Titulo Estágio
2017_N20_BigData nas Gravações Automáticas MEO
Áreas de especialidade
Comunicações, Serviços e Infraestruturas
Local do Estágio
Aveiro
Enquadramento
As Gravações Automáticas (o serviço de catch-up TV do MEO) são um dos serviços on-demand mais populares da plataforma MEO, com vários milhões de sessões mensais de streaming de vídeo, o que coloca uma forte pressão na rede de distribuição de conteúdos, em especial no horário nobre.
O desafio deste projeto é desenvolver um modelo de previsão capaz de decidir quais programas devem ser carregados com antecedência (prefetched) para as STBs dos clientes fora das horas de pico (p.ex. durante a madrugada), de modo a reduzir o consumo de largura de banda em prime-time.
Os ganhos potenciais de um tal sistema já foram identificados na literatura (http://www.inf.kcl.ac.uk/staff/nrs/pubs/www2013.pdf) que concluiu que "mesmo com um armazenamento limitado a 32GB, um estimador com conhecimento completo dos consumos poderia economizar até 74% de energia e 97% de largura de banda, em comparação com a atual arquitetura baseada em streaming IP".
Objetivo
Investigação e desenvolvimento de um modelo de previsão capaz de decidir os programas que devem ser carregados com antecedência (prefetched) para STBs MEO utilizando ferramentas do projeto R e dados de catch-up TV para criar um modelo de inferência e para validar esse modelo com os dados de uso real.
Este projeto pretende concentrar-se em explorar a utilização das ferramentas do projeto R e dos nossos conjuntos de dados de catch-up TV para criar um modelo de inferência e para validar esse modelo com os dados de uso real.
Plano de Trabalhos - Semestre 1
• Definição do problema / objetivo
• Análise exploratória do dataset de consumos de conteúdos de Gravações Automáticas
• Revisão da literatura de abordagens de inferência / sistemas IPTV
Plano de Trabalhos - Semestre 2
• Modelação, implementação em R e avaliação de performance de um sistema de prefetching que permita antecipar as necessidades dos utilizadores e mapear conteúdos com os seus futuros consumidores
• Elaboração de um relatório final
Condições
O aluno será acompanhado internamente por uma equipa de I&D.
No semestre2 será atribuída bolsa ao aluno.
Observações
Competências-chave requeridas:
- Competências em modelação estatística
- Conhecimentos de ferramenta R
Os alunos interessados devem enviar CV para patriciamarques@inova-ria.pt
Orientador
Francisco Manuel Marques Fontes
oriontes@sapo.pt 📩