Torna ai risultati della ricercaBando per assegno di ricerca
| Titolo del progetto di ricerca in italiano | Apprendimento automatico di qualità per il software autoadattivo - QUASAR |
|---|---|
| Titolo del progetto di ricerca in inglese | Quality Machine Learning for Self-Adaptive Software - QUASAR |
| Settore Concorsuale | 09 - Ingegneria industriale e dell'informazione |
| S.S.D | ING-INF/05 - SISTEMI DI ELABORAZIONE DELLE INFORMAZIONI |
| Descrizione sintetica in italiano | I sistemi di edge cloud autoadattivi sono sistemi costruiti intorno a controllori che, sulla base dei dati di sistema monitorati come input, generano azioni di orchestrazione e gestione per mantenere il sistema in questione entro gli intervalli di qualità previsti. L'apprendimento automatico (ML) può aiutare a creare controllori per un sistema di edge cloud auto-adattivo. Tuttavia, a causa dell'approccio ML senza un controllo diretto completo da parte di sviluppatori di software esperti, la qualità deve essere esaminata specificamente per quanto riguarda i modelli di controller ML. Il progetto QUASAR mira a sviluppare un approccio ingegneristico per il software costruito con ML che affronti i rispettivi problemi di qualità. In termini concreti, il lavoro si baserà sui risultati UniBZ del progetto 5G-CARMEN sui sistemi di mobilità cooperativa, connessa e automatizzata basati su cloud edge (CCAM) per costruire ed esplorare controllori basati su ML. |
| Descrizione sintetica in inglese | Self-adaptive edge cloud systems are systems that are built around controllers that, based on monitored system data as the input, generate orchestration and management actions to maintain the system in question within expected quality ranges. Machine learning (ML) can help to create controllers for self-adaptive edge cloud system. However, due to the ML approach without a direct full control by expert software developers, quality needs to be specifically looked at regarding the ML controller models. The QUASAR project aims to develop an engineering approach for ML-constructed software that addresses the respective quality concerns. In concrete terms, the work shall build on the UniBZ results of the 5G-CARMEN project on edge cloud-based cooperative, connected and automated mobility systems (CCAM) to build and explore ML-based controllers. |
| Data del bando | 16/03/2022 |
| Numero di assegnazioni per anno | 1 |
| Paesi in cui può essere condotta la ricerca |
Italy |
| Paesi di residenza dei candidati |
OTHER |
| Nazionalità dei candidati |
OTHER |
| Sito web del bando | https://www.unibz.it/it/home/position-calls/positions-for-academic-staff/5706-sistemi-di-elaborazione-delle-informazioni-prof-pahl?group=18 |
| Destinatari dell'assegno di ricerca (of target group) |
Experienced researcher or 4-10 yrs (Post-Doc) |
|---|
| Nome dell'Ente finanziatore | Libera Università di Bolzano |
|---|---|
| Tipologia dell'Ente | Academic |
| Paese dell'Ente | Italy |
| Città | Bolzano |
| Sito web | https://www.unibz.it |
| personnel_academic@unibz.it |
| L'assegno finanziato/cofinanziato attraverso un EU Research Framework Programme? | No |
|---|
| Data di scadenza del bando | 05/04/2022 - alle ore 00:00 |
|---|---|
| Come candidarsi | https://www.unibz.it/it/home/position-calls/positions-for-academic-staff/5706-sistemi-di-elaborazione-delle-informazioni-prof-pahl?group=18 |