Comet
COntext-aware Management of mEdia and neTworks
COntext-aware Management of mEdia and neTworks
friday 31 january 2020
Internet of Things with Microcontrollers: a hands-on course
Discover, program and experience the IoT through theory & activities
using RIOT and the FIT IoT-LAB testbed. March 30 - May 25, 2020
The educational content was developed by engineers, researchers and teachers from CNRS, Hauts-de-France Polytechnic University and Inria.
The MOOC is produced by Inria Learning Lab and runs on the FUN-mooc platform.
wednesday 08 january 2020
Séminaire SysNum / Algodist
Atelier démo/formation JBotSim Rémi Laplace et Arnaud Casteigts -
Lundi 27 janvier 2020 14h-16h Salle 178 LaBRI Bât A30
Abstract
JBotSim est une bibliothèque de simulation d'algorithmes pour
réseaux dynamiques (entre autres). Il s'agit d'un logiciel libre porté
par les membres du thème Algorithmique Distribuée du LaBRI et développé
en Java.
Rémi Laplace, l'ingénieur de recherche SysNum chargé de son
développement et sa maintenance depuis 18 mois, vous propose une séance
atelier en deux parties et sur deux heures (il n'est pas obligatoire de
rester les deux heures).
La première partie servira d'introduction à JBotSim, montrant les
différents contextes dans lesquels cet outil peut être utilisé,
notamment par le biais d'exemples simples. Pendant la seconde partie,
plus orientée TP, vous pourrez vous familiariser avec JBotSim et nous
pourrons, le cas échéant, travailler ensemble sur vos problématiques de
recherche.
À cet effet, il serait idéal :
* d'apporter votre ordinateur pour pouvoir travailler de votre côté
* (bonus) avoir l'environnement de développement IntelliJ IDEA déjà
installé vous fera gagner du temps
* nous contacter en avance [contact@jbotsim.io] pour nous faire part d'idées ou
d'algorithmes éventuels à implémenter ensemble
Contact: Arnaud Casteigts, Rémi Laplace, contact@jbotsim.io
monday 21 october 2019
Le MOOC «Fondamentaux pour le big data» permet d'acquérir efficacement le niveau prérequis en informatique et en statistiques pour suivre des formations dans le domaine du big data et data science.
Le big data offre de nouvelles opportunités d’emplois au sein des entreprises et des administrations. De nombreuses formations préparant à ces opportunités de métiers existent. Le suivi de ces formations nécessite des connaissances de base en statistiques et en informatique que ce MOOC vous propose d’acquérir dans les domaines de l’analyse, algèbre, probabilités, statistiques, programmation Python et bases de données.
D’une part, les bases de données relationnelles ne sont pas toujours adaptées aux systèmes de données massives qui sont déployées dans les contextes big data ; ce MOOC vous explique pourquoi.
D’autre part, le langage Python est un langage très utilisé dans le domaine du traitement des masses de données. Ce cours vous initie à la programmation avec ce langage, particulièrement en utilisant la bibliothèque Numpy.
Enfin, le traitement des données massives et la prédiction nécessitent des analyses statistiques. Cette formation vous fournit les concepts élémentaires en statistiques tels que les variables aléatoires, le calcul différentiel, les fonctions convexes, les problèmes d'optimisation et les modèles de régression. Ces bases sont appliquées sur un algorithme de classification le Perceptron.
monday 21 october 2019
Lundi 21 octobre, à 14h en salle 178, Fabien Dufoulon (LRI) nous parlera du modèle de communication bip, et comment surmonter des interférences dans ce modèle.
Title : Overcoming interference in the beeping communication model
Abstract :
Small inexpensive inter-communicating electronic devices have become widely available. Although the individual device has severely limited capabilities (e.g., basic communication, constant-size memory or limited mobility), multitudes of such weak devices communicating together are able to form low-cost, easily deployable, yet highly performant networks. Such distributed systems present significant challenges however when it comes to the design of efficient, scalable and simple algorithms.
In this work, we are interested in studying such systems composed of devices with severely limited communication capabilities - using only simple bursts of energy. These distributed systems may be modeled using the beeping model, in which nodes communicate by beeping or listening to their neighbors (according to some undirected communication graph). Simultaneous communications (i.e., collisions) result in non-destructive interference: a node with two or more neighbors beeping simultaneously detects a beep.
Its simple, general and energy efficient communication mechanism makes the beeping model widely applicable. However, that simplicity comes at a cost. Due to the poor expressiveness of beeps and the interference caused by simultaneous communications, algorithm design is challenging. Throughout this work, we overcome both difficulties in order to provide efficient communication primitives. More precisely, we provide solutions for the two following fundamental problems: leader election and 2-hop desynchronization.
friday 27 september 2019
Ce MOOC explique les principes qui ont présidé à la définition de l’architecture des réseaux 4G et les protocoles entre les différents éléments du réseau.
Depuis 2014, les réseaux mobiles de 4ème génération (4G) sont disponibles dans la plupart des pays. A l’opposé des générations précédentes qui restaient marquées par une conception héritée du réseau téléphonique traditionnel, les réseaux 4G ont été conçus comme des réseaux IP permettant un accès via une interface radio et offrant un service de mobilité.
Pour offrir ce service, un opérateur mobile doit déployer au-dessus de son réseau IP une architecture spécifique et mettre en œuvre des protocoles additionnels pour gérer la sécurité, la transmission radio et l’acheminement rapide des flux de données, y compris en cas d’utilisation sporadique et de mobilité.
Inscriptions avant le 01 décembre 2019.