Veranstaltungsnummer 3610 Kurztext MLITS
Semester SoSe 2022 SWS 2
Erwartete Teilnehmer/-innen 20 Max. Teilnehmer/-innen 40
Rhythmus i.d.R. jedes 2. Semester Studienjahr / Zielgruppe
Credits 6 Anmeldung Anmeldepflicht , Vergabe: Automatisch(Losen) (?)
Hyperlink   Evaluation Ja - Präsenzbogen
Sprache englisch
Anmeldefristen Anmeldung (Einzelvergabe) 07.03.2022 - 13.04.2022 23:59:59

Anmeldepflicht
Abmeldung bis Ende VL-Zeit 15.04.2022 - 22.07.2022 23:59:59

Anmeldepflicht
Termine Gruppe: 1-Gruppe iCalendar Export
  Tag Zeit Rhythmus Dauer Raum (mögliche Änderungen beachten!) Raum-
plan
Lehrperson Status Bemerkung fällt aus am Max. Teilnehmer/-innen
Einzeltermine anzeigen
iCalendar Export
Fr. 14:00 bis 16:00 c.t. wöchentlich 22.04.2022 bis 22.07.2022  Gebäude H (Hauptcampus) - Hörsaal H2 Raumplan        
Gruppe 1-Gruppe:
Prüfungstermine
Semester Termin Prüfer/-in Parallelgruppe Datum Prüfungsform Beginn Anmeldefrist Ende Anmeldefrist Ende Abmeldefrist Infos zu Nachschreibterminen
SoSe 2022 01 Landwehr, Niels Klausur 27.06.2022 17.07.2022 VERBINDLICH 17.07.2022 VERBINDLICH


Zugeordnete Person
Kontaktperson (durchführend) Zuständigkeit
Landwehr, Niels, Professor Dr. verantwortlich und durchführend
Studiengänge
Abschluss Studiengang Semester ECTS Kontingent
Bachelor B.Sc. I M I T
Bachelor B.Sc. IMIT Studienvar. AI
Master M.Sc. Data Analytics
LSF - Module
Modulkürzel Modultitel
DSc-MLITS Machine Learning for IT Security
Zuordnung zu Einrichtungen
Abt. Data Science
Inhalt
Bemerkung

For more information about the organization of the lecture, please see the Learnweb page of the course at https://www.uni-hildesheim.de/learnweb2022/course/view.php?id=2677

Voraussetzungen

Some prior knowledge in the area of machine learning is recommended.

Lerninhalte

Due to the growing complexity of IT systems and newly emerging security threats, keeping IT systems secure and detecting or preventing attacks is a constant challenge. Recently, data-driven techniques based on machine learning have emerged as one promising direction for flexible, “intelligent” IT security systems that learn to detect threats, attacks or fraud from large-scale data. In contrast to more traditional approaches that are based largely on manual analysis by security experts, data-driven approaches can in some scenarios adapt more quickly, exploit subtle patterns in data that are not easily recognizable to human experts, and through automation reduce the workload on security experts.


The lecture studies different threats and tasks in IT security (such as filtering malicious email messages, detecting malicious executable files, discovering security vulnerabilities in source code, or detecting fraudulent activity). We discuss how such tasks can be cast as machine learning problems, the process of data collection and data representation, and appropriate machine learning techniques for solving these tasks.



Zu dieser Veranstaltung gehört folgende Übung
Nr. Beschreibung SWS
3611 Machine Learning for IT Security 2

Strukturbaum
Keine Einordnung ins Vorlesungsverzeichnis vorhanden. Veranstaltung ist aus dem Semester SoSe 2022 , Aktuelles Semester: WiSe 2022/23
Impressum      Datenschutzerklärung     Datenschutz      Datenschutzerklärung     Erklärung zur Barrierefreiheit