Trabajo fin de estudios 

Descripción:

La creciente implantación de smartphones y sensores genera una creciente cantidad de información de contexto, esto es, aquellas variables que no miden directamente el desempeño de la red, pero que tienen un gran impacto para la misma: la posición de los terminales, las aplicaciones en ejecución, etc., así como detalles sobre la calidad del servicio prestado extremo a extremo (E2E, end-to-end). El desarrollo de algoritmos de aprendizaje automático (ML, machine learning) que integren este tipo de información en la gestión automática de la red (SON, self-organizing network) conllevará enormes ventajas respecto a los sistemas existentes. Igualmente, las redes 5G abren la puerta a múltiples capacidades (carrier-aggregation, multi-link, unlicensed bands) que incrementa la importancia en el uso de técnicas de ML para su gestión. Así, el TFM podrá centrarse en algunas de las siguientes áreas: predicción de indicadores, modelado/implementación/procesado de contexto, algoritmos basados en contexto considerando diferentes entornos (M2M, LTE, 5G), auto-optimización, auto-curación (detección, diagnosis y compensación de fallos de red), etc. El TFM podría desarrollarse en el entorno del proyectos europeo de investigación tales como H2020 ONE5G (one5g.eu) del que actualmente forma parte el director propuesto.