Thèse - Machine Learning pour renforcer les déploiements de réseaux mobiles - F/H

Job description

about the role

Votre rôle est d'effectuer un travail de thèse sur: «Machine Learning pour renforcer les déploiements de réseaux mobiles» .

L'idée principale de la thèse est d'identifier les facteurs principaux qui ont contribué à des changements majeurs lors des premiers déploiements de nouvelles technologies afin de définir des stratégies d'évolutions adaptées aux pays émergents pour sélectionner de nouvelles stratégies de déploiement.

Dans ce contexte d'environnement statique, les techniques d'apprentissage supervisé (Supervised Learning) sont particulièrement adaptées pour élaborer des fonctions de prédiction qui peuvent s'appliquer à des critères de qualité pour classifier différents facteurs et stratégies possibles en mesurant à posteriori leur impact sur l'évolution des réseaux sur la base des statistiques collectées sur plusieurs années [1,2,3]. Une autre approche possible consiste à utiliser les techniques de ‘reinforcement learning', où une stratégie correspond à une séquence d'actions sur des facteurs clés et est associée à un gain. Les exemples de framework pour évaluer les performances sont Q-learning, Tensor flow, Acumos.

Des exemples de facteurs de classification sont la densité d'utilisateurs par cellule, la charge de trafic par cellule, en moyenne ou en pic, les services, les types de terminaux utilisateur, les contraintes topologiques (urbain/rural/routes), le nombre d'utilisateurs en bord de réseau, la distribution de trafic entre les utilisateurs, le modèle de mobilité.

L'objectif de la thèse vise donc à utiliser des techniques d'apprentissage pour identifier des stratégies de planification des réseaux et d'évaluer leurs gains. La thèse étudiera non seulement des évolutions tendancielles (généralisation du déploiement de la 4G par exemple, en tenant compte des spécificités locales), mais aussi l'intégration de solutions en rupture adaptées aux pays émergents (small cells, satellite, couplage avec micro-grids) ou tout simplement des changements technologiques dont peuvent bénéficier les nouveaux déploiements (par exemple, le gain de la virtualisation pour adresser le déploiement de petites configurations pour satisfaire la demande des early adopters).

[1] Mingzhe Chen, Ursula Challita, Walid Saad, Changchuan Yin, Mérouane Debbah, “Machine Learning for Wireless Networks with Artificial Intelligence: A Tutorial on Neural Networks”, arXiv:1710.02913

[2] J. Riihijarvi and P. Mahonen, "Machine Learning for Performance Prediction in Mobile Cellular Networks," in IEEE Computational Intelligence Magazine, vol. 13, no. 1, pp. 51-60, Feb. 2018.

[3] C Zhang, P Patras, H Haddadi, “Deep Learning in Mobile and Wireless Networking: A Survey”, arXiv:1803.04311

about you

Le candidat doit être titulaire d'un diplôme national d'Ingénieur ou de Master ou d'un autre diplôme conférant le grade de Master.

Il est très préférable que le candidat possède une double compétence technique sur les techniques de Machine Learning et les réseaux mobiles cellulaires (4/5G, virtualisation, slices, en particulier).

Il est souhaitable que le candidat apprécie la confrontation à de nouveaux problèmes.
Les qualités/compétences suivantes seront prises en considération :

· Bon relationnel pour le travail en équipe, pour s'intégrer rapidement
· Autonomie
· Très bonne maîtrise de l'anglais
· Bonnes connaissances en réseau et infrastructure Télécoms (4/5G, NFV/SDN p.e .)
· Machine learning (supervised learning, unsupervised learning, reinforcement learning)
· Maîtrise du langage Python et de ses librairies (numpy, pandas, matplotlib)
· La connaissance d'OpenAI Gym serait un plus
· La connaissance des processus de décision markovien (MDP) serait aussi un plus

Expériences souhaitées (stages, …) :

· Expérience dans le domaine du Machine Learning et idéalement dans le sous-domaine du Reinforcement Learning
· Expérience dans le domaine des réseaux et infrastructure Telecoms (4G ou 5G notamment)
· Expérience dans le développement
· Une expérience dans le domaine de la recherche serait un plus.

additional information

Cette thèse permettra de découvrir et de contribuer significativement aux mécanismes des réseaux de télécommunications qui feront l'infrastructure réseau 5G de demain.

En outre, elle sera l'occasion d'utiliser les derniers outils d'Intelligence Artificielle existants et de mettre en oeuvre des algorithmes d'Intelligence Artificielle appliqués aux réseaux 4G/5G.

Le sujet s'inscrit complètement dans la stratégie de Orange Engage 2025 autour de l'axe Intelligence Artificielle pour les réseaux.

department

Vous serez intégré dans une équipe de recherche à la pointe de l'innovation et de l'expertise sur les réseaux du futur. Vous ferez partie d'un écosystème de recherche côtoyant des ingénieurs d'études en anticipation (plus court terme) permettant la mise en oeuvre concrète des concepts étudiées et bénéficiant de plateformes de tests. L'équipe est très impliquée dans le développement de solutions d'Intelligence Artificielle pour les réseaux, avec une connaissance des contraintes opérationnelles.

La thèse sera intégrée à un projet de recherche interne Orange sur la conception de solutions réseaux pour les pays émergents porté par ce département.

contract

Thèse