APPLIED DATA SCIENCE AND AI/MACHINE LEARNING FOR CYBERSECURITY PROFESSIONALS (SEC595) EĞİTİMİ

Güvenlik Verisini Karara Dönüştürün

SEC595 Eğitimi, Digital Vizyon Akademi tarafından kurumlara verilen 6 günlük, ileri seviye bir güvenlik analitiği programıdır. Katılımcılar güvenlik verisini toplama ve temizlemeden başlayarak istatistiksel analiz, denetimli ve denetimsiz makine öğrenmesi, an…

6 gün İleri Seviye Online / Yüz Yüze / Hibrit Sertifikalı

Eğitim Hakkında

SEC595 Sınav Müfredatıyla Uyumlu Altı Günlük Güvenlik Analitiği Programı

Bu eğitim, güvenlik ekiplerine kayıt yığınlarını istatistik ve makine öğrenmesiyle anlamlı tespit kabiliyetine dönüştürme yetkinliği kazandırmak üzere tasarlanmış altı günlük bir yetkinlik programıdır. Program, SEC595 sınav müfredatıyla uyumlu biçimde veri hazırlamadan model üretimine, anomali tespitinden yapay zeka yönetişimine uzanan konuları uygulamalı olarak işler.

Süre ve Format

6 Tam Gün. Kavramsal anlatım, not defteri uygulamaları, model geliştirme atölyeleri ve gerçekçi veri setleriyle vaka çalışmaları.

Seviye

İleri Seviye — Python ile betik yazma, temel istatistik ve güvenlik kayıt kaynakları konusunda deneyim beklenir.

Öğrenme Metodu

Jupyter not defteri uygulamaları, gerçekçi kayıt setleriyle model kurma atölyeleri ve takım hâlinde bitirme projesi.

Neden Bu Eğitim?

📈Uygulamalı Veri Bilimi

Kavramlar not defteri üzerinde çalıştırılarak öğrenilir; her modülde gerçekçi güvenlik verisiyle uygulama yaparsınız.

🔗Operasyona Bağlı Model

Modeller akademik örneklerle değil, tespit ve müdahale süreçlerine bağlanabilecek senaryolarla kurgulanır.

🛡️Yapay Zeka Güvenliği

Model kurmanın yanında modeli hedef alan saldırıları ve yönetişim gereksinimlerini de ayrı bir başlıkta ele alırız.

Bu Eğitim Hangi Rollere Hazırlar?

Güvenlik Veri BilimciTespit MühendisiMakine Öğrenmesi MühendisiGüvenlik Analitiği UzmanıTehdit AvcısıYapay Zeka Güvenliği Uzmanı

Sarı Takım: Güvenliği veri hatlarının ve model yaşam döngüsünün içine gömen sarı takım

“Bu eğitimi tamamladığınızda güvenlik verisini yalnızca izleyen değil, ondan öğrenip karar üreten bir uzman olacaksınız.”

Ön Koşullar

Programdan En Yüksek Verimi Almanız İçin Beklenen Temel Yetkinlikler

1
Python Deneyimi

Betik yazma, veri yapıları ve kütüphane kullanımı düzeyinde Python bilgisi beklenir.

2
İstatistik Temelleri

Ortalama, dağılım ve olasılık gibi temel istatistik kavramlarına aşinalık gerekir.

3
Güvenlik Operasyonu

Kayıt kaynakları, SIEM ve tespit süreçleri hakkında çalışma deneyimi beklenir.

4
Çalışma Ortamı

Sanal analiz ortamına bağlanabilen, yeterli belleğe sahip bir dizüstü bilgisayar.

Eğitim İçeriği

Programın gün gün akışı aşağıdadır. Bir güne tıklayarak o günün modüllerini ve içeriklerini görebilirsiniz.

Günün hedefiVeri bilimi yaşam döngüsünü güvenlik bağlamında kavramak, çok kaynaklı kayıtları toplayıp temizlemek ve anlamlı öznitelikler türetmek.
Modül 1
Güvenlikte Veri Biliminin Konumu
  • Veri biliminin savunma süreçlerindeki kullanım alanları
  • Veri bilimi yaşam döngüsü ve problem tanımlama disiplini
  • Analitikle çözülebilen ve çözülemeyen güvenlik soruları
  • Analitik olgunluk seviyeleri ve kurumsal yol haritası
  • Etik, KVKK uyumu ve veri mahremiyeti sınırlarının çizilmesi
  • Atölye: Güvenlik sorusunun analitik probleme dönüştürülmesi
Modül 2
Python Veri Bilimi Ekosistemi
  • Jupyter not defteri ile yeniden üretilebilir analiz kurgusu
  • NumPy ile vektörel hesaplama ve dizi işlemlerinin temeli
  • Veri çerçevesi üzerinde seçme, filtreleme ve gruplama
  • Sanal ortam, bağımlılık yönetimi ve sürüm denetimi
  • Bellek ve başarım sınırlarının analiz tasarımına etkisi
  • Lab: Örnek kayıt setinin pandas ile keşfedilmesi
Modül 3
Güvenlik Veri Kaynakları ve Toplama
  • Sysmon, Windows olay kaydı ve uç nokta telemetrisinin yapısı
  • Ağ akış verisi, PCAP ve vekil sunucu kayıtlarının okunması
  • Bulut denetim izleri ve kimlik sağlayıcı kayıtlarının toplanması
  • Tehdit istihbaratı beslemeleri ve zenginleştirme kaynakları
  • Toplama mimarisi, örnekleme ve saklama kararlarının verilmesi
  • Lab: Çok kaynaklı verinin tek şemada birleştirilmesi
Modül 4
Veri Temizleme ve Öznitelik Mühendisliği
  • Eksik değer, aykırı kayıt ve gürültüyle başa çıkma yöntemleri
  • Zaman damgası normalleştirmesi ve pencereleme yaklaşımı
  • Kategorik değişkenlerin sayısallaştırılması yöntemleri
  • Ölçekleme, normalleştirme ve dönüşüm tekniklerinin seçimi
  • Alan bilgisine dayalı güvenlik özniteliklerinin türetilmesi
  • Atölye: Kimlik doğrulama kayıtlarından öznitelik çıkarımı
Günün hedefiGüvenlik verisini istatistiksel olarak özetlemek, olasılık temelli karar vermek, hipotez testiyle sınamak ve bulguları görselleştirerek anlatmak.
Modül 1
Tanımlayıcı İstatistik ve Dağılımlar
  • Merkezi eğilim ve yayılım ölçülerinin güvenlik yorumu
  • Dağılım tipleri ve güvenlik verisinde çarpıklığın etkisi
  • Yüzdelik dilim ile eşik belirleme yaklaşımlarının kıyası
  • Korelasyon, kovaryans ve yanıltıcı ilişki tuzakları
  • Örnekleme yanlılığı ve temsil edilebilirlik sorunu
  • Lab: Uyarı hacmi verisinin istatistiksel olarak özetlenmesi
Modül 2
Olasılık ve Bayes Yaklaşımı
  • Koşullu olasılık ve temel oran yanılgısının tespite etkisi
  • Bayes teoreminin uyarı güvenilirliğine uygulanması
  • Yanlış pozitif ve yanlış negatif maliyet dengesinin kurulması
  • Olasılıksal karar verme ve güven aralığının okunması
  • Markov zinciriyle davranış geçişlerinin modellenmesi
  • Atölye: Tespit kuralının Bayes çerçevesinde değerlendirmesi
Modül 3
Hipotez Testi ve Deney Tasarımı
  • Sıfır hipotezi, anlamlılık düzeyi ve p değerinin yorumu
  • Parametrik ve parametrik olmayan test seçimi ölçütleri
  • A/B testiyle iki tespit kuralının karşılaştırılması
  • Çoklu karşılaştırma sorunu ve düzeltme yöntemleri
  • İstatistiksel anlamlılık ile operasyonel anlam farkı
  • Lab: İki tespit kuralının başarım farkının sınanması
Modül 4
Veri Görselleştirme ve Analitik Anlatı
  • Matplotlib ve Seaborn ile analitik grafik kurgusu
  • Zaman serisi, dağılım ve ısı haritası grafik seçimi
  • Yüksek boyutlu veriyi görselleştirme yaklaşımları
  • Yanıltıcı grafik tasarımından kaçınma ilkeleri
  • Yönetici panosu ile analist panosunun ayrıştırılması
  • Atölye: Olay verisi için görsel analiz panosu tasarımı
Günün hedefiMakine öğrenmesi iş akışını kurmak, regresyon ve ağaç tabanlı modelleri güvenlik problemlerine uygulamak ve başarımı doğru ölçütlerle değerlendirmek.
Modül 1
Makine Öğrenmesi Temelleri
  • Denetimli, denetimsiz ve pekiştirmeli öğrenmenin ayrımı
  • Eğitim, doğrulama ve test kümesi ayrıştırma disiplini
  • Yanlılık ve varyans dengesi ile aşırı uyum belirtileri
  • Çapraz doğrulama ve hiperparametre arama yöntemleri
  • Model kurma iş akışının scikit-learn ile yapılandırılması
  • Lab: Basit bir sınıflandırma hattının uçtan uca kurulması
Modül 2
Regresyon ve Doğrusal Modeller
  • Doğrusal ve lojistik regresyonun çalışma mantığı
  • Düzenlileştirme teknikleri ve katsayıların yorumlanması
  • Kayıp fonksiyonu seçimi ve eniyileme sezgisinin kurulması
  • Güvenlikte kapasite ve risk puanı tahmini örnekleri
  • Model yorumlanabilirliğinin denetim açısından değeri
  • Lab: Olay hacmi tahmini için regresyon modeli kurulması
Modül 3
Ağaç Tabanlı ve Topluluk Modelleri
  • Karar ağacı mantığı, bölünme ölçütü ve budama kararları
  • Rastgele orman ile varyansın düşürülmesi yaklaşımı
  • Gradyan artırma ailesinin güvenlikte kullanım alanları
  • Öznitelik önemi ve SHAP ile açıklanabilirlik çalışması
  • Dengesiz veri kümelerinde örnekleme stratejileri
  • Lab: Zararlı yazılım sınıflandırması için topluluk modeli
Modül 4
Model Değerlendirme ve Başarım Ölçümü
  • Karmaşıklık matrisi, kesinlik ve duyarlılık dengesi
  • ROC ve PR eğrilerinin güvenlik bağlamında okunması
  • Eşik seçimi ile operasyonel yük arasındaki ilişki
  • Model kartı ve değerlendirme raporunun hazırlanması
  • Veri sızıntısı ve hatalı değerlendirme tuzaklarından kaçınma
  • Atölye: Model sonuçlarının SOC metrikleriyle eşleştirilmesi
Günün hedefiKümeleme ve boyut indirgeme yöntemlerini uygulamak, anomali tespit modelleri kurmak ve kullanıcı davranış analitiğini risk puanlamasına bağlamak.
Modül 1
Kümeleme ve Benzerlik Analizi
  • K-ortalamalar, DBSCAN ve hiyerarşik kümelemenin farkları
  • Uzaklık ölçütü seçimi ve ölçeklemenin sonuca etkisi
  • Küme sayısının belirlenmesi ve kalite değerlendirmesi
  • Zararlı yazılım ailelerinin kümelemeyle gruplanması
  • Kümeleme sonuçlarının analist tarafından doğrulanması
  • Lab: Uç nokta süreç verisinin kümelenmesi çalışması
Modül 2
Boyut İndirgeme ve Temsil Öğrenme
  • PCA ile varyans odaklı boyut indirgeme yaklaşımı
  • Yüksek boyutlu veriyi t-SNE ve UMAP ile görselleştirme
  • Gömme temsillerinin güvenlik analitiğinde kullanımı
  • Gürültü azaltma ve sinyal ayrıştırma etkisinin ölçülmesi
  • Boyut indirgemenin yorumlanabilirliğe olan etkisi
  • Lab: Ağ akış verisinin indirgenmiş uzayda incelenmesi
Modül 3
Anomali Tespiti Yöntemleri
  • İstatistiksel eşik, mesafe ve yoğunluk temelli yaklaşımlar
  • Isolation Forest ve tek sınıflı destek vektör makineleri
  • Otokodlayıcı ile yeniden yapılandırma hatası analizi
  • Zaman serisi anomalileri ve mevsimsellik etkisinin ayrımı
  • Anomali ile gerçek tehdit arasındaki farkın değerlendirmesi
  • Lab: Kimlik doğrulama verisinde anomali modeli kurulması
Modül 4
Kullanıcı ve Varlık Davranış Analitiği
  • Davranış analitiği mantığı ve temel çizginin oluşturulması
  • Akran grubu analizi ve bağlamsal risk puanlaması
  • İçeriden gelen tehdit senaryolarının modellenmesi
  • Risk puanı birikimi ve uyarı eşiğinin yönetilmesi
  • Gizlilik, KVKK ve çalışan izleme sınırlarının gözetilmesi
  • Atölye: Davranışsal risk puanlama kurgusunun tasarımı
Günün hedefiSinir ağı mimarilerini kavramak, metin ve dizi tabanlı güvenlik problemlerine uygulamak ve modelleri hedef alan saldırı yüzeyini değerlendirmek.
Modül 1
Yapay Sinir Ağlarının Temelleri
  • Nöron, katman ve aktivasyon fonksiyonu kavramları
  • Geri yayılım ve eniyileme algoritmalarının sezgisi
  • TensorFlow ve PyTorch ekosistemlerinin karşılaştırması
  • Aşırı uyumla mücadele: seyreltme ve erken durdurma
  • Donanım, eğitim süresi ve maliyet planlamasının yapılması
  • Lab: Küçük bir sınıflandırma ağının eğitilmesi
Modül 2
Dizisel Veri ve Doğal Dil İşleme
  • Metin ön işleme, belirteçleme ve sözcük gömmeleri
  • Tekrarlayan ağlar ve dönüştürücü mimarisinin mantığı
  • Kimlik avı e-postalarının metin analiziyle ayrıştırılması
  • Komut satırı ve betik içeriğinin dizisel olarak analizi
  • Günlük metinlerinden varlık ve ilişki çıkarımı yapılması
  • Lab: Oltalama metni sınıflandırma modelinin kurulması
Modül 3
Üretken Yapay Zeka ve Büyük Dil Modelleri
  • Büyük dil modellerinin güvenlik operasyonunda kullanımı
  • Erişimli üretim yaklaşımıyla kurumsal bilgiye bağlanma
  • İstem tasarımı, doğrulama ve halüsinasyon riski yönetimi
  • Model çıktılarının analist tarafından denetlenmesi
  • Veri sızıntısı ve gizlilik açısından kullanım sınırları
  • Atölye: Olay özeti üretimi için istem akışı tasarımı
Modül 4
Hasmane Makine Öğrenmesi ve Model Güvenliği
  • Hasmane örnekler ve model kaçırma saldırısı kavramı
  • Veri zehirleme ve tedarik zinciri riskinin değerlendirmesi
  • Model çalma, ters çevirme ve üyelik çıkarımı riskleri
  • İstem enjeksiyonu ve dil modeli kötüye kullanım senaryoları
  • OWASP dil modeli riskleri ve NIST yapay zeka risk çerçevesi
  • Lab: Model dayanıklılığının hasmane senaryoyla sınanması
Günün hedefiEğitilmiş modeli üretim hattına almak, kayma ve başarım düşüşünü izlemek, yönetişim gereksinimlerini karşılamak ve bitirme projesiyle pekiştirmek.
Modül 1
Modelin Üretime Alınması ve Hat Tasarımı
  • Model paketleme, sürümleme ve yeniden üretilebilirlik
  • Çıkarım hattının SIEM ve SOAR ile bütünleştirilmesi
  • Toplu ve gerçek zamanlı çıkarım mimarilerinin seçimi
  • Kaynak, gecikme ve maliyet kısıtlarının yönetilmesi
  • Güvenli dağıtım, erişim denetimi ve sır yönetimi ilkeleri
  • Lab: Eğitilmiş modelin hizmet olarak yayımlanması
Modül 2
Model İzleme ve Yaşam Döngüsü
  • Veri kayması ve kavram kaymasının tespit edilmesi
  • Başarım düşüşü uyarıları ve yeniden eğitim tetikleyicileri
  • Geri bildirim döngüsünün analist etiketleriyle beslenmesi
  • Model envanteri, sahiplik ve emeklilik sürecinin kurulması
  • Olay sonrası model davranışının incelenmesi
  • Lab: Kayma tespiti için izleme panosunun kurgulanması
Modül 3
Yapay Zeka Yönetişimi, Etik ve Uyum
  • NIST yapay zeka risk yönetimi çerçevesinin uygulanması
  • ISO/IEC 42001 ve kurumsal yapay zeka politikaları
  • Model yanlılığı, adillik ve şeffaflık değerlendirmesi
  • KVKK kapsamında veri minimizasyonu ve amaç sınırlaması
  • Açıklanabilirlik gereksinimi ve denetim kanıtı üretimi
  • Atölye: Kurumsal yapay zeka kullanım politikası taslağı
Modül 4
Bitirme Projesi, Sınav Stratejisi ve Kapanış
  • Atölye: Uçtan uca güvenlik analitiği bitirme projesi
  • Takım sunumları ve akran değerlendirmesi oturumu
  • SEC595 sınav stratejisi, konu ağırlıkları ve zaman yönetimi
  • Kişisel çalışma planı ve ileri kaynak yol haritası
  • Eğitim değerlendirmesi ve interaktif Soru-Cevap oturumu
  • Digital Vizyon Akademi Katılım ve Başarı Sertifikası takdimi

Eğitim Kazanımları

Program sonunda katılımcılar:

🧹
Veri Hazırlama

Çok kaynaklı güvenlik kayıtlarını analize hazır, tutarlı ve temiz veri kümelerine dönüştürebileceksiniz.

📐
İstatistiksel Analiz

Dağılım, korelasyon ve hipotez testi araçlarıyla güvenlik verisini istatistiksel olarak yorumlayabileceksiniz.

🤖
Model Geliştirme

Denetimli ve denetimsiz makine öğrenmesi modellerini scikit-learn ile kurup eğitebilecek düzeye geleceksiniz.

🎯
Başarım Ölçümü

Modelleri karmaşıklık matrisi, ROC ve PR eğrileriyle değerlendirip operasyona uygun eşiği seçebileceksiniz.

🚨
Anomali Tespiti

Etiketsiz veride aykırı davranışı belirleyen anomali ve davranış analitiği modelleri kurabileceksiniz.

🧠
Derin Öğrenme

Sinir ağı ve dil modeli yaklaşımlarını metin ile dizi tabanlı güvenlik problemlerine uygulayabileceksiniz.

🔐
Model Güvenliği

Hasmane örnek, veri zehirleme ve istem enjeksiyonu risklerine karşı modelleri değerlendirebileceksiniz.

⚙️
Üretime Alma

Eğitilmiş modelleri izleme, yeniden eğitim ve yönetişim süreçleriyle birlikte operasyona alabileceksiniz.

Kimler İçin Uygundur?

  • Güvenlik analistleri
  • tespit mühendisleri
  • tehdit avcıları
  • veri odaklı çalışan SOC ekipleri
  • güvenlik mimarları
  • analitik yetkinliğini derinleştirmek isteyen bilişim profesyonelleri

Sıkça Sorulan Sorular

SEC595 eğitimi kimler için uygundur?
Program; güvenlik analistleri, tespit mühendisleri, tehdit avcıları, güvenlik mimarları ve veri odaklı çalışan SOC ekipleri için tasarlanmıştır. Python ile betik yazma deneyimi, temel istatistik bilgisi ve güvenlik kayıt kaynaklarına aşinalık beklenir.
Eğitim ne kadar sürer ve hangi formatta verilir?
Eğitim 6 tam gün sürer ve 24 modülden oluşur. Kurumun tercihine göre Digital Vizyon Akademi sınıflarında, kurum lokasyonunda veya online olarak gerçekleştirilir; her modülde laboratuvar, atölye veya vaka uygulaması yer alır.
Bu program SEC595 sınavına hazırlık sağlıyor mu?
Program, SEC595 sınav müfredatıyla uyumlu konu başlıklarını kapsayan bir sınava hazırlık ve yetkinlik programıdır. Sınav başvurusu ve güncel koşulları sınavı düzenleyen kurum tarafından belirlenir; sınav ücreti katılımcıya aittir.
Derin matematik bilgisi olmadan bu eğitim takip edilebilir mi?
Evet. Program, algoritmaların matematiksel türetimine değil çalışma sezgisine ve güvenlik problemlerindeki uygulamasına odaklanır. Gerekli istatistik ve olasılık kavramları ikinci gün uygulamalı olarak yeniden ele alınır.
Eğitim sonunda hangi belge veriliyor?
Programı başarıyla tamamlayan katılımcılar Digital Vizyon Akademi Katılım ve Başarı Sertifikası almaya hak kazanır. Bu belge, sınavı düzenleyen kurumun kendi sınavı sonucunda verdiği unvandan ayrı bir katılım ve başarı belgesidir.

Sertifikalandırma

Bu eğitim Digital Vizyon Akademi Başarı Sertifikası ile tamamlanır.

Eğitim başında “Ön Test”, bitiminde “Son Test” uygulanarak gelişim ölçümlenir. Değerlendirme formunu dolduran katılımcılar sertifikalarını alır. Sertifikanızın geçerliliğini Sertifika Sorgulama sayfasından doğrulayabilirsiniz.

Örnek Sertifika d Digital Vizyon AKADEMİ KATILIM SERTİFİKASI Bu sertifika [Katılımcı Adı Soyadı] adlı katılımcının aşağıdaki eğitim programını başarıyla tamamladığını belgeler. Applied Data Science and AI/Machine Learning for Cybersecuri Sertifika Kodu DV-2026XX00 Tarih 15.10.2026 Yetkili İmza DV AKADEMİ

Eğitim Bilgileri

Süre6 gün
Seviyeİleri Seviye
FormatOnline / Yüz Yüze / Hibrit
Kurs KoduSEC595
Sertifika✓ Var
Hemen Bilgi Al
İlgili Eğitimler

Bu Eğitimle Birlikte Tercih Edilenler

Sarı TakımAdvanced Information Security Automation with Python (SEC673) Eğitimi
Siber Güvenlik Eğitimleri

Advanced Information Security Automation with Python (SEC673) Eğitimi

6 günİleriOnline / Yüz Yüze / Hibrit

6 günlük SEC673 eğitimi: ileri Python, tasarım kalıpları, test, hata ayıklama, veri ayrıştırma, eşzamanlılık ve güvenlik otomasyonu.

Detayları Gör →
Sarı TakımCloud Security Essentials (SEC488) Eğitimi
Siber Güvenlik Eğitimleri

Cloud Security Essentials (SEC488) Eğitimi

6 günTemelOnline / Yüz Yüze / Hibrit

6 günlük SEC488 bulut güvenliği eğitimi: paylaşılan sorumluluk, kimlik yönetimi, konteyner güvenliği, veri koruma, izleme ve olay müdahalesi.

Detayları Gör →
Sarı TakımCloud Security Architecture (SEC549) Eğitimi
Siber Güvenlik Eğitimleri

Cloud Security Architecture (SEC549) Eğitimi

5 günİleriOnline / Yüz Yüze / Hibrit

5 günlük SEC549 bulut güvenlik mimarisi eğitimi: iniş bölgesi, kimlik federasyonu, en az ayrıcalık, ağ bölümleme, anahtar yönetimi, sıfır güven ve yönetişim.

Detayları Gör →
Sarı TakımCloud Security Tactical Defense (SEC502) Eğitimi
Siber Güvenlik Eğitimleri

Cloud Security Tactical Defense (SEC502) Eğitimi

6 günOrtaOnline / Yüz Yüze / Hibrit

6 günlük SEC502 eğitimi: bulut saldırı desenleri, kimlik savunması, konteyner güvenliği, tespit mühendisliği, tehdit avcılığı ve olay müdahalesi.

Detayları Gör →
Sarı TakımGenAI and LLM Application Security (SEC545) Eğitimi
Siber Güvenlik Eğitimleri

GenAI and LLM Application Security (SEC545) Eğitimi

5 günOrtaOnline / Yüz Yüze / Hibrit

5 günlük SEC545 GenAI ve LLM uygulama güvenliği eğitimi: istem enjeksiyonu, çıktı doğrulama, RAG güvenliği, ajan yetkileri, model tedarik zinciri ve uyum.

Detayları Gör →
Sarı TakımAI Security Principles and Practices: GenAI and LLM Defense (SEC411) Eğitimi
Siber Güvenlik Eğitimleri

AI Security Principles and Practices: GenAI and LLM Defense (SEC411) Eğitimi

5 günOrtaOnline / Yüz Yüze / Hibrit

5 günlük SEC411 eğitimi: üretken yapay zeka güvenliği, istem enjeksiyonu savunması, getirim mimarisi, ajan yetkileri, koruma bariyerleri ve uyum.

Detayları Gör →
+90 (501) 369 40 14 WhatsApp [email protected] LinkedIn