Dziękujemy za wysłanie zapytania! Jeden z członków naszego zespołu skontaktuje się z Państwem wkrótce.
Dziękujemy za wysłanie rezerwacji! Jeden z członków naszego zespołu skontaktuje się z Państwem wkrótce.
Plan Szkolenia
Podstawy: Zbieżność cyfrowych bliźniaczych i 6G
- Koncepcje cyfrowych bliźniaczych zastosowane w sieciach telekomunikacyjnych
- Klasy usług 6G i wymagania motywujące użycie bliźniaczych
- Źródła danych, poziomy wierności i zarządzanie cyklem życia bliźniaczych
Modelowanie komponentów 6G i środowisk
- Reprezentacja elementów RAN, front/mid/backhaul oraz obliczeń na skraju w modelach bliźniaczych
- Rozważania dotyczące modelowania kanałów, propagacji i THz/mmWave
- Czasowa granularność i synchronizacja między warstwami cyfrowymi i fizycznymi
Architektury symulacji & ko-symulacji
- Samodzielna symulacja vs ko-symulacja z rzeczywistymi danymi telemetrycznymi sieci
- Ns-3, Unity i łańcuchy narzędzi emulacji do testów integracyjnych
- Strategie skalowalności dla dużych scenariuszy bliźniaczych
Techniki optymalizacji opartej na AI
- Nadzorowane i uczenie przez wzmocnienie do zarządzania zasobami radiowymi
- Uczenie online, transferowe i adaptacja domeny dla transferu bliźniaczych do pola
- Przepływy pracy kontrolowane w pętli zamkniętej i wzorce wdrażania zasad
Telemetria w czasie rzeczywistym, wnioskowanie i pętle zwrotne
- Architektury telemetrii strumieniowej i rozmieszczenie wnioskowania o niskiej opóźnieniu
- Zasady trade-off między wnioskowaniem na skraju a w chmurze oraz partycjonowanie modelu
- Projektowanie bezpiecznych pętli zwrotnych i kontroli z udziałem człowieka
Wierność, walidacja & kwantyfikacja niepewności w cyfrowych bliźniaczych
- Metryki wierności bliźniaczych i metody walidacji
- Techniki kwantyfikowania i łagodzenia niepewności modelu
- Użycie cyfrowych bliźniaczych do weryfikacji SLA i zapewnienia wydajności
Orchestracja, automatyzacja & operacje oparte na intencjach
- Integracja bliźniaczych z płaszczyznami orchestracji i interfejsami API opartymi na intencjach
- CI/CD i potoki testowe dla modeli bliźniaczych i artefaktów ML
- Silniki zasad i strategie automatycznego rozwiązywania problemów
Bezpieczeństwo, prywatność & zaufanie w sieciach opartych na bliźniaczych
- Zarządzanie danymi, modelowanie zachowawcze prywatności i federacyjne podejście do bliźniaczych
- Modele zagrożeń dla synchronizacji bliźniaczych i integralności modelu
- Audyt, pochodzenie i wyjaśnialność decyzji opartych na AI
Studia przypadków i zastosowania w domenie
- Automatyzacja przemysłowa i sieciowe cyfrowe bliźniacze dla produkcji
- Mobilność, systemy autonomiczne i weryfikacja usług XR
- Przykłady operacyjne przewidywania konserwacji i planowania pojemności
Ćwiczenia praktyczne i mini-projekt
- Tworzenie małej skali cyfrowego bliźniaczego segmentu RAN za pomocą ns-3 i silnika wizualizacyjnego
- Trenowanie lekkiego modelu ML do wykrywania anomali przy użyciu danych wygenerowanych przez bliźniacze
- Implementacja testu w pętli zamkniętej: telemetria → wnioskowanie modelu → zmiana zasad w symulacji
Podsumowanie i dalsze kroki
Wymagania
- Doświadczenie w telekomunikacji, RAN lub inżynierii sieciowej rdzenia
- Znajomość narzędzi symulacyjnych lub emulacji sieciowej
- Praktyczna znajomość Pythona i podstawowych koncepcji uczenia maszynowego
Widownia
- Inżynierowie telekomunikacyjni i architekci sieci skupieni na sieciach nowej generacji
- Inżynierowie AI/ML pracujący nad optymalizacją sieci i aplikacjami cyfrowych bliźniaczych
- Inżynierowie badawczy i specjaliści symulacji badający przypadki zastosowania 6G
21 godzin