MACHINE LEARNING FOR NETWORKING
(Didattica frontale)
- Lingua: INGLESE
- Sede: SPAZIO ESTERNO AL POLIMI
- Iscrizioni: 20-04-2020alle ore 12:00 del
07-05-2020
- Docente responsabile
- REDONDI ALESSANDRO ENRICO CESARE
- CCS proponenti
- Ingegneria delle Telecomunicazioni
- CFU
- 2
- Ore in presenza
- 20
- Prerequisiti
Nessun prerequisito richiesto.
- N° max studenti
- 50
- Criteri di selezione
- Ordine di arrivo delle domande.
- Parole chiave:
- MACHINE LEARNING, computer networks
Descrizione dell'iniziativa
L'attività è finalizzata alla presentazione e sperimentazione di tecniche specifiche di machine learning applicate al mondo delle reti. L'attività si compone di due parti: una prima parte teorica ed una seconda progettuale. Nella prima parte verranno discusse sia le principali tecniche per raccogliere dati e misure dalle reti di calcolatori, sia le principali tecniche di machine learning con cui tali dati possono essere analizzati ed interpretati. In particolare verranno presentate: - Metodi di misura di rete attivi e passivi - Tecniche di visualizzazione dei dati di rete - Tecniche di machine learning per la classificazione dei dati - Applicazioni di tecniche di classificazione ai dati di rete: classificazione del traffico e identificazione delle anomalie.
Nella seconda parte, gli studenti dovranno applicare le tecniche precedentemente illustrate a un data set di misurazioni di rete cellulare: l'obbiettivo è quello di classificare gli utenti della rete cellulare come soddisfatti o insoddisfatti dal servizio di rete a partire dalle misure effettuate. Gli studenti, eventualmente organizzati in "squadre", dovranno adattare opportunamente gli algoritmi di machine learning studiati durante la prima parte, addestrarli usando il data set di training e applicarli ai data set di validazione. Le squadre che ottengono la migliore accuratezza nella classificazione degli utenti presenteranno il proprio lavoro a tutti i partecipanti.
Periodo di svolgimento
Calendario
12/05 - 17:30/19:00: Introduction, active and passive measurements (A. Redondi)
13/05 - 17:30/19:00: Data visualization and practical measurement exercise (A. Redondi)
14/05 - 17:30/19:00: Introduction Machine Learning and Supervised Learning (F. Trovò)
15/05 - 17:30/19:00: Classification Methods (F. Trovò)
19/05 - 17:30 /19:00: Exercise Session on Classification (F. Trovò)
20/05 - 17:30/19:00: Bias/Variance Tradeoff (F. Trovò)
21/05 -17:30/19:00: Exercise Session on Bias/Variance Tradeoff (F. Trovò)
22/05 - 17:30/19:00: Traffic classification(A. Redondi)
25/05 - 17:30/19:00: WiFi Sniffing(A. Redondi)
26/05 - 17:30/19:00: Final assignment and challenge(A. Redondi)
Note
Il corso verrà erogato a distanza. Ulteriori dettagli verranno forniti agli iscritti al termine del periodo di iscrizione.