Hvala što ste poslali upit! Jedan od naših članova tima će vas uskoro kontaktirati.
Hvala što ste poslali rezervaciju! Jedan od naših članova tima će vas uskoro kontaktirati.
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