Takk for at du sendte din henvendelse! En av våre teammedlemmer vil kontakte deg straks.
Takk for at du sendte din bestilling! En av våre teammedlemmer vil kontakte deg straks.
Kursplan
Grunnlag: Digitale twin og 6G-konvergens
- Konsepter om digitale twin anvendt på telecom-nettverk
- 6G-tjenesteklasser og -krav som motiverer bruk av twin
- Datakilder, nøyaktighetsnivåer, og twin-livssyklusstyring
Modellering av 6G-komponenter og -miljøer
- Representasjon av RAN-elementer, fronthaul/midhaul/backhaul, og edge compute i twin-modeller
- Kanal-, propagerings- og THz/mmWave-modelleringsovervelegelser
- Tidslig granularitet og synkronisering mellom digitale og fysiske lag
Simulerings- & co-simulasjonsarkitekturer
- Standalone-simulering vs co-simulering med reelt nettverks-telemetri
- Ns-3, Unity og emuleringsverktøykjeder for integrert testing
- Skalbarhetsstrategier for store twin-scenarier
AI-native optimeringsteknikker
- Overvåket og styrkelsebasert læring for radiokildedrift
- Online-læring, overføringssjering, og domeneanpassning for twin-to-field-overføring
- Closed-loop-kontrollarbeidsganger og policy-utformningsmønstre
Reeltids-telemetri, inferens, og feedback-løkker
- Streaming-telemetriarkitekturer og lav-latensinferensplasering
- Kompromisser mellom kant- og skyinferens, og modellpartisjonering
- Design av sikre feedback-løkker og kontroller med menneskelig inngrep
Digital twin-nøyaktighet, validasjon & usikkerhetskvantisering
- Metrikker for twin-nøyaktighet og validasjonsmetodikk
- Teknikker for kvantisering og mindigelse av modellusikkerhet
- Bruk av digitale twin for SLA-verifisering og ytelsesgaranti
Orchestrering, automatisering & intentdrevne operasjoner
- Integrasjon av twin med orchestrering-planer og intent-baserte APIs
- CI/CD-og testingpipelines for twin-modeller og ML-artefakter
- Policy-motorer og automatiserte feilsøkningsstrategier
Sikkerhet, privatlivsskytt & tillit i twin-støttede nettverk
- Datastyring, privatlivsvennlig modellering, og federerte twin-tilnærminger
- Trussemmer for twin-synkronisering og modellintegritet
- Revisjon, opprinnelse, og forklarbarhet for AI-drevne beslutninger
Casestudier og domenapplikasjoner
- Industriel automatisering og nettverkede digitale twin for produksjon
- Mobilitet, autonome systemer, og XR-tjenesteverifisering
- Eksempler på drift med prediktiv vedlikehold og kapasitetsplanlegging
Hånd-på labs og mini-prosjekt
- Bygge en liten skala digital twin av et RAN-segment ved hjelp av ns-3 og en visualiseringsmotor
- Trene en lettvint ML-modell for feilsøking av anomali ved hjelp av twin-genererte data
- Implementere en closed-loop-test: telemetri → modellinferens → policyendring i simulering
Oppsummering og neste steg
Krav
- Erfaring i telecom-nettverksarbeid, RAN eller kjernenettverksteknikk
- Familiaritet med simuleringstøy eller nettverksemulering
- Arbeidskunnskap om Python og grunnleggende maskinlæringskonsepter
Målgruppe
- Telecom-ingeniører og nettverksarkitekter fokusert på neste generasjon av nettverk
- AI/ML-ingeniører som jobber med nettverksoptimering og digital twin-applikasjoner
- Forskningsingeniører og simuleringsspesialister som utforsker 6G-brukstilfeller
21 Timer