Введение в ИТ-специальность (цифровые двойники, информационная безопасность, искусственный интеллект)

Онлайн-курс реализуется в виде программы дополнительного образования детей и взрослых. 

Он разработан специалистами и экспертами НИЯУ МИФИ в сфере цифровых двойников и AnyLogic, информационной безопасности и технологий искусственного интеллекта специально для обучающихся ИТ-классов московских школ. Его уровень адаптирован для 10-классников московских школ, а в разработке приняли участие специалисты университета, которые не первый год работают с московскими школьниками, знают актуальные требования стандарта “ИТ-класс в московской школе” и вели подготовку к конкурсу “Интеллектуальный мегаполис”. 

Содержание онлайн-курса соответствует требованиям предмета "Введение в ИТ-специальность" 2025/2026 учебного года для ИТ-классов московских школ.

Пройдя этот курс, вы сможете освоить перспективные технологии информационной безопасности и подготовиться к прохождению конкурса предпрофессиональных умений "Интеллектуальный мегаполис. Потенциал".

В курсе рассматриваются инструменты работы в AnyLogic, создания моделей и решения задач различных видов моделирования, основные технологии информационной безопасности и искусственного интеллекта.

Курс состоит из 102 часа видеолекций, каждая из которых сопровождается тестом на закрепление знаний и умений, осваиваемых в рамках данной тем, и завершается итоговым тестом по всем темам курса.

Есть вопросы по курсу? Пишите на openedu@mephi.ru

Курс реализуется в формате программы дополнительного образования детей и взрослых (108 академических часа).

После оплаты вы получаете полный доступ ко всем материалам курса на весь период действия его сессии (сроки обучения указаны в описании).

Вы можете задавать вопросы в разделе “Обсуждения”, а преподаватели - авторы курса - будут давать на них развернутые ответы. 

В каждой видеолекции подробно рассмотрена соответствующая тема. После каждого урока вы закрепляете полученные знания и навыки, проходя тестовые задания.

В конце курса вам нужно пройти итоговый тест.

Для получения сертификата о прохождении курса текущие тесты (к урокам) должны быть пройдены не меньше чем на 60%, и итоговый тест - также не меньше чем на 60%.

Модуль 1. Технологии связи и информационная безопасность

Часть 1. Основы информационной безопасности и криптография

0. Вводная лекция
1.1. Триада информационной безопасности
1.2. Неопровержимость и аудит журналов
1.3. Управление рисками
1.4. Обзор современных угроз
1.5. Социальная инженерия: фишинг, претекстинг, бейтинг
1.6. Классические шифры: Скифала, Цезарь, Атбаш
1.7. Классические шифры: Полибий, Гронсфельд, Виженер
1.8. Практическая криптография и онлайн-инструменты
1.9. Продвинутые криптосистемы: RSA, DH, хеш-функции
 

Часть 2. Сетевая безопасность
2.1. Анализ сетевого трафика
2.2. Настройка частных сетей
2.3. Межсетевые экраны: UFW и iptables-nft
2.4. Веб-уязвимости: SQLi, XSS
2.5. Журналирование и SIEM-анализ
2.6. Криптоанализ и расследование кибер-преступлений
2.7. Сканирование web-уязвимостей
2.8. Практика «Захват флага»

Модуль 2. Создание цифровых двойников и основы работы в AnyLogic

Урок 1. Понятие имитационного моделирования и его применение

Урок 2. Типы имитационного моделирования

Урок 3. Современные средства построения имитационных моделей

Урок 4. Основные этапы построения модели

Урок 5. Введение в AnyLogic: Установка и основы работы, базовые панели и настройки

Урок 6. Системная динамика

Урок 7. Дискретно-событийное моделирование

Урок 8. Агентное моделирование

Урок 9. Средства визуализации и управления в AnyLogic

Урок 10. Параметры, переменные, типы данных в AnyLogic

Урок 11. Диаграмма состояния агента, функции и методы агента

Урок 12. Пешеходная библиотека

Урок 13. Решение задач агентского моделирования. Часть 1

Урок 14. Решение задач агентского моделирования. Часть 2

Урок 15. Моделирование объектов, процессов с применением статистических элементов для сбора данных о поведении агента

Урок 16. Анализ смоделированной информации

Урок 17. Цифровые двойники

Модуль 3. Основы технологий искусственного интеллекта

Часть 1. Основы программирования и введение в большие данные

Урок 1. Структуры данных в Python: список, множество, словарь, кортеж
Урок 2. Визуализация данных в Python: графики функций, гистограммы
Урок 3. Введение в статистическую обработку данных. Правило трёх сигм
Урок 4. Хранение данных: использование файлов
Урок 5. Хранение данных: введение в SQL
Урок 6. Хранение данных: введение в XML
Урок 7. Получение больших данных из Интернета: парсинг сайтов в Python
Урок 8. Большие текстовые данные
Урок 9. Введение в большие данные: парадигма MapReduce и Hadoop
Урок 10. На что способен ИИ: обзор современных приложений

Часть 2. Машинное обучение и глубокое обучение

Урок 11. Линейная регрессия
Урок 12. Логистическая регрессия
Урок 13. Деревья решений
Урок 14. К-means: кластеризация на примере цвета
Урок 15. Рекомендательные системы
Урок 16. Введение в нейронные сети
Урок 17. Глубокое обучение и современные ИИ-модели

В результате прохождения этого курса вы будете:

• уметь обрабатывать, анализировать, интерпретировать и визуализировать данные в Python;
• уметь характеризовать большие данные, приводить примеры источников их получения и направления использования;
• уметь классифицировать основные задачи анализа данных: прогнозирование, классификация, кластеризация, анализ отклонений;
• знать последовательность решения задач анализа данных: сбор первичных данных, очистка и оценка качества данных, выбор и/или построение модели;
• владеть навыками сбора первичных данных, в том числе из интернета с помощью парсинга;
• уметь работать с базами данных и большими массивами информации;
• уметь вычислять, интерпретировать и визуализировать среднее значение, дисперсию, стандартное отклонение;
• знать и применять на практике структуры данных: кортежи, списки, множества, словари;
• понимать основы работы с файлами в Python;
• знать и понимать парадигму MapReduce;
• уметь работать с базами данных и большими массивами информации;
• понимать основы работы с базами данных (SQL) и XML;
• понимать основные алгоритмы машинного обучения и их применения;уметь применять линейную и логистическую регрессию, деревья решений,
  кластеризацию;
• знать основы нейросетевых технологий и современных трендов в ИИ, включая глубокое обучение;
• знать ключевые парадигмы моделирования (дискретно-событийное (DES), агентное (АВМ), системная динамика (SD));
• уметь объяснить, в каких задачах применяется каждый подход к моделированию;
• уметь создавать простые модели с использованием визуального конструктора;
• уметь строить модели процессов, агентские модели, модели системной динамики;
• уметь запускать симуляции и анализировать статистику;
• уметь ставить задачу для моделирования;
• понимать графики, отображающие результаты моделирования;
• понимать параметры моделирования и как каждый параметр влияет на результат;
• понимать, как оптимизировать систему на основе данных моделирования;
• характеризовать мир профессий, связанных с изучаемыми технологиями, их востребованность на рынке труда;
• понимать принципы конфиденциальности, целостности и доступности (CIA);
• знать национальные требования к защите персональных данных и принципы международной практики конфиденциальности;
• знать методы обеспечения неопровержимости участия в процессе работы с информацией (аутентификация, цифровая подпись);
• уметь анализировать журналы событий для выявления инцидентов;
• уметь использовать программный анализатор сетевых пакетов (захват, фильтр, статистика, экспорт) для поиска аномалий;
• уметь настраивать и применять централизованную систему сбора журналов безопасности с возможностью корреляции событий и формированием автоматических оповещений;
• знать актуальные киберугрозы и методы борьбы с ними;
• уметь классифицировать угрозы по векторам атак;
• уметь применять шифры, понимать их уязвимости и криптоанализ;
• понимать симметричное и асимметричное шифрование;
• уметь настраивать защищённые сетевые соединения (VPN, SSH, TLS);
• уметь настраивать правила фильтрации трафика;
• уметь тестировать и защищать веб-приложения;
• уметь проводить контрольную проверку безопасности веб-ресурса, составляя отчёт-таблицу уязвимостей;
• уметь выявлять угрозы на основе логов.