Khóa Học AI Dành Cho Kỹ Sư Mạng

[ThanhTho]

Lịch Trình Học Chi Tiết - Khóa Học AI Dành Cho Kỹ Sư Mạng

⏰Khóa học gồm 12 buổi - Mỗi buổi 2,5 giờ | Tổng thời lượng: 30 giờ
👉 Giúp kỹ sư mạng ứng dụng AI trong giám sát hệ thống, phát hiện tấn công, và tối ưu hóa mạng.

🔰 Phần 1: Kiến thức nền tảng về AI & Mạng (Buổi 1–4)

Buổi	Nội dung chi tiết	Hình thức học
1	Giới thiệu khóa học, tổng quan AI (Machine Learning, Deep Learning), các ứng dụng AI đột phá trong lĩnh vực mạng.	Giảng lý thuyết + thảo luận
2	[Mở rộng] Toán học cơ bản cho ML (Đại số tuyến tính, Xác suất thống kê), giới thiệu các loại dữ liệu mạng thường gặp.	Giảng lý thuyết + bài tập nhỏ
3	Thuật toán ML cơ bản: Logistic Regression, Support Vector Machine (SVM). Giới thiệu về dữ liệu mạng sử dụng cho các thuật toán này.	Demo mô hình với scikit-learn
4	Deep Learning cơ bản: Mạng nơ-ron nhân tạo (ANN), Mạng nơ-ron tích chập (CNN) - kiến trúc và ứng dụng cơ bản trong xử lý dữ liệu tuần tự và phi tuần tự.	Bài tập lập trình mô hình đơn giản

🔰 Phần 2: Xử lý dữ liệu mạng & Xây dựng mô hình ML (Buổi 5–7)

Buổi	Nội dung chi tiết	Hình thức học
5	Phân tích và tiền xử lý dữ liệu mạng: làm sạch dữ liệu, xử lý giá trị thiếu, chuẩn hóa và mã hóa đặc trưng.	Thực hành với Pandas & Wireshark
6	Huấn luyện mô hình phát hiện tấn công với Logistic Regression và SVM. Đánh giá hiệu suất mô hình (Accuracy, Precision, Recall, F1-score).	Lab thực hành với NSL-KDD
7	[Đi sâu] Tinh chỉnh siêu tham số mô hình với Grid Search và Cross-validation. Thảo luận về các thách thức khi xây dựng mô hình phát hiện tấn công thực tế.	Kiểm thử và cải thiện mô hình

🔰 Phần 3: Ứng dụng Deep Learning trong an ninh mạng (Buổi 8–9)

Buổi	Nội dung chi tiết	Hình thức học
8	Phát hiện bất thường với Autoencoder. Giới thiệu về Isolation Forest và các thuật toán phát hiện bất thường khác.	Thực hành anomaly detection
9	Ứng dụng CNN trong phân tích lưu lượng mạng và phát hiện các mẫu tấn công. Phân tích log hệ thống và trích xuất đặc trưng cho mô hình DL.	Bài tập lập trình mô hình CNN cơ bản

🔰 Phần 4: Triển khai và Dự án thực tế (Buổi 10–12)

Buổi	Nội dung chi tiết	Hình thức học
10	Triển khai mô hình AI đã huấn luyện thành API sử dụng Flask. Xây dựng API cảnh báo cơ bản.	Lab: Build API cảnh báo
11	Giới thiệu dự án thực tế: Phân tích yêu cầu, chia nhóm và lên kế hoạch triển khai. Hướng dẫn làm dự án nhóm.	Làm dự án nhóm
12	Thuyết trình và bảo vệ dự án. Tổng kết khóa học và thảo luận về các hướng phát triển tiếp theo trong lĩnh vực AI cho an ninh mạng.	Đánh giá + cấp chứng nhận

📚 TÀI LIỆU & CÔNG CỤ HỖ TRỢ:

• Ngôn ngữ lập trình: Python 3.x
• Thư viện: Pandas, Scikit-learn, Keras, TensorFlow, Flask
• Công cụ hỗ trợ: Wireshark, ELK Stack, Jupyter Notebook
• Dataset thực hành: NSL-KDD, CICIDS2017 (có thể tập trung hơn vào NSL-KDD ở các buổi đầu), log mẫu thực tế

🔧 Yêu cầu đầu vào:

• Kiến thức cơ bản về mạng (CCNA hoặc tương đương)
• Biết lập trình Python là một lợi thế

🧠 Sau khóa học, học viên có thể:

• Áp dụng AI để giám sát và bảo vệ hệ thống mạng
• Thiết kế và triển khai hệ thống phát hiện tấn công dựa trên AI
• Phân tích log và dữ liệu mạng để đưa ra cảnh báo thông minh