MACHINE LEARNING FOR NETWORKING
(Didattica frontale)
- Lingua: INGLESE
- Sede: MILANO CITTÀ STUDI
- Iscrizioni: 11-02-2019alle ore 12:00 del
08-03-2019
Candidatura terminata, attività in valutazione
Vota il corso
Annulla il voto
Vuoi che questo corso sia riproposto?0 persone hanno già votato
- Docente responsabile
- REDONDI ALESSANDRO ENRICO CESARE
- CCS proponenti
- Ingegneria delle Telecomunicazioni Ingegneria Elettrica|Ingegneria Biomedica|Ingegneria dell'Automazione|Ingegneria Elettronica|Ingegneria Informatica
- CFU
- 2
- Ore in presenza
- 20
- Prerequisiti
Nessun prerequisito richiesto.
- N° max studenti
- 40
- Criteri di selezione
- Ordine di arrivo delle domande.
- Parole chiave:
- MACHINE LEARNING, NETWORKING
Descrizione dell'iniziativa
Il corso sarà coordinato dal prof. Redondi e dal prof. Restelli.
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.
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
dal Marzo 2019 a Aprile 2019
Calendario
- Lun 18/03 - 17:30/19:30 - aula E.G.1
- Mar 19/03 - 17:30/19:30 - aula E.G.1
- Mer 20/03 - 17:30/19:30 - aula E.G.6
- Ven 22/03 - 17:30/19:30 - aula E.G.1
- Lun 25/03 - 17:30 /19:30 - aula E.G.1
- Mar 26/03 - 17:30/19:30 - aula E.G.1
- Mer 27/03 - 17:30/19:30 - aula E.G.6
- Gio 28/03 - 17:30/19:30 - aula E.G.6
- Ven 29/03 - 17:30/19:30 - aula E.G.1
- Lun 01/04 - 17:30/19:30 - aula E.G.1
- Mart 02/04 - 17:30/19:30 - aula E.G.3
- Merc 03/04 - 17:30/19:30 - aula E.G.3