Kontaktirajte nas
 Trajanje 21 sati

Sadržaj kursa

Temelji: Digitalni blizanci i konvergencija sa 6G

  • Koncepti digitalnih blizanaca primenjeni na telekomunikacione mreže
  • Klase usluga i zahtevi za 6G koji motivišu upotrebu blizanaca
  • Izvori podataka, nivoi vernosti (fidelity) i upravljanje životnim ciklusom blizanaca

Modelovanje komponenti i okruženja 6G

  • Reprezentacija elemenata RAN-a, fronthaul/midhaul/backhaul linija i ivičnog računarstva u modelima blizanaca
  • Ogledanja u vezi sa modelovanjem kanala, propagacije i THz/mmWave tehnologija
  • Vremenska granularnost i sinhronizacija između digitalnog i fizičkog sloja

Arhitekture simulacije i kosimulacije

  • Samostalna simulacija vs kosimulacija sa telemetrijom stvarne mreže
  • Alatni lanci (toolchains) kao što su Ns-3, Unity i emulacija za integrisano testiranje
  • Strategije skalabilnosti za velike scenarije blizanaca

Tehnike AI-native optimizacije

  • Nadzireno učenje i učenje ojačavanjem za upravljanje radio resursima
  • Online učenje, transfer učenja i adaptacija domena za prelazak iz blizanca u poljske uslove (twin-to-field)
  • Radni tokovi za kontrolu u zatvorenom krugu i obrasce distribucije politika

Telemetrija u realnom vremenu, inferencija i povratne informacije

  • Arhitekture strimovanja telemetrije i smeštaj inferencije sa niskom kašnjenjem
  • Kompromisi između ivične i oblačne inferencije i particioniranje modela
  • Dizajn sigurnih petlji povratnih informacija i kontrole sa ljudom u krugu (human-in-the-loop)

Vernost digitalnih blizanaca, validacija i kvantifikacija nesigurnosti

  • Metrike tačnosti blizanaca i metodologije validacije
  • Tehnike za kvantifikaciju i ublažavanje nesigurnosti modela
  • Korišćenje digitalnih blizanaca za verifikaciju SLA ugovora i osiguranje performansi

Orkestracija, automatizacija i operacije zasnovane na nameri

  • Integracija blizanaca sa ravnima orkestracije i API-jima zasnovanim na nameri
  • CI/CD i testni pipelini za modele blizanaca i ML artefakte
  • Motori politika (policy engines) i strategije automatizovane korekcije

Bezbednost, privatnost i poverenje u mrežama omogućenim blizancima

  • Upravljanje podacima, modelovanje koje čuva privatnost i federirani pristupi blizancima
  • Modeli pretnji za sinhronizaciju blizanaca i integritet modela
  • Revizija, poreklo (provenance) i objašnjivost AI-vodenih odluka

Studije slučaja i primene u domenu

  • Industrijska automatizacija i mrežni digitalni blizanci za proizvodnju
  • Mobilnost, autonomni sistemi i validacija XR usluga
  • Operativni primeri prediktivnog održavanja i planiranja kapaciteta

Radione i mini-projekt

  • Izgradnja malog modela digitalnog blizanca segmenta RAN-a koristeći ns-3 i vizuelizacijski inžiner
  • Trening laganog ML modela za detekciju anomalija koristeći podatke generisane blizancem
  • Implementacija testa u zatvorenom krugu: telemetrija → model inference → promena politike u simulaciji

Zaključak i naredni koraci

Uslovi

  • Iskustvo u telekomunikacionom mreženju, inženjerstvu RAN-a ili centralnih mreža (core network)
  • Poznavanje alata za simulaciju ili emulaciju mreža
  • Radno znanje Pythona i osnovnih koncepata mašinskog učenja

Ciljna grupa

  • Telekomunikacioni inženjeri i arhitekti mreža fokusirani na mreže nove generacije
  • Inženjeri AI/ML koji rade na optimizaciji mreža i aplikacijama digitalnih blizanaca
  • Istraživački inženjeri i specijalisti za simulaciju koji istražuju primene u mrežama 6G

Broj učesnika


Cena po učesniku

Predstojeći kursevi

Povezane kategorije