دکتـــر محمـــد فزونـــــی
اگر مدل یادگیری ماشین شما در محیط عملیاتی (مانند سامانههای تشخیص تقلب بانکی یا خودروهای خودران) مورد حمله قرار گیرد، یک ضعف امنیتی میتواند به خسارتهای مالی سنگین، افشای اطلاعات کاربران یا حتی تهدید جان انسانها منجر شود. امروزه مهاجمان دیگر فقط به دنبال نفوذ به سرورها نیستند؛ آنها مستقیمن خودِ مدل را هدف قرار میدهند؛ از مسمومسازی دادههای آموزشی و فریب مدل گرفته تا سرقت مدلهای هوش مصنوعی. امالسکآپس به شما میآموزد چگونه پیش از وقوع این حملات، از مدلهای خود بهصورت اصولی محافظت کنید. در پایان این دوره، دیگر تنها یک مدلساز نخواهید بود؛ بلکه به یک مهندس امنیت مدل تبدیل میشوید که میتواند مدلهای هوش مصنوعی را با اطمینان در محیطهای عملیاتی و سازمانی مستقر و ایمنسازی کند.
✔️ Linux-01: Essential Linux for ML Engineers
✔️ Docker-01
✔️ Docker-02
✔️ Security in Docker (Scanning with Trivy)
✔️ Linux-02: Advanced Topics (iptables)
✔️ What is MLOps? (Theory)
✔️ What is MLSecOps and the best python libs in this realm (Theory)
✔️ K8s-01: Core Concepts
✔️ K8s-02: Deploy ML Components on Minikube (MLFlow on K8s, FastAPI as a deployment)
✔️ K8s-03: Falco for Securing Kubernetes Implementations
✔️ Kafka-01: Quick Start
✔️ Kafka-02: Clustering
✔️ Kafka-03: Quix for Python-native Streaming
✔️ Kafka-04: ksqlDB (Process real time data with SQL)
✔️ Kafka-05: Security in Kafka Deployments (ACLs & Encryption)
✔️ ArvanCloud
✔️ GitHub Actions (Backup to S3 by GitHub Actions)
✔️ Terraform-01: IaC Basics for ML Infra Provisioning
✔️ Terraform-02: Security Best Practices
✔️ MLflow-01: Theory and Hello World
✔️ MLflow-02: DVC for Data and Model Versioning
✔️ MLflow-03: MLflow-DVC on Cloud
✔️ FastAPI-01: Model Serving Basics
✔️ FastAPI-02: Securing Endpoints
✔️ MLflow-04: Secure Experiment Tracking
✔️ Jenkins: Traefik-MLflow-DVC-Jenkins on the Cloud
✔️ Poisoning Attacks
✔️ Model Tampering
✔️ Supply Chain Attacks
✔️ Evasion Attacks
✔️ Privacy-Preserving AI
In this chapter, you will be learning the most important python libs for attack and defense.
✔️ Final-Project: Fraud Detection in FinTech.
Whole Lifecycle of ML Algorithms + Security Audit + Simulate Poisoning + ART Defenses
A Complete MLSecOps Example in which we build an MLSecOps Platform
در پروژهی نهایی این دوره، یک حملهی واقعی مسمومسازی داده را روی یک خطلولهی عملیاتی یادگیری ماشین بازسازی میکنیم.
ابتدا مهاجم با دستکاری دادههای آموزش، مدل را آلوده میکند و باعث کاهش دقت یا ایجاد رفتار مخرب (Backdoor) میشود. سپس با استفاده از ابزارهای Adversarial Robustness Toolbox (ART) و سایر مکانیزمهای امنیتی، حمله را شناسایی، تحلیل و خنثی کرده و مدل را دوباره به یک وضعیت امن بازمیگردانیم.
این پروژه بهصورت کامل روی یک معماری واقعی شامل Docker, FastAPI, MLflow و Jenkins و ابزارهای مانیتورینگ اجرا میشود تا دقیقن با شرایط استقرار در محیطهای عملیاتی آشنا شوید.
عضو هئیت علمی دانشگاه گنبدکاووس و دانشیار گروه ریاضی و آمار در این دانشگاه (مشاهدهی صفحهی دانشگاهی بنده). از سال 1393 بطور رسمی وارد حرفهی تدریس شدم و تا امروز و با افتخار بیش از هزاران دانشجو را در ایران و خارج از کشور تربیت نمودم. از دوران دبیرستان با کامپیوتر آشنا شدم. سالهاست در کنار درس و دانشگاه، پروژههای مختلف در حوزههای دیتا را اجرا و راهبری نمودهام.

بشما کمک خواهیم کرد که در محیط کار متفاوت باشید
برای شرکت کنندگان در کد هفتم مهندسی داده یک کد تخفیف 30 درصدی صادر خواهد شد. جهت دریافت به تلگرام پشتیبانی پیام دهید.
بهنظر من داشتن دانش عمیق خیلی مهمه، اما از اون مهمتر توانایی خوب در بیان مطالبه. به عقیده من، دکتر فزونی هر دو ویژگی رو بهخوبی دارن. دورههایی هم که برگزار میکنن بسیار کاربردیه و برای کسانی که قصد ورود جدی به بازار کار تخصصی دارن، میتونه واقعاً مفید باشه.

توجه بفرمائید که ما در این کورس، به هیچ وجه زمانی را برای ساخت مدل ML تخصیص نمیدهیم. تنها روی استقرار یک مدل از قبل ساخته شده تمرکز مینمائیم. سپس تلاش خواهیم کرد که نقاط ضعف آنرا شناخته و چند حمله را ترتیب دهیم. با شناخت صحیح این موارد به بهترین شیوه میتوان از سرویس خودمان در دنیای واقعی دفاع نمائیم.
در این دوره موارد تئوری را از روی دو کتاب موجود تدریس خواهیم کرد. این دو کتاب در حال حاضر جزو بهترین عناوین در دنیای MLOps و MLSecOps محسوب میشوند. دو جلسه از این کورس را به ارائهی مفاهیمی از این دو کتاب تخصیص خواهیم داد. یک دوره آموزشی وقتی میتواند در انتقال دانش موفق عمل کند که ترکیبی از مفاهیم تئوری و عملی را داشته باشد.

ویدیوهای دوره بروز ضبط خواهند شد و در اختیار شما قرار خواهند گرفت. چون هم افراد شرکت کننده پرمشغله هستند و وقت و زمان کافی برای حضور در کلاس را ندارند و هم چالشهای متعددی در کلاس آنلاین وجود دارد، از جمله زمان پِرتی بسیار زیاد، بخصوص اگر بخواهیم برخی از موارد غیرقابل پیشبینی را دانلود نمائیم.
بله. از طریق نرمافزار اسپاتپلیر دسترسی به تمامی ویدیوها خواهید داشت. برای هر شخص یک لایسنس صادر خواهد شد. در صورتی که لایسنس شما به هر دلیلی از کار بیافتد باید برای دریافت لایسنس دوم مبلغی را پرداخت نمائید. در نتیجه در حفظ و نگهداری کد مربوط به خود نهایت دقت را مبذول فرمائید.
در حالت کلی خیر. بهترین مدرک، مهارتهایی است که کسب مینمائید. ولی در صورت نیاز و درخواست برای شما مدرک نیز صادر خواهیم نمود.
هیچ کورسی در دنیا (در دنیای تکنولوژی) بعد از اتمام شما را مستقیم به شغل و درآمد نخواهد رساند. تنها تداوم در یادگیری و شرکت در جلسات مصاحبه مسیر را برای شما باز میکند. پس درگیر عناوین تبلیغاتی مختلف نشوید. اما مطمئن باشید که این مهارتها بسیار فراگیر بوده و نیاز به آنها در حال حاضر بسیار زیاد است. ولی در این دوره چون عمق مطالب را بیشتر نمودیم، قطعن شما توانمندیهایی بسیار خاص را کسب خواهید نمود که ضامن موفقیت در جلسات مصاحبه میباشد.
مدرس تمامی موارد را بشما خواهد گفت، اما شما باید سطح مطلوبی از اطلاعات را از دنیای کار با دادهها داشته باشید و مبانی کار با الگوریتمهای یادگیری ماشین را بدانید که بتوانید بهترین نتیجه ممکن از این دوره را بگیرید. در این در خصوص ML بصورت تئوری صحبت نخواهیم کرد. تمرکز روی پیادهسازی است.
تمامی آموزشها برای سیستم عامل ویندوز که فراگیرتر است، تهیه میشوند. اما شما براحتی میتوانید دروس را در لینوکس و یا مک نیز پیادهسازی نمائید.
بله. میتوانید وجه ثبتنام را در سه قسط با مقدار برابر (4/500/000 تومان) واریز کنید.
بدانید که آرزوی تیم آموزشی ما این است که بتوانیم شما را در مسیر درست قرار دهیم. پس از موارد مطرح شده برداشت منفی نفرمائید.
برای هر فرد شرکت کننده در دوره تنها یک لایسنس اسپات پلیر داده خواهد شد.