OK

Thèse - Prédiction de la qualité d'expérience (QoE) de verticales portées par des slices 5G et recommandation d'actions correctives - F/H

ref : 0033323 | 18 mai 2021

date limite de candidature : 15 sept. 2021

44 avenue de la republique 92320 Chatillon - France

votre rôle

Votre rôle est d'effectuer un travail de thèse sur la prédiction de la qualité d'expérience (QoE) de verticales portées par des slices 5G et recommandation d'actions correctives.

La 5G est censée fournir des fondations solides pour l'«Internet de tout », qui rendront possibles des services tels que les « villes intelligentes » et les véhicules connectés, etc. A cette fin, les réseaux doivent être plus élastiques et ainsi répondre à des défis en termes de coût, d'efficacité ou de flexibilité très différents selon les services. Le concept de network slicing a été proposé comme solution pour permettre la coexistence de multiples réseaux logiques se partageant une infrastructure physique. On attend des slices des réseaux 5G qu'ils respectent les exigences plus pointues des industries des verticales en termes de fourniture de service [1], comme le fonctionnement en temps réel, de faibles temps de transmission, une fiabilité extrême et un haut degré de sécurité.

Pour garantir toutes ces promesses, les opérateurs et fournisseurs de services ont besoin de prendre un soin accru de la Qualité des Services (QoS) perçue par l'utilisateur final des verticales 5G, autrement dit la qualité d'expérience (QoE [2]). Cette dernière dépend de la QoS et aussi d'autres facteurs d'influence telles que les prérequis et attentes de l'utilisateur, les conditions tarifaires, ... S'ils pouvaient prédire avec précision l'insatisfaction d'une verticale, les opérateurs se donneraient la capacité d'améliorer les services correspondants qu'ils offrent et ainsi de s'assurer des clients plus satisfaits et au final plus fidèles [2].

L'objectif de la thèse est d'appliquer les méthodes les plus avancées en statistiques et apprentissage automatique afin de répondre à ce défi de prédiction et de correction de la QoE.

Plusieurs défis scientifiques sont à relever, notamment :

  • La collecte de données relatives à la QoS et au fonctionnement des slices 5G, nécessaires pour entraîner les systèmes de prédiction.
  • La détermination de l'approche en Machine Learning la plus pertinente pour modéliser les données relatives à la qualité perçue à partir de celles concernant la performance du réseau.

  • La définition d'un modèle transverse (unique ou différencié selon les services) permettant d'évaluer la pertinence des alertes liées aux événements détectés, ce qui va nécessiter une interaction avec la verticale de service.

La proposition d'un système de recommandation fiable en termes d'impact sur le réseau de l'opérateur et sur la perception du client final (QoE). Il faudra en effet éviter les fausses recommandations. Une bonne prise en compte de la chaîne de bout-en-bout, jusqu'à l'application du client, va être un élément crucial. Un mécanisme de validation des recommandations devra être mis au point.

Références

[1] GSA White Paper,“5G Network Slicing for Vertical Industries”, Prepared by GSA with contributions from Ericsson, Huawei and Nokia, September 2017. [On-line]. Available: https://www.huawei.com/minisite/5g/img/5g-network-slicing-for-vertical-industries-en.pdf

[2] Rodriguez, Demostenes Zegarra & Rosa, Renata & Nunes, Rodrigo & Affonso, Emmanuel. (2016). Assessment of Quality-of-Experience in Telecommunication Services. International Journal of Digital Information and Wireless Communications. 6. 241. 10.17781/P002149.

votre profil

formation demandée : Un diplôme d'ingénieur ou un master dans un de ces domaines : intelligence artificielle, ingénierie logicielle, mathématiques, statistique, télécommunications ou similaire

Expériences souhaitées :

  • Une expérience (stage) en développement Big Data
  • Une participation à des recherches dans les domaines suivants : apprentissage par renforcement, systèmes de recommandation, apprentissage automatique statistique.
    - Une bonne connaissance des techniques et outils de Machine Learning, statistiques, optimisation, systèmes de recommandation, apprentissage par renforcement
  • Une bonne connaissance des architectures de réseaux (5G, 4G, coeur, RAN…)
  • Une bonne connaissance des architectures virtualisées (SDN / NFV)
  • Un excellent niveau en développement : Python et R
  • Un excellent niveau en anglais (lecture et rédaction d'articles scientifiques, présentation lors des conférences)
  • Autonomie, curiosité, dynamisme, proactivité, capacité à analyser et à synthétiser
  • Avoir déjà écrit des papiers scientifiques

le plus de l'offre

Pendant la thèse, le candidat retenu aura à proposer un modèle, à base de Machine Learning, de prédiction de l'insatisfaction des clients finaux, à partir de données consistant de métriques de QoS et de résultats de tests subjectifs. Si le problème est jugé sérieux, un système de réactions sera alors déclenché. Il s'agira de recommander à l'orchestrateur du réseau la ou les solutions les plus adaptées, ce qui sera rendu possible grâce à un système intelligent de recommandation en permanente interaction avec l'orchestration et le niveau applicatif présent dans les terminaux des clients (qui va lui aussi appliquer des mesures correctives avec lesquelles il faut se coordonner). Le résultat final est donc une sorte de tuyau transverse permettant de prédire le comportement de bout-en-bout d'une verticale et le ressenti de ses utilisateurs et de le prendre en compte dans la gestion des ressources réseau (les fameuses slices) correspondantes.

Plusieurs défis scientifiques sont à relever notamment:

  • La collecte de données relatives à la QoS et au fonctionnement des slices 5G, nécessaires pour entraîner les systèmes de prédiction.
  • La définition d'un modèle transverse permettant d'évaluer la pertinence des alertes liées aux événements détectés, ce qui va nécessiter une interaction avec la verticale de service.
  • La proposition d'un système de recommandation fiable en termes d'impact sur le réseau de l'opérateur et sur la perception du client final (QoE). Il faudra en effet éviter les fausses recommandations. Une bonne prise en compte de la chaîne de bout-en-bout, jusqu'à l'application du client, va être un élément crucial. Un mécanisme de validation des recommandations devra être mis au point.

Enfin, le candidat aura la chance de travailler sur des sujets d'innovation, tels que la 5G, les verticales de services et la prédiction de boucle prédictive. Il pourra participer à des conférences internationales et des séminaires au cours desquels il pourra présenter et partager ses résultats de travaux de recherche. Durant tout le déroulement de la thèse, il pourra interagir avec des experts en télécommunications, en QoE et en science de données.

entité

Orange est un acteur clé de l'innovation numérique. Dans un secteur des technologies de l'information et de la communication qui connaît un bouleversement de sa chaîne de valeur, avec la multiplication des acteurs et l'apparition de nouveaux modèles économiques, l'innovation constitue un levier majeur de croissance pour le groupe Orange.

Orange a pour ambition de rendre l'innovation utile et accessible au plus grand nombre. En rassemblant les activités autour de la création d'innovations stratégiques, la recherche et la mise en oeuvre des politiques techniques et data pour le Groupe Orange, la division Technology and Global Innovation (TGI) est le moteur de cette innovation, composé de ses Orange Labs.

Cette thèse se déroulera au sein d'Orange Labs Networks, en charge de la stratégie réseaux et dans le département SECRES (SECurity Roaming rEsilience and Signaling) qui a pour mission d'améliorer la sécurité des infrastructures réseau ainsi que la résilience de nos réseaux mobiles, de définir la stratégie d'évolution du réseau de signalisation et les principes d'architecture et d'interconnexion internationale. Plus précisément, la thèse est proposée par l'équipe BRAINS (dataBase Resilience Artificial Intelligence for Network and Signaling) qui s'occupe notamment d'étudier les évolutions dans la gestion de données réseaux ainsi que les évolutions de la signalisation, d'apporter un soutien aux pays Orange en menant des études de résilience, et enfin de mener des études sur l'intelligence artificielle appliquée aux réseaux notamment avec la gestion cognitive des réseaux et services.

Une partie de ce travail sera réalisée en interaction avec une autre équipe intitulée AMOX (Architecture, Monitoring and diagnOsis for Country Support), issue du département IPN (IP networks, monitoring and security), qui détient l'expertise d'Orange dans le domaine de la supervision et de détection de causes de dégradation de la QoS des services de télécommunications, ainsi que de sa corrélation avec la QoE.

contrat

Thèse

Orange

Happy Candidates - Happy AT WORK top employer FR

en savoir plus sur nos  étapes de recrutement

Le Groupe Orange

83%

des salariés sont fiers de travailler pour Orange

81%

recommandent Orange comme une entreprise où il fait bon travailler

N°2

en France dans le classement Happy Candidates avec une note de 8.6/10 dans la catégorie des entreprises de plus de 1000 salariés

dessin mixite

Orange obtient depuis 2014 le label sur la mixité hommes/femmes (Gender Equality European Standard)