Um ambiente de avaliação emulacional para a abordagens de ML não supervisionadas

• Processo: 23/00400-0
• Modalidade de apoio: Bolsas no Brasil - Programa Capacitação - Treinamento Técnico
• Data de Início da vigência: 01 de fevereiro de 2023
• Data de Término da vigência: 31 de março de 2024
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Sistemas de Computação
• Acordo de Cooperação: MCTI/MC
• Pesquisador responsável: Marcelo Caggiani Luizelli
• Beneficiário: Erick Oliveira dos Santos da Silva
• Instituição Sede: Campus Alegrete. Universidade Federal do Pampa (UNIPAMPA). Ministério da Educação (Brasil). Alegrete , SP, Brasil
• Vinculado ao auxílio: 21/06981-0 - Spinner: rumo à orquestração eficiente da inteligência em planos de dados programáveis, AP.R
• Assunto(s): Gerenciamento de redes Telemetria Plano de dados programável Aprendizado computacional Aprendizado de máquina não supervisionado
• Palavra(s)-Chave do Pesquisador: P4 | Sdn | Telemetria in-band | Gerenciamento de Redes

Resumo

Na direção de fornecer um plano de dados autônomo e inteligente, o projeto de pesquisa propõe o primeiro esforço a para implementar, operar abordagens e ML não supervisionadas em planos de dados programáveis. Tais mecanismos permitirão, em um futuro próximo, o desenvolvimento e a operação de aplicações de domínio específico para os planos de dados, permitindo que essas sejam treinadas para as mais variadas finalidades. Este plano de trabalho visa contribuir com o desenvolvimento do projeto no tocante à modelagem analítica para otimização da operação de ML não supervisionado em infraestruturas programáveis. O plano de trabalho contempla o desenvolvimento (isto é, análise, projeto, implementação) e avaliação (funcional e desempenho) de algoritmos eficientes e escaláveis para problemas de ML não supervisionados difíceis (por exemplo, problemas de agrupamento). (AU)