APRENDIZAJE MAQUINA PARA GESTION INTELIGENTE DE ALARMAS
ESTE PROYECTO SE ENMARCA DENTRO DEL MARCO GENERAL DE MACHINE LEARNING (ML). EN PARTICULAR, CONSIDERA TODAS LAS ACTIVIDADES DE INVESTIGACION QUE SON NECESARIAS PARA RESOLVER UN PROBLEMA DE INTERES ACTUAL: EL DESARROLLO DE UN SISTEM...
ver más
Descripción del proyecto
ESTE PROYECTO SE ENMARCA DENTRO DEL MARCO GENERAL DE MACHINE LEARNING (ML). EN PARTICULAR, CONSIDERA TODAS LAS ACTIVIDADES DE INVESTIGACION QUE SON NECESARIAS PARA RESOLVER UN PROBLEMA DE INTERES ACTUAL: EL DESARROLLO DE UN SISTEMA INTELIGENTE DE GESTION DE ALARMAS PARA ASISTIR AL CENTRO DE OPERACION DE INFRAESTRUCTURAS CRITICAS A GRAN ESCALA (COMO LAS RELACIONADAS CON LA GENERACION, DISTRIBUCION Y SUMINISTRO DE AGUA, ELECTRICIDAD O GAS, REDES DE COMUNICACIONES DE AREA AMPLIA, REDES DE TRANSPORTE Y LOGISTICA, SISTEMAS DE ATENCION SANITARIA DE EMERGENCIA O VIGILANCIA AMBIENTAL).HOY EN DIA, LA GESTION DE REDES ES UNA TAREA ORIENTADA AL NEGOCIO, Y LOS OPERADORES DEBEN ENCONTRAR ESTRATEGIAS EFICIENTES PARA RESOLVER RAPIDAMENTE LOS INCIDENTES DE LA RED, MITIGANDO ASI EL IMPACTO DE LA DEGRADACION DEL SERVICIO (IMPACTO ECONOMICO DIRECTO, SATISFACCION DEL USUARIO, ETC.). CON EL DESPLIEGUE DE NUEVAS TECNOLOGIAS DE COMUNICACION (5G) Y EL AUMENTO ESPERADO EN LA CANTIDAD DE ELEMENTOS, DISPOSITIVOS Y RECURSOS CONECTADOS (ESPECIALMENTE CON LA LLEGADA DE IOT), LOS OPERADORES HAN CENTRADO SUS ESFUERZOS EN EL DESARROLLO DE SISTEMAS AUTOMATIZADOS PARA APOYAR LA GESTION DE SUS REDES. ESTOS SISTEMAS DEBEN INCLUIR FUNCIONALIDADES COMO ANALISIS DE FALLOS (PREDICCION, DETECCION Y PRIORIZACION), GESTION DE ALARMAS (CLASIFICACION Y AGRUPAMIENTO) Y NOTIFICACION DE ALERTAS.LAS ESPECIALES CARACTERISTICAS DE ESTE PROBLEMA REQUIEREN UNA IMPORTANTE ACTIVIDAD INVESTIGADORA EN VARIAS AREAS RELACIONADAS. LOS DATOS SUBYACENTES ESTAN DESEQUILIBRADOS, EL ENTORNO ES DINAMICO Y ES NECESARIO RESOLVER PROBLEMAS DE CLASIFICACION BINARIA Y PROBLEMAS DE CLASIFICACION ORDINAL MULTICLASE EN ESTE TIPO DE ENTORNOS. LOS PRINCIPALES OBJETIVOS DEL PROYECTO SON:* DESARROLLAR UN MODULO DE DETECCION DE ALARMAS QUE IMPLIQUE LOS SIGUIENTES OBJETIVOS TECNICOS: - DESARROLLAR NUEVOS METODOS ML FUNDAMENTADOS PARA LA CLASIFICACION BINARIA DE DATOS CON DESEQUILIBRIO - DESARROLLAR METODOS ROBUSTOS BAJO DERIVA DE CONCEPTO EN ESCENARIOS DINAMICOS - INTEGRAR LOS MODELOS DINAMICOS CON LOS CLASIFICADORES ML FUNDAMENTADOS* DESARROLLAR UN SISTEMA DE GESTION INTELIGENTE DE ALARMAS PARA DAR SOPORTE A LOS OPERADORES DE RED EN LA GENERACION DE ORDENES DE TRABAJO PARA SOLUCIONAR LAS INCIDENCIAS, LO QUE REQUIERE: - DESARROLLAR NUEVOS METODOS ML PARA LA CLASIFICACION MULTICLASE Y ORDINAL DE DATOS CON DESEQUILIBRIO - DISEÑAR NUEVOS METODOS DE AGRUPACION DE PATRONESTAMBIEN HAY OBJETIVOS DE INVESTIGACION SECUNDARIOS RELACIONADOS CON LAS CARACTERISTICAS DEL PROBLEMA, QUE REQUIERE PREPROCESAR DATOS Y USAR BIG DATA ANALYTICS, Y RELACIONADOS CON LOS REQUISITOS DEL 'DERECHO A EXPLICACION' DE LA NORMATIVA DE LA UE: - DESARROLLAR TECNICAS ADECUADAS DE PREPROCESAMIENTO DE DATOS PARA TRATAR DATOS HETEROGENEOS E INCOMPLETOS - IMPLEMENTAR LOS METODOS ML DESARROLLADOS EN UN MARCO DE BIG DATA ANALYTICS - DESARROLLAR METODOS PARA LA EXPLICABILIDAD PARA MLEL PROYECTO CONSIDERA METODOS FUNDAMENTADOS PARA PROBLEMAS COMO CLASIFICACION CON COSTES, CLASIFICACION MULTICLASE Y ORDINAL, CAPACES DE TRABAJAR EN ENTORNOS DINAMICOS BAJO DERIVA CONCEPTUAL Y BAJO DESEQUILIBRIO. POR TANTO, TIENEN APLICACION EN INNUMERABLES PROBLEMAS DE GRAN RELEVANCIA EN AREAS COMO LA SALUD, LA ECONOMIA O CUALQUIER PROBLEMA QUE REQUIERA UNA CALIFICACION O RANKING. LOS AVANCES EN LA EXPLICABILIDAD DE LOS METODOS DE APRENDIZAJE AMPLIARAN EL AMBITO DE APLICACION DE ML EN EL CONTEXTO DE LAS NUEVAS REGULACIONES DE LA UE. PRENDIZAJE MAQUINA\EXPLICABILIDAD\DERIVA DE CONCEPTO\SISTEMAS DINAMICOS\DESEQUILIBRIO\CLUSTERING
Seleccionando "Aceptar todas las cookies" acepta el uso de cookies para ayudarnos a brindarle una mejor experiencia de usuario y para analizar el uso del sitio web. Al hacer clic en "Ajustar tus preferencias" puede elegir qué cookies permitir. Solo las cookies esenciales son necesarias para el correcto funcionamiento de nuestro sitio web y no se pueden rechazar.
Cookie settings
Nuestro sitio web almacena cuatro tipos de cookies. En cualquier momento puede elegir qué cookies acepta y cuáles rechaza. Puede obtener más información sobre qué son las cookies y qué tipos de cookies almacenamos en nuestra Política de cookies.
Son necesarias por razones técnicas. Sin ellas, este sitio web podría no funcionar correctamente.
Son necesarias para una funcionalidad específica en el sitio web. Sin ellos, algunas características pueden estar deshabilitadas.
Nos permite analizar el uso del sitio web y mejorar la experiencia del visitante.
Nos permite personalizar su experiencia y enviarle contenido y ofertas relevantes, en este sitio web y en otros sitios web.