Inicio » Departamento de Telecomunicaciones

Archivo de la categoría: Departamento de Telecomunicaciones

SE DEJA SIN A SIN EFECTO POR ERROR EN LAS BASES Llamado Docente Grado 2, Tecnólogo en Telecomunicaciones – CURE-Rocha

LLAMADO N° 84/2019, Exp.061950-000141-19

Se llama a CONCURSO DE MÉRITOS para la provisión en EFECTIVIDAD de un cargo (Tipo II – Tecnológico) de ASISTENTE (Grado 2, 10 horas semanales) de la Carrera de TECNÓLOGO EN TELECOMUNICACIONES, Centro Universitario Regional Este, Sede Rocha (CURE-Rocha).

Plazo : Viernes 19/07/2019 – Martes 17/09/2019

Llamado Docente Grado 2, Tecnólogo en Telecomunicaciones – CURE-Rocha

LLAMADO N° 79/2019, Exp.061950-000168-19

Se llama a aspirantes para la confección de una lista de prelación con validez de seis meses a efectos de proveer cargos (Tipo II – Tecnológico) de ASISTENTE (Grado 2, 10 horas semanales) de la Carrera de TECNÓLOGO EN TELECOMUNICACIONES, Centro Universitario Regional Este, Sede Rocha (CURE-Rocha).

Plazo :  Lunes 15/07/2019 – Martes 30/07/2019

Llamado Docente Grado 3, Tecnólogo en Telecomunicaciones – CURE-Rocha

LLAMADO N° 78/2019, Exp.061950-000125-19

Se llama a aspirantes para la provisión interina de un cargo (Tipo I – Básico) de Profesor Adjunto (Grado 3, 10 horas semanales) de la Carrera de TECNÓLOGO EN TELECOMUNICACIONES, Centro Universitario Regional Este, Sede Rocha (CURE-Rocha).

Plazo :  Lunes 15/07/2019 – Martes 30/07/2019

Llamado Docente Grado 2, Tecnólogo en Telecomunicaciones – CURE-Rocha

LLAMADO N° 77/2019, Exp.061950-000133-19

Se llama a aspirantes para la confección de una lista de prelación con validez de seis meses a efectos de proveer cargos (Tipo I – Básico) de ASISTENTE (Grado 2, 10 horas semanales) de la Carrera de TECNÓLOGO EN TELECOMUNICACIONES, Centro Universitario Regional Este, Sede Rocha (CURE-Rocha).

Plazo :  Lunes 15/07/2019 – Martes 30/07/2019

Defensa Proyecto : “Carga inalámbrica de vehículos eléctricos (WCS)”

Lunes 15 de julio 16:00hs, Salón Rojo (piso 7, salón 703) – Facultad de Ingeniería, J. Herrera y Reissig 565 

Tenemos el agrado de invitarlos a la defensa del proyecto de fin de carrera : “Carga inalámbrica de vehículos eléctricos (WCS)”

Estudiantes :  Santiago Artus, Víctor Marín y Enzo Viera

Tutor : Pablo Pérez y Benigno Rodríguez

Tribunal : Rafael Canetti, Leonardo Barboni, Pablo Pérez y Benigno Rodríguez

Saludos,

Benigno Rodríguez

Resumen :

Este proyecto está orientado al estudio y diseño de un sistema de carga inalámbrica para vehículos eléctricos. La motivación principal para el desarrollo de un sistema inalámbrico abarca aspectos de seguridad y comodidad para los usuarios respecto a la carga mediante conductores, además de mayor libertad de movimiento.

Se realizó un estudio del estado del arte de la transferencia inalámbrica de energía, donde se repasó su historia, así como la de los vehículos eléctricos.

Se desarrolló el fundamento teórico, se analizaron aspectos de diseño y se realizaron simulaciones para los tres principales sistemas de transferencia inalámbrica de energía: inductivo, capacitivo y microondas.

Se definieron criterios para la elección de un sistema y de acuerdo a estos se compararon los distintos sistemas. Se consideró al sistema de carga inalámbrica inductiva como el más adecuado para los propósitos del presente proyecto. Se estudiaron recomendaciones y decretos relacionados con los aspectos de seguridad y salud humana en general, los que se tuvieron en cuenta para el diseño.

Analizando bloque a bloque el sistema inductivo, se definieron parámetros y componentes para un sistema solución. Se simuló y ajustaron en algún caso parámetros a fin de que los resultados fueran los esperados con el diseño planteado.

Finalmente se realizó una estimación de costos para la solución planteada.

Facultad de Ingeniería – Instituto de Ingeniería Eléctrica – Cursos de actualización y posgrado 2° semestre 2019

El Instituto de Ingeniería Eléctrica de la Facultad de Ingeniería – UdelaR, anuncia el cronograma previsto de cursos de actualización y posgrado para el 2° semestre del año 2019 :

Facultad de Ingeniería – Instituto de Ingeniería Eléctrica – Cursos de actualización y posgrado 2° semestre 2019

Contacto : María Misa en mmisa@fing.edu.uy

Defensa Proyecto : “Overlay Network Routing Application (ONRApp)”

Viernes 28 de junio 18:00hs, Salón Marrón (piso 7, salón 705) – Facultad de Ingeniería, J. Herrera y Reissig 565

Tenemos el agrado de invitarlos a la defensa del proyecto de fin de carrera : “Overlay Network Routing Application (ONRApp)”

Estudiantes :  Ignacio Brugnoli, Martı́n Fernández y Diego Mazzuco

Tutor : Gabriel Gómez

Tribunal : Eduardo Cota (IIE),  Eduardo Grampín (InCo) y Alvaro Valdés (IIE)

Saludos,

Gabriel Gómez

Resumen :

Las reglas de enrutamiento de tráfico planteadas por los proveedores de servicio de Internet pueden establecer canales de comunicación cuyas caracterı́sticas sean subóptimas desde el punto de vista de la calidad de servicio. Por esta razón se plantea el establecimiento de una red sobrepuesta a Internet que posibilite definir reglas de enrutamiento distintas a las preestablecidas, permitiendo posibles mejoras en la calidad de servicio de forma independiente a los proveedores subyacentes. Para solucionar este problema, este trabajo propone un algoritmo de identificación y encaminamiento de trafico TCP/UDP basado en la utilización de identificadores instalados en los puertos de capa de transporte, permitiendo que la MTU de los paquetes pertenecientes al tráfico tratado no se vea afectada, brindando la posibilidad de ser implementado en un ambiente multidominio. Estos identificadores se basan los conceptos que abordan los protocolos MPLS y NAT. Si bien el algoritmo presenta ventajas teóricas, en la práctica y bajo el paradigma actual de las redes de datos, la administración distribuida de redes sobrepuestas a Internet presenta limitaciones importantes debido al dinamismo que presenta esta red y la rigidez que presenta la toma de decisiones de forma distribuida. Este proyecto hace uso de las ideas de separación de planos de control y de datos planteadas por el paradigma de las redes definidas por software (SDN de sus siglas en inglés) en conjunto con OpenFlow, el protocolo más estandarizado dentro del paradigma para la comunicación entre ambos planos para implementar el algoritmo diseñado. Se define una arquitectura de red sobrepuesta compuesta por un sistema de medición distribuido en cada nodo de la red, controlado de forma centralizada para ejecutar medidas desde puntos de presencia de la red. Se desarrolla una aplicación sobre un controlador SDN que brinda servicios de red que, a partir de polı́ticas impuestas externamente enruta el tráfico implementando el algoritmo de enrutamiento planteado y ejecuta mediciones de QoS en una red sobrepuesta. Se realizan pruebas de funcionalidad y performance de la aplicación en un ambiente de emulación como Mininet, validando el sistema de medición y logrando tiempos de ejecución de implementaciones de polı́ticas en la red ası́ como también la detección y corrección de fallas de ruteo en el orden de los milisegundos.

Defensa Proyecto : “Localización indoor basada en Wi-Fi”

Viernes 12 de abril 14:00hs, Salón Marrón (piso 7, salón 705) – Facultad de Ingeniería, J. Herrera y Reissig 565

Tenemos el agrado de invitarlos a la defensa del proyecto de fin de carrera : “Localización Indoor Basada en Wi-Fi”

Estudiantes :  Antonio Bracco, Federico Grunwald y Agustín Navcevich

Tutores : Germán Capdehourat,  Eduardo Grampín y Federico Larroca

Tribunal : Ewelina Bakała (InCo), Pablo Musé (IIE), Matías Richart (InCo) y María Simon (IIE)

Saludos,

Federico Larroca

Resumen :

Los sistemas de localización más utilizados en la actualidad están basados en GPS (Global Positioning System), con un rendimiento pobre en ambientes cerrados tales como museos, comercios o aeropuertos. Para este tipo de situaciones existen diversas tecnologías alternativas que permiten a un dispositivo móvil ubicarse o ser ubicado con mayor precisión. En el presente proyecto se repasan las soluciones basadas en Wi-Fi, desarrollando un sistema y una aplicación de Android que hagan uso de esta solución. La aplicación desarrollada para la muestra Aquí soñó Blanes Viale en el MNAV (Museo Nacional de Artes Visuales) y operativa desde el 8 de noviembre de 2018 hasta el 3 de marzo del 2019, proporciona contenido en función de la posición del usuario. Provee adicionalmente una mayor accesibilidad a la muestra para usuarios con discapacidad visual, haciendo especial uso de la tecnología de localización para evitar la necesidad de interacción con la pantalla. La recepción del público fue positiva, fomentando la idea de que este tipo de aplicaciones poseen un gran potencial para las tecnologías de localización indoor. El sistema utiliza 15 APs instalados en el museo, dividiendo el mismo en 16 zonas. Proporciona una precisión promedio de 95,7% y una buena experiencia de usuario. Posteriormente, se realizó un estudio del desempeño del sistema bajo diversas situaciones y un breve estudio del recorrido de los usuarios que hicieron uso de la aplicación.

Defensa Tesis Maestría : “Deep learning for the analysis of network traffic measurements”

Jueves 28 de marzo 09:30hs, Salón Azul (piso 5, salón 502) – Facultad de Ingeniería, Julio Herrera y Reissig 565

Tenemos el agrado de invitarlos a la defensa de tesis de maestría de Gonzalo Marín :  “Deep learning for the analysis of network traffic measurements”

Tutor  : Pedro Casas (AIT, Viena, Austria) y Germán Capdehourat

Tribunal :  Pablo Belzarena (IIE), Alberto Castro Casales (InCo), Pablo Sprechmann (Google DeepMind, Londres, Inglaterra) y Pere Barlet-Ros (UPC BarcelonaTech, Barcelona, España)

Saludos,

Germán Capdehourat

Resumen :

En los últimos años, la aplicación de modelos de aprendizaje automático (Machine Learning) al análisis de mediciones de tráfico de red ha aumentado considerablemente. En este dominio, generalmente son utilizados modelos de aprendizaje automático tradicionales, donde es necesario definir, diseñar y construir un conjunto de características, de forma de ajustar los datos de entrada que luego se utilizarán para entrenar los modelos. Existen principalmente dos problemas asociados con este enfoque: en primer lugar, se requiere de conocimiento experto en el dominio para seleccionar un conjunto de características representativo para el problema de estudio; en segundo lugar, usualmente es necesario definir un conjunto de características diferente para abordar cada problema específico (por ejemplo, ciberseguridad, detección de anomalías, clasificación de tráfico, estimación de calidad de experiencia -QoE-, etc.). Por otro lado, la utilización de modelos de aprendizaje profundo (Deep Learning) al análisis de mediciones de tráfico de red aún no ha sido del todo explorado. Estos modelos han tenido gran éxito y popularidad, principalmente en el procesamiento de señales, con aplicaciones en: visión artificial, procesamiento de lenguaje natural, traducción automática y más recientemente en juegos. El objetivo principal de este trabajo de tesis es explorar el poder de los modelos de aprendizaje profundo aplicado al análisis de mediciones de tráfico de red. Con este fin, se aborda el problema específico de detección y clasificación de malware. Como principal ventaja con respecto al estado del arte, se considera la evaluación de diferentes representaciones para la entrada: a nivel de paquetes y a nivel de flujos. A su vez, se exploran diferentes arquitecturas de aprendizaje profundo, utilizando redes neuronales convolucionales y redes neuronales recurrentes de tipo LSTM como capas principales. Además, tres conjuntos de datos son elaborados a partir de capturas de tráfico de red, las cuales son luego utilizadas para construir las representaciones de entrada y para entrenar y validar los modelos. Finalmente, el desempeño de los modelos de aprendizaje profundo es comparado con el de un modelo de aprendizaje automático muy utilizado en la práctica, como el random forest. En el problema de detección de malware, se obtuvo una exactitud del 77,6% y 98,5% utilizando paquetes y flujos, respectivamente. En el caso de clasificación de malware, se obtuvo una exactitud promedio del 76,5%. En todas las evaluaciones, los modelos de aprendizaje profundo propuestos superaron la exactitud obtenida por los random forest. Estos resultados sugieren que es posible utilizar herramientas de aprendizaje profundo para complementar y mejorar el análisis de mediciones de tráfico de red sin necesidad de utilizar conocimiento experto para la construcción de conjuntos de características, dando lugar a un amplio espectro de aplicaciones para la utilización del aprendizaje profundo en redes de telecomunicaciones.

 

CERRADO Llamado Docente Grado 1, Tecnólogo en Telecomunicaciones – CURE-Rocha

LLAMADO N° 14/2019, Exp.061950-000235-18

Se llama a aspirantes para la confección de una lista de prelación con validez de seis meses a efectos de proveer cargos (Tipo I – Básico) de AYUDANTE (Grado 1, 10 horas semanales) de la Carrera de TECNÓLOGO EN TELECOMUNICACIONES, Centro Universitario Regional Este, Sede Rocha (CURE-Rocha).

Plazo :  Lunes 28/01/2019 – Lunes 11/02/2019