Titulo Estágio
2025/26_N8 Plataforma AIOPs altamente escalável para monitoria de rede autoconfigurável e identificação proativa de problemas
Áreas de especialidade
Sistemas Inteligentes
Engenharia de Software
Local do Estágio
Altice Labs
Enquadramento
A próxima geração de redes de telecomunicações é altamente complexa e heterogénea, composta por uma vasta combinaçãode dispositivos de rede, sistemas cloud e aplicações IoT. Este cenário torna a monitorização e a gestão eficazes dainfraestrutura de rede um desafio significativo para as equipas operacionais.
As plataformas AIOps (Artificial Intelligence for IT Operations) emergem como soluções cruciais, combinando técnicas deinteligência artificial para proporcionar:
Visibilidade em tempo real sobre o desempenho da rede e dos serviços;
Deteção proativa de problemas e anomalias;
Otimização automática de recursos de rede.
Uma característica fundamental deste sistema é a sua capacidade de
adaptação dinâmica
a novas séries temporais, novos indicadores provenientes da rede e novas entidades sem necessidade de intervenção manual. A gestão automática dos modelos de dados permitirá uma maior autonomia, otimizando a detecção de comportamentos normais e a identificação de desvios ou a previsão de desvios futuros.
A aplicação proposta deve ser capaz de escalar para gerir centenas de milhares de entidades e analisar mais de 10 mil indicadores por entidade, com periodicidades que podem ir até 5 minutos. Para tal, a solução será baseada numa arquitetura de software distribuída e altamente escalável, assegurando que o sistema se adapta à dimensão da rede do operador, garantindo um desempenho consistente mesmo em cenários de alta complexidade e volume de dados
Objetivo
Explorar conceitos de AIOps e o seu impacto na monitorização de redes futuras;
Aplicar técnicas avançadas de inteligência artificial para melhorar a qualidade de serviço (QoS);
Desenvolver uma arquitetura de software cloud native , modular e
catalog-driven;
Criar um protótipo funcional capaz de identificar padrões normais de operação e detectar anomalias em tempo real;
Avaliar a plataforma num ambiente realista, garantindo escalabilidade e autonomia.
Plano de Trabalhos - Semestre 1
1.
Pesquisa sobre soluções AIOps e estado da arte em monitorização de redes;
2.
Estudo comparativo de soluções emergentes na área;
3.
Realização de relatório intermédio.
Plano de Trabalhos - Semestre 2
4.
Conceção e desenvolvimento de um protótipo funcional;
5.
Testes de desempenho e avaliação de eficácia num ambiente controlado;
6.
Documentação e apresentação dos resultados do projeto.
7.
Relatório final.
Condições
Integração no Programa GENIUS Investigação da Inova-Ria.
Entidade Promotora: Inova-Ria
Entidade de acolhimento: Altice Labs
Com possibilidade de integrar uma Bolsa de Investigação - Programa GENIUS - durante a realização do projeto de Dissertação - Integração numa equipa de I&D na Empresa Altice Labs .
Valor de bolsa de acordo com tabelas da FCT (ver pdf em (www.Inova-Ria.pt).
Período de realização de acordo com o enquadramento da Universidade.
• Horário: De acordo com enquadramento da Universidade
• Formato: (a combinar na entrevista)
• Meios: atribuição de um PC portátil e acessos à rede Interna da Altice Labs
• Kit de Acolhimento
• Onboarding nas equipas da Altice Labs, com atribuição de um tutor full-time
• Possibilidade de participar em todas as iniciativas de partilha de conhecimento ou de entretenimento levadas a cabo pela Altice Labs
• Possibilidade de entrada nos quadros da empresa
Os alunos interessados deverão enviar para genius@inova-ria.pt ao cc Dra Regina Maia Sacchetti (963618710).
• Curriculum Vitae;
• Disciplinas realizadas até ao momento com médias; simples documento eletrônico, que poderá obter no portal académico .
Processo de Seleção: Entrevista Inova-Ria - PROGRAMA GENIUS na qual fará parte o Orientador do projeto de forma a esclarecer a temática envolvida.
Observações
Aspetos Inovadores
Integração de Machine Learning em operações de rede;
Utilização de bases de dados timeseries para monitorização eficiente;
Arquitetura cloud-native , suportando escalabilidade e modularidade;
Enfoque em soluções proativas e autonómicas para gestão de redes;
Identificação dinâmica de anomalias e previsão de desvios com base em grandes volumes de dados.
Ferramentas a utilizar
Linguagens e Frameworks: Java, Quarkus, Python;
Infraestrutura: Docker, Kubernetes;
Bases de Dados: TimescaleDB ou outras orientadas a timeseries;
Message Bus: Kafka;
DevOps: Ferramentas CI/CD para integração e entrega contínua;
Referências Bibliográficas
TM Forum Catalyst Program - Artificial Intelligence for Operations
Orientador
Ricardo Santos Ferreira
ricardo-s-ferreira@alticelabs.com 📩