Build your ultimate AI agent
कोर्स विवरण
डेटा प्राइवेसी पहले से कहीं ज़्यादा महत्वपूर्ण है। लेकिन मूल्यवान बिज़नेस इनसाइट्स इकट्ठा करने और साझा करने की ज़रूरत के साथ प्राइवेसी का संतुलन कैसे बनाएँ? इस कोर्स में, आप वही तरीके सीखेंगे जिन्हें Google और Amazon इस्तेमाल करते हैं—जैसे डेटा जनरलाइज़ेशन और प्राइवेसी मॉडल, जैसे k-Anonymity और डिफरेंशियल प्राइवेसी। GDPR जैसे विषयों के अलावा, आप यह भी जानेंगे कि Python में मशीन लर्निंग मॉडल कैसे बनाएँ और ट्रेन करें, जबकि कर्मचारियों और आय जैसे संवेदनशील यूज़र डेटा की सुरक्षा भी करें. चलिए शुरू करते हैं!
पूर्वापेक्षाएँ
पाठ्यक्रम
कोर्स रूपरेखा
1
डेटा प्राइवेसी का परिचय
डेटा सप्रेशन, मास्किंग, सिंथेटिक डेटा जेनरेशन, और जनरलाइज़ेशन जैसी अज्ञातिकरण तकनीकों को लागू करने के लिए तैयार हो जाइए। इस अध्याय में, आप संवेदनशील और गैर-संवेदनशील व्यक्तिगत पहचान योग्य जानकारी (PII), क्वाज़ी-आइडेंटिफ़ायर, और GDPR की बुनियादी बातें अलग-अलग पहचानना सीखेंगे। आप यह भी देखेंगे कि इन सर्वोत्तम प्रक्रियाओं का पालन न करने पर वास्तविक दुनिया में क्या गलत हो सकता है।
- क्या निजी है, और हमें इसकी परवाह क्यों करनी चाहिए?50 XP
- Privacy is power50 XP
- क्या यह संवेदनशील है या गैर-संवेदनशील?100 XP
- संवेदनशील एट्रिब्यूट्स का suppression100 XP
- Faker के साथ डेटा मास्किंग और डेटा जेनरेशन50 XP
- संवेदनशील PII का मास्किंग100 XP
- faker के साथ नाम हटाना100 XP
- डेटा जनरलाइज़ेशन से अनोनिमाइज़ करना50 XP
- Generalization से पहचान-जोखिम घटाना100 XP
- डेटा एग्रीगेशन और डेटा जनरलाइज़ेशन50 XP
- व्हाइट हाउस सैलरीज़ में टॉप और बॉटम कोडिंग100 XP
2
प्राइवेसी-संरक्षण तकनीकों पर और गहराई से
जानिए कि कॉलम की प्रॉबेबिलिटी डिस्ट्रीब्यूशन का पालन करते हुए डेटासेट से सैंपलिंग करके डेटा को कैसे अज्ञात बनाया जाए। फिर आप सीखेंगे कि लिंकिंग या री-आइडेंटिफ़िकेशन अटैक को रोकने के लिए k-anonymity प्राइवेसी मॉडल कैसे लागू करें और कैटेगॉरिकल वैरिएबल्स में डेटा जनरलाइज़ेशन करने के लिए हायरार्की कैसे इस्तेमाल करें।
3
डिफरेंशियल प्राइवेसी
डिफरेंशियल प्राइवेसी के बारे में सीखें—वह मॉडल जिसे Apple, Google, और Uber जैसी बड़ी टेक कंपनियाँ उपयोग करती हैं। इस अध्याय में, आप प्राइवेट हिस्टोग्राम जनरेट करके और प्राइवेट एवरेजेस निकालकर डेटा का अन्वेषण करेंगे। आप डिफरेंशियली प्राइवेट मशीन लर्निंग मॉडल भी बनाएँगे जो व्यवसायों को अपने डेटा की उपयोगिता बढ़ाने में मदद करते हैं।
4
डेटासेट का अज्ञातिकरण और रिलीज़
इस अंतिम अध्याय में, आप principal component analysis (PCA) जैसी डाइमेंशनलिटी रिडक्शन विधियों को लागू करना सीखेंगे ताकि बड़े, मल्टी-कॉलम डेटासेट को अज्ञात बनाया जा सके। इसके बाद, आप Faker का उपयोग करके वास्तविक-से लगने वाले और सुसंगत डेटासेट जनरेट करेंगे, और scikit-learn से ऐसे सिंथेटिक डेटासेट बनाएँगे जो नॉर्मल डिस्ट्रीब्यूशन का पालन करते हों। अंत में, आप इस कोर्स में सीखी गई सभी बातों को समेटते हुए कई तकनीकों को मिलाकर डेटासेट्स को सार्वजनिक रूप से सुरक्षित तरीके से रिलीज़ करेंगे।
Python में डेटा प्राइवेसी और अज्ञातिकरण
कोर्स
पूरा
