Aprendizaje Automático para Redes de datos
Diagrama de temas
-
La popularidad de la Inteligencia Artificial (IA) – y del Aprendizaje Automático/Machine Learning (ML) como un enfoque a la IA, se ha incrementado dramáticamente en los últimos años debido a su excelente desempeño, en particular en el procesamiento de imágenes, audio y lenguaje natural, y más recientemente en gaming.
A pesar de la extensa literatura y varios esfuerzos en integrar los conceptos de IA/ML en redes de datos, su aplicación ha sido menos exitosa en networking. Existe una brecha notable entre la amplia investigación académica en IA/ML para redes de datos y la aplicación de soluciones basadas en IA/ML en entornos operativos. Lo cierto es, que la aplicación de IA/ML en networking presenta varios desafíos que
hacen de la misma una tarea altamente compleja.En este curso abordamos el problema de la aplicación de IA/ML a distintos problemas relacionados con el análisis de redes de datos, incluyendo seguridad en redes, monitoreo de performance, detección de anomalías y calidad de experiencia (QoE). El curso abarca una introducción a los conceptos básicos de ML, así como también un resumen sobre técnicas de ML más recientes, incluyendo aprendizaje profundo, aprendizaje en condiciones adversarias, redes adversarias generativas, IA explicable, etc. Al mismo tiempo, se introducen distintas plataformas Big Data, que permiten el análisis de las cantidades de datos masivas que involucra el monitoreo y análisis de redes de datos.
Docente: Pedro Casas (Austrian Institute of Technology)
Horario: 2.12.19 – 5.12.19 de 9 a 12hs
Salón: 101
Más información e inscripción: https://www.fing.edu.uy/curso/posgrado/2019/aprendizaje-automatico-para-redes-de-datos
-
Ver Enviar retroalimentación
-
- Desafíos en AI4NETS
- Supervised Learning
- Unsupervised Learning
- Reinforcement Learning
- Deep Learning
-
- Ensemble Learning
- Adaptive Learning
- Explainable AI
- Generative Adversarial Networks (GANs)
- Adversarial Learning
- Transfer Learning y AutoML
-
- Plataformas de Big Data Analytics
- Aplicaciones I: AISEC – Seguridad en Redes
- Aplicaciones II: AIPerf – Monitoreo y Detección de Anomalías
- Aplicaciones III: AIQ – Calidad de Experiencia (QoE)
-
- ADAM – Short Memory Continual Learning
- PENSIEVE – Neural Adaptive Video Streaming with Reinforcement Learning
- RAL – Stream Active Learning with Reinforcement
- XAIClust – Explainable AI for Clustering
- GML – Generic ML through Super Learning
- UNADA – Sub-space Clustering for Unsupervised Anomaly Detection
-
Aplicaciones
-