Titulo Estágio
2016_N76 Tecnologias e modelos de suporte a analytics sobre séries temporais
Áreas de especialidade
Engenharia de Software
Comunicações, Serviços e Infraestruturas
Local do Estágio
Aveiro
Enquadramento
Pretende-se avaliar e comparar alternativas tecnológicas e diferentes modelizações que suportem analytics sobre séries temporais.
Essa avaliação e comparação deverá considerar os seguintes aspetos:
• Os requisitos concretos da análise a fazer sobre as séries temporais
• Escalabilidade
• Desempenho
• Custo das ferramentas
• Custo da infraestrutura física de suporte às ferramentas e dados
• Custo de operação do sistema
Com este estágio pretende-se ganhar conhecimento nas alternativas existentes para poder guardar esses dados de forma eficiente, quer técnica quer económica.
Aspetos inovadores:
Avaliação do estado da arte na área de persistência de séries temporais e modelização das mesmas. Possibilidade de comparar várias alternativas nesta área.
Objetivo
Num negócio altamente competitivo, com margens cada vez menores e com um cenário de ameaça real dos OTT (Over The Top) dominados pelos gigantes mundiais, os operadores de telecomunicações tem como necessidade premente diferenciarem-se pela qualidade dos serviços que oferecem. As preocupações de qualidade de serviço têm vindo a evoluir de um domínio de Quality of Service (QoS) para um domínio de Quality of Experience (QoE). Saber como os clientes experienciam os serviços do operador controlando de forma precisa “como”, “quando” e “onde” são utilizados os serviços é um desafio para os atuais sistemas de gestão, introduzindo novos paradigmas de monitoração da atividade dos clientes com a rede/operador. Uma gestão completa assegurando que todos os pontos de contacto dos clientes com o operador são monitorados de forma a manter elevados padrões de qualidade fez nascer uma nova disciplina atualmente muito considerada em todos os operadores - o Customer Experience Management (CEM). Este interesse faz com que as ferramentas complementarmente à monitoria das redes, cada vez monitorem mais aspetos de utilização de serviços, o que faz explodir a quantidade de dados a tratar. Tipicamente esses dados têm a forma de séries temporais, ou eventos ancorados no tempo. Simultaneamente, com o advento da Cloud e as possibilidades que esta dá nomeadamente os modelos de negócio aplicados na mesma, e o contexto económico mundial, o fator custo ganha cada vez mais relevância.
Plano de Trabalhos - Semestre 1
§ Estado da arte em tecnologias de persistência aplicada a séries temporais e modelização das mesmas.
§ Estudo dos requisitos funcionais do altaia na análise dessas séries temporais
§ Definição dos cenários que serão alvo de comparação
§ Definição dos parâmetros de comparação
§ Seleção das tecnologias/ferramentas a utilizar
Plano de Trabalhos - Semestre 2
§ Modelizar as séries temporais em cada um dos modelos
§ Definição de testes que permitam avaliar os parâmetros de desempenho escalabilidade
§ Realização dos testes
§ Elaboração de um relatório com o resultado da comparação efetuada
Condições
O aluno será acompanhado internamente por uma equipa de I&D;
Durante a 2º Fase será atribuida Bolsa ao aluno
Observações
Competências Chave requeridas:
Modelação de dados
Bases de dados relacionais e NoSql
BigData
Programação em Java
Boa capacidade de investigação e capacidades analíticas
Os alunos interessados deverão enviar CV para regina@inova-ria.pt
Orientador
Doutoramento - Francisco Fontes
PCarv@alticelabs.com 📩