Diplomamunka: agyi működés által inspirált algoritmusok rádiós hozzáférési hálózatokhoz

Stack

Feladatok

• ▹Az agyi működés által inspirált algoritmusok áttekintése RAN-munkaterhelésekre
• ▹Reprezentatív RAN-felhasználási eset, kutatási kérdés és értékelési metrikák kiválasztása
• ▹Adatok és kísérleti forgatókönyvek előkészítése a kiválasztott képességekhez
• ▹Hagyományos alapmódszerek implementálása és referencia-KPI-k meghatározása
• ▹Agyi működés által inspirált algoritmus fejlesztése és validálása, például robusztus következtetés, kis késleltetésű feldolgozás, több időskálájú időbeli feldolgozás, ritka reprezentációk vagy adaptáció területén
• ▹Az algoritmus kiértékelése az alapmódszerekkel szemben a meghatározott metrikák alapján
• ▹A hardveres alkalmasság vizsgálata: műveletszám, memóriaigény, ritkaság, párhuzamosíthatóság
• ▹A megoldás és az eredmények dokumentálása

Elvárások

• ▹Mesterszakos hallgató gépi tanulás, matematika, mérnökfizika, informatika, beágyazott rendszerek vagy rokon területen
• ▹Erős alapok a valószínűségszámításban, mély neurális hálókban, spiking neurális hálókban vagy csatolt dinamikai rendszerekben
• ▹A neuromorf hardverek (például Loihi 2, SpiNNaker 2) és a szoftveres szimulációs keretrendszerek ismerete
• ▹Jó programozási készség, C++, Python és Linux ismerete
• ▹Erős analitikus és problémamegoldó készség
• ▹Jó technikai íráskészség és kommunikáció

Előny

• ▹Tapasztalat agyi működés által inspirált algoritmusokkal vagy neuromorf számítástechnikával
• ▹RAN-munkaterhelések, vezeték nélküli kommunikációs rendszerek vagy jelfeldolgozás ismerete
• ▹Tapasztalat kísérleti kiértékelésben, KPI-elemzésben vagy hardverorientált modellezésben

Soft skillek

A munkáltatóról

Az Ericsson sokszínű innovátorokból álló csapat, amely egyenlő esélyeket biztosító munkáltatóként minden háttérből érkező jelentkezőt támogat.