آموزش ها ، کارگاه ها و تظاهرات

با تکثیر سریع شبکه های 4G و 5G ، اپراتورهای تلفن همراه اکنون استقرار آزمایش مجازی سازی عملکرد شبکه (NFV) و شبکه های تعریف شده نرم افزار (SDN) به ویژه با معرفی عناصر مختلف شبکه مجازی در شبکه های دسترسی و اصلی را آغاز کرده اند. شبکه های 5G و 6G قول می دهند از برنامه های نوظهور مانند باند پهن موبایل پیشرفته ، تأخیر فوق العاده کم ، برنامه های نوع سنجش گسترده ضمن فراهم کردن مقاومت در شبکه ، پشتیبانی کنند. در حالی که NFV و SDN درهای شبکه های انعطاف پذیر و ایجاد سریع خدمات را باز می کنند ، اینها همچنین فرصت های امنیتی را ارائه می دهند در حالی که در برخی موارد چالش ها و پیچیدگی های اضافی را نیز معرفی می کنند. این گفتگو به تکامل فن آوری های سلولی به سمت 5G/6G می پردازد و در مورد عمودی های مختلف بازار و برنامه های جدید که با استفاده از فناوری های جدید قابل پشتیبانی هستند ، بحث می کند. این گفتگو همچنین بر چالش ها و فرصت های مختلف امنیتی معرفی شده توسط شبکه ها و فعال کننده های SDN/NFV و 5G مانند Hypervisor ، توابع شبکه مجازی (VNF) ، کنترل کننده SDN ، ارکستر ، برش شبکه ، ابر ، Edge Cloud و عملکرد امنیت مجازی متمرکز شده است. علاوه بر این ، این گفتگو یک طبقه بندی تهدید برای امنیت 5G را از دیدگاه سیستم نهایی به انتها ، تهدیدات احتمالی معرفی شده توسط این فعال کننده ها و تکنیک های کاهش مرتبط با آن معرفی می کند. در عین حال ، برخی از فرصت های معرفی شده توسط این ستون ها نیز مورد بحث قرار گرفته است. این گفتگو همچنین برخی از فعالیت های مداوم در جوامع مختلف استاندارد از جمله کنسرسیوم های منبع باز ، تست های NSF در مقیاس بزرگ را برجسته می کند و چند سناریو مورد استفاده از استقرار را نشان می دهد.

شرکت کنندگان با مزایای فن آوری های 5G برای برنامه های مختلف نوظهور ، یعنی واقعیت افزوده ، آیه متا ، دوقلوهای دیجیتال ، استانداردهای فعلی و وضعیت استقرار و تهدیدهای امنیتی مختلف و تکنیک های کاهش در ارتباط با 5G آشنا می شوند. شرکت کنندگان می توانند در مورد فن آوری های 5G و 6G و فعال کننده های مختلفی که می توانند به کاهش برخی از نقاط درد نسل قبلی شبکه ها کمک کنند ، بیاموزند. آنها در مورد موارد مختلف استفاده (به عنوان مثال ، سرگرمی ، eHealth ، اولین پاسخ دهنده ، شبکه های تاکتیکی ، کشاورزی) که در آن می توان از فناوری های 5G استفاده کرد ، یاد می گیرند.

دکتر آشوتوش در حال حاضر به عنوان استراتژیست و همکار ارشد 5G در آزمایشگاه های فیزیک کاربردی دانشگاه جان هاپکینز و رئیس مهندسی برق و کامپیوتر برای برنامه حرفه ای مهندسی در JHU کار می کند. قبلاً به عنوان مدیر امنیت فناوری در AT& T، CTO برای NIKSUN، دانشمند ارشد در Telcordia Research، مدیر مرکز تحقیقات مرکزی در دانشگاه کلمبیا و مهندس کامپیوتر در TATA Motors کار کردم. آشوتوش نویسنده بیش از 100 مقاله فنی و 31 اختراع صادر شده است. آشوتوش یکی از نویسندگان این کتاب با عنوان "پروتکل های تحرک و بهینه سازی انتقال: طراحی، ارزیابی و کاربرد" است که توسط IEEE و John & Wiley منتشر شده است. آشوتوش به عنوان یک رهبر فنی در 5G و امنیت، به عنوان رئیس مشترک ابتکار شبکه های آینده IEEE که بر استانداردسازی، آموزش، انتشارات، بستر آزمایش و فعالیت های نقشه راه تمرکز دارد، خدمت کرده است. آشوتوش مدرس برجسته انجمن ارتباطات IEEE برای سال های 2017-2020 و به عنوان سخنران برجسته ACM (2020-2022) است. آشوتوش در حال حاضر به عنوان رئیس مشترک IEEE Future Networks Initiative و Member-At-Large برای IEEE Communication Society خدمت می کند. او کنفرانس IEEE STEM (ISEC) را تأسیس کرد و به اجرای پروژه های EPICS (پروژه های مهندسی در خدمات اجتماعی) در چندین دبیرستان کمک کرد. آشوتوش در 10 سال گذشته به عنوان رئیس مشترک کنفرانس IEEE STEM خدمت کرده است. آشوتوش از سال 2014 تا 2019 به عنوان مدیر توسعه صنعت برای انجمن ارتباطات IEEE خدمت کرد. او در سال 2009 جایزه رهبری IEEE MGA و جایزه رهبری حرفه ای IEEE-USA در سال 2010 را دریافت کرد. آشوتوش در حال حاضر به عنوان عضو بزرگ انجمن ارتباطات IEEE برای سال های 2020-2022 خدمت می کند. آشوتوش به عنوان رئیس مشترک انجمن های برتر جهانی IEEE 5G خدمت کرده است و 80 نشست جهانی 5G را در سراسر جهان سازماندهی کرده است. آشوتوش در حال حاضر به عنوان رئیس فعالیت های O-RAN IEEE Industry Coection فعالیت می کند. آشوتوش دریافت کننده جایزه رهبری حرفه ای IEEE-USA در سال 2010، IEEE-USA، IEEE USA 2022 جورج اف مک کلور استناد افتخاری و جایزه خدمات استثنایی منطقه آمریکای شمالی IEEE در سال 2022 است. آشوتوش فارغ التحصیل ممتاز NIT Rourkela با لیسانس مهندسی برق، کارشناسی ارشد در علوم کامپیوتر از NJIT، و Ph. D. در رشته مهندسی برق از دانشگاه کلمبیا زیر نظر پروفسور هنینگ شولزرین. آشوتوش عضو IEEE و عضو برجسته ACM است.

خلاصه:

توسعه الگوریتم های رشته یک تمرکز مهم تحقیق در بین حوزه های اصلی مطالعه در زمینه علوم کامپیوتر است که برای حل مشکلات بهینه از ساختار داده های پیچیده استفاده می کند. پسوند درخت ، مفهومی که توسط وینر مطرح شده است یکی از این ساختارهای اساسی داده برای پردازش هر نوع داده های متوالی است. با توجه به این واقعیت که درختان پسوند می توانند اجرای سریع چندین عملیات اساسی رشته را ارائه دهند ، این گفتگو مقدمه ای برای این ساختار داده مهم ارائه می دهد و برخی از کاربردهای آن را پوشش می دهد. با این حال ، مصرف فضایی این ساختار داده مهم یک مشکل است و بخش دوم گفتگو برای حل مسئله روی الگوریتم ها متمرکز خواهد شد. در بسیاری از موارد ، مشکل اندازه داده ها نیست ، اما اندازه ساختار داده است که لازم است بر روی داده ها ساخته شود تا به طور کارآمد نمایش داده های مورد نیاز را انجام دهد. یک جهت امیدوارکننده برای توسعه شاخص هایی است که از ویژگی تراکم پذیری متن استفاده می کنند ، به طوری که اندازه شاخص تابعی از طول متن فشرده شده است. این مفهوم در نهایت به خود شاخص های خود تبدیل شده است ، که اطلاعات کافی برای بازسازی هر بخشی از متن دارند. بنابراین ، خودی خودی جایگزین خود متن است.

Sahar Hooshmand استادیار گروه علوم کامپیوتر در دانشگاه ایالتی کالیفرنیا Dominguez Hills است ، از پاییز سال 2021. او همچنین به عنوان رئیس گروه وابستگی زنان IEEE در مهندسی (WIE) در کالیفرنیای جنوبی فعالیت می کند. سحر دکتری خود را به پایان رساند. در گروه علوم کامپیوتر در دانشگاه فلوریدا مرکزی در دسامبر سال 2020. تحقیقات وی بر الگوریتم های رشته ای ، فشرده سازی متن و بیوانفورماتیک متمرکز است.

خلاصه:

مغز از طریق سیگنال های الکتریکی ارتباط برقرار می کند. فن آوری های پزشکی مدرن امکان دستیابی به داده های با وضوح بالا از مغز را فراهم کرده است در حالی که در دنیای واقعی کارهای مختلفی را انجام می دهد. انواع داده های جمع آوری شده شامل داده های EEG ، EEG داخل جمجمه ، MEG و MRI است که به یک پنجره می دهد تا به عملکرد مغز نگاه کند. از یک طرف این امکان را در درک عملکرد مغز در چندین سطح امکان پذیر می کند.

از طرف دیگر ، همچنین در طراحی استراتژی بهتر برای کنترل اختلالات عصبی کمک خواهد کرد. علاوه بر این دو مزیت ، درک عملکرد مغز ما را در طراحی الگوریتم های بهتر در دید رایانه ، پردازش داده ها و غیره قادر می سازد.

تجزیه و تحلیل مقدار عظیمی از داده های حاصل از هر یک از روش های کسب داده های فوق و ایجاد حس قابل اعتماد از آن ، یک چالش مهم مهندسی است. تکنیک های پردازش سیگنال مدرن و ابزارهای یادگیری عمیق در این راستا بسیار مفید بوده اند اما برای پاسخگویی به خواسته های این زمینه باید بیشتر بداهه و متناسب باشند.

کارگاه پیشنهادی با استفاده از ابزارهای یادگیری عمیق بر پردازش داده های EEG داخل جمجمه متمرکز خواهد شد. به عنوان یک مقدمه ، انواع مختلف سناریوهای دستیابی به داده ها ، فناوری های درگیر و محدودیت ها مورد بحث قرار خواهد گرفت. در دسترس بودن منابع مختلف داده باز ، استفاده از انواع مختلف استراتژی های پیش پردازش داده برای به حداکثر رساندن استخراج ویژگی و غیره ، بررسی خواهد شد. با تمرکز بر روشهای یادگیری عمیق ، کاربرد در طبقه بندی سیگنال ها به حالات آسیب شناسی و فیزیولوژیکی بررسی خواهد شد.

سازگاری فن آوری های یادگیری عمیق در زمینه پزشکی ، به توانایی توضیح ویژگی های مربوط به سیگنال مربوطه که شبکه های عصبی عمیق (DNN) برای رسیدن به تصمیمات استفاده می کنند بستگی دارد. این مهم خواهد بود ، حداقل در ابتدا در ترکیب خروجی ها از ابزارهای یادگیری عمیق در تصمیم گیری بالینی. از این دیدگاه ، پرده برداری از ویژگی های مربوطه مورد استفاده شبکه های عصبی در رسیدن به نتیجه گیری خاص ، با استراتژی های تنظیم گرما ، مهم است. این کارگاه ابزارهای تنظیم گرما را مرور می کند و به طور خاص در مورد رویکرد درجه-دوربین در محاسبه نقشه گرما بحث می کند. ابزارهای اضافی تنظیم گرما در دسترس برای DNN ارزیابی می شود.

سیگنال سری زمانی حاوی ویژگی های مختلفی در حوزه های فرکانس و زمان است. استراتژی های مختلف پردازش سیگنال از جمله هیلبرت برای ایجاد همبستگی با یافته های یادگیری عمیق مورد بحث قرار خواهد گرفت.

جنبه دیگری که از نظر تصمیم گیری پزشکی مهم است ، قابلیت اطمینان پیش بینی های انجام شده از طریق DNN است. استراتژی هایی برای ارزیابی اطمینان از پیش بینی های انجام شده توسط DNN بررسی خواهد شد.

به عنوان نتیجه گیری ، چالش برانگیزترین سؤالات در این زمینه ، چه از نظر پزشکی ، علوم اعصاب و چه از نظر علوم اطلاعات ، مورد بحث قرار خواهد گرفت. این کارگاه دانشمندان جوان را قادر می سازد تا در درک این زمینه و انجام وظایف چالش برانگیز ، یک پایه محکم را بدست آورند.

دکتر گیرش یک پزشک پزشکی است که در زمینه فناوری های پزشکی از IIT Kharagpur آموزش دیده است و در حال حاضر مدرک دکتری خود را در رشته مهندسی کامپیوتر دنبال می کند. او در زمینه پردازش سیگنال عصبی در حین انجام فلوشیپ فوق دکترا در مؤسسه ملی بهداشت، بتسدا، کار کرده است. علایق تحقیقاتی شامل استراتژی های نقشه برداری حرارتی در شبکه های عصبی عمیق، استفاده از آنتروپی در سیگنال های عصبی برای تخمین قابلیت اطمینان پیش بینی ها می باشد.

خلاصه:

این آموزش به عنوان مقدمه ای مهندسی محور بر فناوری های مهم Web3 مانند سازمان های غیرمتمرکز خودگردان (DAOs)، بلاک چین ها، ارزهای دیجیتال، قراردادهای هوشمند، ماشین های مجازی مبتنی بر بلاک چین برای برنامه های کاربردی مالی غیرمتمرکز (DeFi) و مقدمه ای بر مقررات و حاکمیت است. چالش های ناشی از این پیشرفت ها.

تمرکز اصلی بر روی بلاک چین های بدون مجوز عمومی، مکانیک کریپتو، قراردادهای هوشمند و حاکمیت بلاک چین خواهد بود. الگوریتم های اجماع، مولدهای اعداد تصادفی، رمزنگاری کلید عمومی، و استفاده از توابع هش رمزنگاری ارائه خواهند شد - و همچنین تجزیه و تحلیل عمیق تری از تکنیک های اجماع "اثبات کار" و "اثبات اثبات سهام" که توسط اکثر افراد استفاده می شود. ارزهای رمزنگاری شده

تأثیر زیست محیطی، اجتماعی و حاکمیتی (ESG) ماینینگ/منتینگ کریپتو و همچنین تفاوت های بین ماینینگ/مینت انفرادی و تلفیقی بررسی خواهد شد. خط مشی های ایجاد/تخریب رمزارز (معروف به «عرضه پول») ارزهای رمزنگاری شده اصلی و همچنین نگهبانی شخصی در مقابل صرافی صرافی ارزهای دیجیتال مورد توجه قرار می گیرد.

هدف اصلی این گفتگو ارائه سطحی عمیق تر از درک این فناوری ها نسبت به رسانه ها است. روزنامه نگاران رمزارز اغلب از توضیحات بلاک چینی حمایت می کنند که بیش از حد ساده سازی و اغلب از نظر واقعیات نادرست است. شرکت کنندگان در این آموزش متوجه خواهند شد که چگونه بیت کوین بهتر از آن روزنامه نگاران کار می کند!

Michael A. Ramalho، Ph. D. یکی از اعضای ارشد IEEE و دریافت کننده جایزه مهندس برجسته شورای فلوریدا IEEE در سال 2021 است. دکتر رامالهو به عنوان مدیر، معمار اصلی و محقق اصلی در شبکه سازی، پردازش سیگنال رسانه ای، ارتباطات یکپارچه، تصحیح خطا مبتنی بر بسته ها، و فناوری های ارتباطی طیف گسترده صوتی، تجربه گسترده ای دارد.

دکتر رامالهو به ویژه در عصر Web1 در زمینه تلفن اینترنتی فعال بود و در طی آن یک برنامه تحقیقاتی در زمینه تلفن اینترنتی در Telcordia Technologies اجرا کرد، رئیس مشترک انجمن Voice Over IP بود و در طول این دوره مدیر فناوری تلفن در Voxware، Inc. IPO. در حالی که در دفتر CTO همکاری در سیسکو سیستمز مشغول به کار بود، او اولین کسی بود که فناوری کدک بدون اتلاف را به تلفن اینترنتی معرفی کرد که نتیجه آن استاندارد G. 711. 0 ITU-T بود.

دکتر رامالهو همچنین برای آزمایشگاه تلفن بل کار کرده است. او دارای مدرک دکتری است. از دانشگاه راتگرز و M. Eng. E. E. از دانشگاه کرنلاو بیش از 56 پتنت دارد. او استانداردهای بسیاری را در ITU-T، IETF، و IMTC و بسیاری از اسناد ورودی پایه استانداردهای ETSI، 3GPP و ANSI کمیته T1 را تالیف کرده است.