050-0027/01 – Informatika v bezpečnosti (IvB)
Garantující katedra | Katedra ochrany obyvatelstva | Kredity | 5 |
Garant předmětu | doc. Ing. Pavel Šenovský, Ph.D. | Garant verze předmětu | doc. Ing. Pavel Šenovský, Ph.D. |
Úroveň studia | pregraduální nebo graduální | Povinnost | povinný |
Ročník | 1 | Semestr | zimní |
| | Jazyk výuky | čeština |
Rok zavedení | 2019/2020 | Rok zrušení | |
Určeno pro fakulty | FBI | Určeno pro typy studia | navazující magisterské |
Cíle předmětu vyjádřené dosaženými dovednostmi a kompetencemi
Základní znalosti z oblasti SCADA systémů. Syntézu znalosti z oblasti softwarové podpory analýz z různých datových zdrojů.
Vyučovací metody
Přednášky
Cvičení (v učebně)
Projekt
Anotace
V rámci tohoto předmětu se studenti seznámí s možnostmi využití informačních technologií pro dolování údajů (datamining) z databází, jako výhodného zdroje informací pro efektivní rozhodování. Studenti se dále seznámí se základy průmyslové automatizace výrobního procesu.
Povinná literatura:
ŠENOVSKÝ, Pavel. Bezpečnostní informatika 3 [online]. VŠB - Technická univerzita Ostrava: Ostrava 2010, 80 str., dostupné z https://lms.vsb.cz [cit. 2014-07-12]
KOMÁREK, Arnošt. Hrátky s R [online]. Praha: Matematicko-fyzikálná fakulta Univerzity Karlovy v Praze, 2009. 48 s. Dostupné z: https://www.karlin.mff.cuni.cz/~kulich/vyuka/Rdoc/arnost_introR.pdf
Doporučená literatura:
Forma způsobu ověření studijních výsledků a další požadavky na studenta
Zpracování semestrálního projektu, písemná zkouška
E-learning
Další požadavky na studenta
Nejsou stanoveny další požadavky na studenta.
Prerekvizity
Předmět nemá žádné prerekvizity.
Korekvizity
Předmět nemá žádné korekvizity.
Osnova předmětu
1. Úvod do průmyslové automatizace
2-3. SCADA systémy a jejich využití
4. Realtimové databáze a zpracování údajů v průmyslové automatizaci
5. Aktuální bezpečnostní hrozby v průmyslové automatizaci
6. Ochrana průmyslových systémů řízení
7. Datamining a jeho aplikace v bezpečnosti
8. Rozhodovací stromy
9. Asociační pravidla
10. Bayesovský klasifikátor
11. Základy neuronových sítí
12. Základy deep learning
13. Evoluční algoritmy v dataminingu
Podmínky absolvování předmětu
Výskyt ve studijních plánech
Výskyt ve speciálních blocích
Hodnocení Výuky