Nach positiver Absolvierung der Lehrveranstaltung sind Studierende in der Lage:
1: Erinnern: Die Studierenden werden in der Lage sein, selbsständig zeitgemäße Literatur zu einem Thema im Bereich Funksysteme zu finden und zu bearbeiten. Sie werden in der Lage sein, grundlegenden Probleme zu kennen wie sie in modernen Mobilfunkanlagen auftreten werden.2: Verstehen: Die Studierenden werden in der Lage sein, zukünftige Herausforderungen zu verstehen, indem sie die Prinzipien der modernen Übertragung erlernen.3: Anwenden: Die Studierenden werden in der Lage sein, Methoden zur Lösung der diskutierten Problematik zu verwenden. Sie erhalten die Fähigkeit zur Kommunikation und Zusammenarbeit: Die Teilnehmer verbessern ihre Kommunikations- und Zusammenarbeitsfähigkeiten durch teambasierte Aktivitäten, Diskussionen und Präsentationen.4: Analysieren: Die Studierenden werden in der Lage sein, Lösungsvorschläge zu analysieren.5: Synthetisieren: Die Studierenden werden in der Lage sein, Lösungsvorschläge im zukünftigen Netz umzusetzen.6: Bewerten: Die Studierenden werden in der Lage sein, die Leistungsfähigkeit der vorgeschlagenen Lösungen (einschließlich Forschungsarbeiten, Patente und Branchenberichte) kritisch zu beurteilen.
Die Studenten sind damit für eine Tätigkeit in der österreichischen und europäischen Industrie oder bei Netzbetreibern vorbereitet.
In the mobile communications seminar focused on machine learning's role in enabling future wireless networks, including 5G and beyond, we explore the urgent need for networks to support vastly increased capacity, reduced latency, optimized energy use, and self-awareness. The seminar covers how data-driven solutions can tackle key challenges such as resource allocation, traffic management, network optimization, security, and Quality of Service (QoS) enhancement. Through expert lectures, literature review, and discussions, participants gain insights into the integration of machine learning with wireless technology to meet the evolving demands of modern telecommunications.
In this lecture, we will hear talks on how to reach these goals and conduct self-study in current literature as well as present the condensed papers knowledge.
Die Unterrichtsmethoden, die in einem Seminar verwendet werden, können je nach aktuellem Thema variieren. Die gängigen Unterrichtsmethoden, die in diesem Seminar verwendet werden, sind:
Vorlesung: In einem Seminar präsentiert der Dozent Informationen und Konzepte den Teilnehmern.
Diskussion: Diskussionen sind ein wichtiger Bestandteil von Seminaren. Sie ermöglichen den Teilnehmern, ihre Ideen zu teilen, Fragen zu stellen und verschiedene Perspektiven zu erkunden.
Fallstudien: Fallstudien sind eine wertvolle Unterrichtsmethode in Seminaren, da sie den Teilnehmern reale Beispiele für Konzepte und Theorien bieten. Die Teilnehmer können die Fallstudie als Ganzes analysieren und diskutieren und die Experten um Feedback bitten.
Gruppenaktivitäten: Gruppenaktivitäten wie Brainstorming, Problemlösung und Reiseaktivitäten helfen den Teilnehmern, die Konzepte, die sie im Seminar gelernt haben, auf reale Situationen anzuwenden. Gruppenaktivitäten können auch Teamwork und Kommunikationsfähigkeiten verbessern.
Präsentationen: Die Teilnehmer können die Möglichkeit haben, ihre Ideen, Forschungsergebnisse oder Projekte der Seminargruppe vorzustellen. Dies ermöglicht es den Teilnehmern, ihre Fähigkeiten im öffentlichen Sprechen zu entwickeln und Feedback von ihren Kollegen zu erhalten.
Insgesamt werden nur die modernsten Methoden angewendet, die derzeit diskutiert werden.
Note: 389.075 will not be offered anymore from 2017 on.
Note: Visiting the course of the partner universities is a mandatorily required element of the seminar, make sure that you are able to join.
The seminar starts in March 7th with a 15min introduction session.
If you like to participate, please join on the date and contact philipp.svoboda@tuwien.ac.at
for recent information
the course is held in English. We will also travel to TU Bratislava and maybe as well to TU Brno to attend the corresponding seminar over there. Attendance on these trips is required.
See dates for the details of the course
Im ersten Teil des Seminars präsentieren Forscher und Experten Ihre neuesten Forschungsergebnisse und Sichtweisen in ihrem Teil von 5G and beyond, sowie neue Anwendungen und Herausforderungen für kommende Technologien.
Im zweiten Teil des Seminars werden die Studierenden Literatur und Forschungsarbeiten zu Machine Learning für 5G and beyond lesen und ihre Ergebnisse durch eigene Präsentationen reflektieren. Bitte wählen Sie bis Ende März zwei Arbeiten aus unserer vorgeschlagenen Liste aus und melden Sie diese bei Philipp Svoboda an. Die Arbeiten werden auf Anfrage zugeteilt.. Hinweis: Sie können auch Ihr eigenes Thema / Publikation mitbringen, die Liste ist nur eine Empfehlung.
Die Runde der Studentenvorträge beginnt nach den Osterferien an Donnerstagen mit 2-3 Studierenden pro Sitzung. Eine Liste mit Terminen wird nach der Auswahl online gestellt.
Die Teilnahme an den Seminarterminen ist obligatorisch! Wir werden Ihre Teilnahme überprüfgen. Das Seminar beginnt mit eingeladenen Vorträgen, und danach halten die Studierenden selbst vorbereitete Präsentationen (~30min). Jeder Studierende muss einen schriftlichen Bericht vorbereiten, der spätestens am Ende des Semesters (bis spätestens 15. Juni!) (~15 Seiten) abgegeben werden muss.
Die Vorträge finden laut Kalender statt, weitere Details werden im Kurs bekannt gegeben.
Bitte beachten Sie die Richtlinien der TU Wien zum Umgang mit Plagiaten beim Verfassen Ihrer Seminararbeit: https://www.tuwien.ac.at/fileadmin/t/ukanzlei/Lehre_-_Leitfaden_zum_Umgang_mit_Plagiaten.pdf
List of Papers (work in progress):
Multi-Agent Reinforcement Learning for Power Control in Wireless Networks via Adaptive Graphs
A Distributed Neural Linear Thompson Sampling Framework to Achieve URLLC in Industrial IoT
GUMBLE: Uncertainty-Aware Conditional Mobile Data Generation using Bayesian Learning
An End-To-End Analysis of Deep Learning-Based Remaining Useful Life Algorithms for Satefy-Critical 5G-Enabled IIoT Networks
Data-driven Predictive Latency for 5G: A Theoretical and Experimental Analysis Using Network Measurements
A new scheduler for URLLC in 5G NR IIoT networks with spatio-temporal traffic correlations
Uplink Scheduling in Federated Learning: an Importance-Aware Approach via Graph Representation Learning
Distributed resource allocation for URLLC in IIoT scenarios: A multi-armed bandit approach
Cellular network capacity and coverage enhancement with MDT data and deep reinforcement learning
Reinforcement Learning-Based Trajectory Planning For UAV-aided Vehicular Communications
Optimizing beam selection and resource allocation in uav-aided vehicular networks
Energy Optimization in Sustainable Smart Environments With Machine Learning and Advanced Communications
Nicht erforderlich
This seminar is targeted for students in the Master of Telecommunications. Note that the seminar requires travelling to Bratislava and is held entirely in English