Криминалистический анализ данных Forensic Data Analytics (FDA)

Курс по Forensic Data Analytics (FDA) будет интересен для широкого спектра специалистов, работающих в области информационной безопасности, анализа данных и управления рисками. Вы познакомитесь с методами и техниками анализа данных с целью выявления и предотвращения мошенничества, коррупции и других преступных действий.

Во время курса Вы:
• Узнаете основы анализа данных;
• Освоите инструменты анализа данных и методы выявления мошенничества;
• Научитесь работать с данными в контексте конкретной предметной области (финансы, бухгалтерия, информационная безопасность и другие);
• Ознакомитесь с юридическими аспектами работы с данными, включая вопросы конфиденциальности, соблюдение законов и этические стандарты.
• Научитесь на основе данных строить модели прогнозирования, включающие потенциальные риски и аномалии;
• Примените знания форензического анализа данных на практике.

• Юрий Тихоглаз - практикующий эксперт, который постоянно повышает квалификацию.

1. Основные навыки в области информационных технологий.

• Знания ОС Linux или ОС Windows на уровне продвинутого пользователя.
• Базовые знания в области компьютерных сетей.
• Опыт в использовании аналитических инструментов и ПО для обработки данных.
• Базовые знания Python.
• Базовые знания Bash или PowerShell.

2. Знание основ кибербезопасности и защиты от кибератак.

3. Опыт в области анализа данных.

• Знание методов сбора, обработки и анализа данных.
• Навыки работы с различными типами данных, включая структурированные и неструктурированные данные.

4. Понимание принципов цифровой криминалистики.

• Знание методов сбора и анализа цифровых следов.
• Понимание процессов расследования в сфере цифровой криминалистики.

5. Знание основы финансового аудита и анализа финансовой деятельности.

6. Умение представлять результаты анализа данных в понятной форме, а также документировать и составлять отчеты.

7. Понимание этических норм и правил в области FDA и соблюдение конфиденциальности.

• Осуществление процесса обработки и систематизации больших объемов информации.
• Анализ неструктурированных данных с целью извлечения значимой информации и дополнение ее данными из структурированных источников.
• Использование алгоритмов машинного обучения в процессе анализа данных
• Работа с данными, содержащими географическую информацию.
• Представление информации в графической форме для наглядного восприятия различных типов данных