Збирання, аналіз та обробка даних в інформаційно-комунікаційних системах

Спеціальність: Кібербезпека
Код дисципліни: 6.F5.01.E.080
Кількість кредитів: 4.00
Кафедра: Безпека інформаційних технологій
Лектор: Роман Банах
Семестр: 7 семестр
Форма навчання: денна
Мета вивчення дисципліни: Метою вивчення навчальної дисципліни є формування у студентів теоретичних знань та практичних навичок, необхідних для ефективної роботи з даними, що генеруються в сучасних інформаційно-комунікаційних середовищах. Особливий акцент робиться на розумінні повного життєвого циклу даних — від їх збирання на рівні сенсорів, журналів подій або мережевих пристроїв, до подальшого аналізу, обробки та зберігання у відповідних інформаційних системах. Вивчення дисципліни сприяє усвідомленню ролі даних як ключового ресурсу для моніторингу, оптимізації, безпеки та прийняття рішень у сучасних комунікаційних інфраструктурах. Студенти знайомляться з різноманітними джерелами даних, методами їх збору як у централізованих, так і в розподілених системах, а також з технологіями агрегування, фільтрації, нормалізації та зберігання інформації. Особлива увага приділяється практичним аспектам — роботі з базами даних часових рядів, системами потокової обробки, а також інструментам візуалізації та сповіщення про події. Також важливим компонентом є розуміння викликів, пов’язаних із безпекою зібраних даних, зокрема питань конфіденційності, цілісності та доступності у контексті інформаційно-комунікаційних систем.
Завдання: Завдання навчальної дисципліни в рамках освітньої програми "кібербезпека" спрямовані на розвиток різних аспектів, пов'язаних з інформаційно-комунікаційними системами (ІКС) та кібербезпекою, а саме: - Знання технологій створення систем захисту комп?ютерних систем захисту комп?ютерних систем та мереж для розробки та визначення загальних принципів побудови систем захисту, завдань та вихідних даних, які необхідно враховувати при проектуванні систем захисту. - Знання методик аналізу, синтезу, оптимізації та прогнозування якості процесів функціонування інформаційних процесів та технологій в розподілених інформаційно-комунікаційних системах - Знання та вміння ефективно оцінювати ризики проникнення в інформаційно-комунікаційні системи з врахуванням усіх потенційних загроз»
Результати навчання: Забезпечувати належне функціонування систем моніторингу інформаційних ресурсів і процесів в інформаційно-телекомунікаційних системах
Необхідні обов'язкові попередні та супутні навчальні дисципліни: - Бази даних та знань - Операційні системи - Комп’ютерні мережі та їх захист - Інформаційно-комунікаційні системи - Безпека інфраструктури комп’ютерних мереж
Короткий зміст навчальної програми: Навчальна дисципліна спрямована на формування у здобувачів вищої освіти знань і навичок, необхідних для організації процесів збирання, обробки та аналізу даних у сучасних інформаційно-комунікаційних системах. У курсі розглядаються принципи побудови інфраструктури для збору даних з різноманітних джерел, способи передачі інформації в реальному часі та методи забезпечення її достовірності та цілісності. Здобувачі вивчають теоретичні основи та практичні підходи до попередньої обробки даних, зокрема очищення, фільтрації, нормалізації, а також ознайомлюються з методами аналізу даних для виявлення тенденцій, аномалій і підтримки прийняття рішень. Окрему увагу приділено проблемам безпеки, захисту даних при передачі та зберіганні, а також питанням оптимізації та масштабування систем обробки. У межах дисципліни студенти набувають здатності проєктувати й реалізовувати базові рішення зі збору й аналізу даних в інформаційно-комунікаційних системах, враховуючи особливості архітектури, вимоги до надійності, швидкодії та інформаційної безпеки.
Опис: 1. Вступ до дисципліни. Дані в інформаційно-комунікаційних системах Розкриваються основні поняття, роль та значення даних у функціонуванні інформаційно-комунікаційних систем. Аналізуються типи джерел даних, особливості їх виникнення, передачі та використання в сучасних умовах. 2. Методи збирання даних у ІКС Розглядаються підходи до збирання даних у централізованих і розподілених середовищах. Аналізуються активні та пасивні методи моніторингу, особливості взаємодії з сенсорними мережами, комунікаційними протоколами та вузлами систем. 3. Передача та збереження даних Вивчаються моделі передачі даних у реальному часі, типи каналів зв’язку, формати повідомлень та способи буферизації. Окрема увага приділяється підходам до організації зберігання структурованих і неструктурованих даних. 4. Попередня обробка даних Описуються основні процедури очищення, фільтрації, агрегування та нормалізації даних. Аналізуються виклики, пов’язані з пропущеними, дубльованими чи некоректними записами. 5. Аналітична обробка даних Вивчаються методи аналізу часових рядів, виявлення аномалій, візуалізації тенденцій, побудови простих моделей для виявлення взаємозв’язків. Розглядаються підходи до статистичного узагальнення та інтерпретації результатів. 6. Візуалізація та інтерпретація результатів аналізу Аналізуються принципи побудови графічного представлення даних, вимоги до ефективних візуальних інтерфейсів для користувачів. Розглядаються способи побудови звітності та інформаційних панелей. 7. Безпека під час збирання, обробки та зберігання даних Розкриваються основи захисту даних на всіх етапах обробки, включно з шифруванням, автентифікацією, контролем доступу та забезпеченням цілісності. Обговорюються виклики захисту персональних і чутливих даних. 8. Надійність, масштабованість та відмовостійкість систем збору та обробки даних Розглядаються принципи побудови стабільних систем, що забезпечують високу доступність і продуктивність при роботі з великими обсягами даних. Аналізуються типові помилки та методи їх виявлення. 9. Застосування методів машинного навчання в аналізі даних ІКС Вивчаються базові підходи до використання алгоритмів машинного навчання для класифікації, кластеризації та прогнозування в контексті інформаційно-комунікаційних систем. 10. Актуальні тенденції в галузі обробки даних ІКС Розглядаються сучасні напрямки розвитку технологій збирання та аналізу даних, включаючи концепції децентралізованої обробки, аналітики на периферії, самоадаптивних систем та інтеграцію з штучним інтелектом.
Методи та критерії оцінювання: Підсумкова оцінка виставляється за результатами поточного контролю за 100-бальною шкалою.
Критерії оцінювання результатів навчання: Знання: - Специфічні факти та поняття, пов'язані з предметом. - Розуміння теоретичних принципів та методів. Розуміння: - Здатність аналізувати та інтерпретувати інформацію. - Здатність встановлювати зв'язки між концепціями. Навички: - Практичне використання знань у реальних ситуаціях. - Здатність вирішувати завдання та проблеми. Комунікативні навички: - Здатність висловлювати свої думки усно та письмово. - Здатність ефективно співпрацювати з іншими (в команді). Аналіз та критичне мислення: - Здатність аналізувати інформацію критично. - Здатність до самокритики та вдосконалення. Творчість та інновації: - Здатність до створення нових ідей чи підходів. - Інноваційність у вирішенні завдань. Соціальні навички: - Здатність працювати в команді. - Ефективність у взаємодії з оточуючим середовищем. Оцінка участі та активності: - Залученість до навчального процесу. - Участь у дискусіях, проектах та інших активностях. Досягнення цілей: - Здатність досягати поставлених навчальних цілей та завдань.
Порядок та критерії виставляння балів та оцінок: 100-88 балів - атестований з оцінкою «відмінно» - Високий рівень: здобувач освіти демонструє поглиблене володіння поняттєвим та категорійним апаратом навчальної дисципліни, системні знання, вміння і навички їх практичного застосування. Освоєні знання, вміння і навички забезпечують можливість самостійного формулювання цілей та організації навчальної діяльності, пошуку та знаходження рішень у нестандартних, нетипових навчальних і професійних ситуаціях. Здобувач освіти демонструє здатність робити узагальнення на основі критичного аналізу фактичного матеріалу, ідей, теорій і концепцій, формулювати на їх основі висновки. Його діяльності ґрунтується на зацікавленості та мотивації до саморозвитку, неперервного професійного розвитку, самостійної науково-дослідної діяльності, що реалізується за підтримки та під керівництвом викладача. 87-71 балів - атестований з оцінкою «добре» - Достатній рівень: передбачає володіння поняттєвим та категорійним апаратом навчальної дисципліни на підвищеному рівні, усвідомлене використання знань, умінь і навичок з метою розкриття суті питання. Володіння частково-структурованим комплексом знань забезпечує можливість їх застосування у знайомих ситуаціях освітнього та професійного характеру. Усвідомлюючи специфіку задач та навчальних ситуацій, здобувач освіти демонструє здатність здійснювати пошук та вибір їх розв’язання за поданим зразком, аргументувати застосування певного способу розв’язання задачі. Його діяльності ґрунтується на зацікавленості та мотивації до саморозвитку, неперервного професійного розвитку. 70-50 балів - атестований з оцінкою «задовільно» - Задовільний рівень: окреслює володіння поняттєвим та категорійним апаратом навчальної дисципліни на середньому рівні, часткове усвідомлення навчальних і професійних задач, завдань і ситуацій, знання про способи розв’язання типових задач і завдань. Здобувач освіти демонструє середній рівень умінь і навичок застосування знань на практиці, а розв’язання задач потребує допомоги, опори на зразок. В основу навчальної діяльності покладено ситуативність та евристичність, домінування мотивів обов’язку, неусвідомлене застосування можливостей для саморозвитку. 49-00 балів - атестований з оцінкою «незадовільно» - Незадовільний рівень: свідчить про елементарне володіння поняттєвим та категорійним апаратом навчальної дисципліни, загальне уявлення про зміст навчального матеріалу, часткове використання знань, умінь і навичок. В основу навчальної діяльності покладено ситуативно-прагматичний інтерес.
Рекомендована література: [1] Han, J., Pei, J., & Kamber, M. (2011). Data Mining: Concepts and Techniques (3rd ed.). Morgan Kaufmann. ISBN: 9780123814791 [2] Montgomery, D. C., & Runger, G. C. (2018). Applied Statistics and Probability for Engineers (7th ed.). Wiley. ISBN: 9781119409533 [3] Provost, F., & Fawcett, T. (2013). Data Science for Business: What You Need to Know About Data Mining and Data-Analytic Thinking. O’Reilly Media. ISBN: 9781449361327 [4] Leskovec, J., Rajaraman, A., & Ullman, J. D. (2020). Mining of Massive Datasets (3rd ed.). Cambridge University Press. ISBN: 9781108476348 [5] Garcia, S., Luengo, J., & Herrera, F. (2015). Data Preprocessing in Data Mining. Springer. ISBN: 9783319102437
Уніфікований додаток: Національний університет «Львівська політехніка» забезпечує реалізацію права осіб з інвалідністю на здобуття вищої освіти. Інклюзивні освітні послуги надає Служба доступності до можливостей навчання «Без обмежень», метою діяльності якої є забезпечення постійного індивідуального супроводу навчального процесу студентів з інвалідністю та хронічними захворюваннями. Важливим інструментом імплементації інклюзивної освітньої політики в Університеті є Програма підвищення кваліфікації науково-педагогічних працівників та навчально-допоміжного персоналу у сфері соціальної інклюзії та інклюзивної освіти. Звертатися за адресою: вул. Карпінського, 2/4, І-й н.к., кімн. 112 E-mail: nolimits@lpnu.ua Websites: https://lpnu.ua/nolimits https://lpnu.ua/integration
Академічна доброчесність: Політика щодо академічної доброчесності учасників освітнього процесу формується на основі дотримання принципів академічної доброчесності з урахуванням норм «Положення про академічну доброчесність у Національному університеті «Львівська політехніка» (затверджене вченою радою університету від 20.06.2017 р., протокол № 35).