Titulo Estágio
2020_N001 Inferência de sofisticação do lar e envolvente
Áreas de especialidade
Sistemas Inteligentes
Local do Estágio
Altice Labs - Laboratório de Cognitive @ UC (Coimbra)
Enquadramento
Hoje em dia, em casa, os nossos equipamentos permanecem ligados ao router para tirar partido da ligação à internet para não haver consumo de dados móveis. O router, por sua vez, contém o historial dos equipamentos que se ligaram, permitindo, pelos identificadores, perceber o tipo de equipamento e a sua antiguidade. Em alguns lares vamos encontrar uma concentração de equipamentos de determinadas marcas. Por outro lado, o router também deteta as redes vizinhas recolhendo alguma informação sobre as mesmas, que permita caracterizar a envolvente. Toda esta informação pode ajudar a sustentar decisões comerciais, nomeadamente upgrade de equipamentos terminais ou suportar alterações na configuração dos equipamentos para otimizar a qualidade da experiência.
Os processos implementados deverão acautelar as condicionantes de tratamento de informação pessoal decorrentes do RGPD.
Objetivo
Inferir o nível de sofisticação do lar pelo tipo de equipamentos detetados no router. Tipificar o lar e identificar clusters similares - básico, early adopters, …- que possam ser endereçados comercialmente de forma semelhante. Analisar e caracterizar a envolvente do router caracterizando a sua qualidade e nível de sofisticação.
Bases de informação disponíveis: repositório de logs de routers de cliente (com tipificação e registo temporal)
Aspetos inovadores:
Implementação de mecanismos de aprendizagem automática e de descoberta de conhecimento para extração de padrões relevantes a partir de conjuntos de dados grandes e diversos que nos permitirá identificar nível de sofisticação do lar e da sua envolvente. Importância de identificar e implementar algoritmos adequados à construção de clusters de lares com comportamentos semelhantes em termos de utilização/adoção de equipamentos.
Tópicos tecnicamente relevantes da proposta:
• Big Data
• Reconhecimento de padrões
• Clustering
• Profiling
• Telecomunicações
Plano de Trabalhos - Semestre 1
1. Estudo do estado da arte na tradução de nomes/identificadores dos equipamentos e das redes. (S1-S10)
2. Processos de caracterização base do router ao nível dos equipamentos/redes com base na recolha e tratamento de dados (S5-S15)
3. Análise Exploratória de dados e protótipo inicial de caracterização de equipamentos/redes (S10-S20)
4. Estudo de estado da arte de processos e algoritmos de clustering (S15-S20)
5. Elaboração de Relatório Intermédio (S18-S20)
Plano de Trabalhos - Semestre 2
6. Continuação de Estudo de estado da arte de processos e algoritmos de clustering (S21-S25)
7. Desenvolvimento e refinamento de solução inteligente para identificação e caracterização do lar e da envolvente (S21-S35)
8. Validação da solução desenvolvida (S36-S38)
9. Elaboração de dissertação (S1-S40)
Condições
Integração de uma Bolsa de Investigação - Programa GENIUS /Inova-Ria - durante a realização do projeto de Dissertação - Integração numa equipa de I&D da Empresa Altice Labs .
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 eletrónico, 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 eslarecer a temática envolvida.
Tipologia de Bolsa: Bolsa de Investigação com o valor da Bolsa de 798€
• média prevista de 13,5 - 14 valores (média linear entre licenciatura e mestrado);
• Indicação de áreas de interesse.
Tipologia da Bolsa: Bolsa de Investigação (Bolsa de Iniciação Científica).
Valor a Bolsa 798€ liquidos/Mês => empresa >= 3 dias/semana
Duração da Bolsa: 10 meses
Observações
Referências Bibliográficas, apontadores:
https://www.geeksforgeeks.org/clustering-in-machine-learning/
Perfil do candidato mais adequado:
Pessoa dinâmica e autónoma, com vontade de aprender. Comunicativo e com espírito de equipa. Bons conhecimentos de bases de dados e modelização de dados e experiência em linguagens de programação (Python, …). Capacidade e vontade de aprender tecnologias Big Data (Hadoop, PySpark ou similar) e Data Science (pandas, scikit-learn, etc) e modelos de Clustering e Profiling.
Orientador
Luis Cortesão
luis-m-cortesao@alticelabs.com 📩