Tecnologías Disruptivas
¿Te interesa?
Si eres profesor o estudiante universitario y tienes interés en participar en el programa TUTORÍA, registra tus datos para que podamos iniciar el programa.
Contexto
Desafío dirigido a estudiantes con talento que quieran desarrollar su TFG/TFM en un entorno industrial. Idealmente, el candidato/a debería tener cierta experiencia tanto en Deep Learning (por ejemplo, LLMs de Transformers) como en redes.
Introducción al desafío
Los sistemas de monitorización de redes generan ingentes cantidades de datos procedentes de fuentes heterogéneas que se recogen continuamente en plataformas BigData.
La recopilación eficiente de estos datos supone un duro reto para los operadores de red, dado el constante aumento de los datos de monitorización y la complejidad de la infraestructura de red móvil a medida que se despliegan nuevas generaciones.
En esta línea, algunos trabajos recientes proponen un uso poco convencional de modelos de Deep Learning para la compresión de datos.
Esto puede ser útil para reducir drásticamente la cantidad de almacenamiento necesaria para mantener los datos históricos de la red.
Este proyecto está orientado a la investigación, y está dirigido a candidatos que se atrevan a explorar los límites del conocimiento en la intersección de Deep Learning y Redes Móviles.
Desafío planteado
En este proyecto, el/la estudiante se encargará de explorar el uso de modelos de lenguaje de gran tamaño y otras técnicas de aprendizaje profundo para comprimir grandes conjuntos de datos de redes del mundo real.
El objetivo es dar con una solución eficiente que pueda alcanzar ratios de compresión más elevados que las técnicas de compresión en línea más avanzadas (por ejemplo, GZIP, lzop), ofreciendo así un ahorro potencial de CAPEX al operador en términos de espacio de almacenamiento, y permitiendo la posibilidad de establecer un periodo de retención más largo para los datos de monitorización de red.
