Si bien las redes crecen cada vez más en velocidad, también se vuelven más complejas y difíciles de administrar. En consecuencia, los administradores de red tienen crecientes dificultades para operar y optimizar sus redes. En este contexto, la comunidad relacionada con las redes de comunicación (fabricantes, operadores, investigadores, etc.) se apoya cada vez más en métodos de Inteligencia Artificial/Aprendizaje Automático (AI/AA) para administrar redes complejas. Desafortunadamente, para muchas tareas, como la monitorización y la resolución de problemas, un modelo AI/AA es de poca utilidad si no puede ser interpretado por un operador humano.

En este proyecto trabajaremos sobre una propuesta de Aprendizaje Automático Interpretable basado en el Análisis Multivariante de Big Data para resolver problemas de red. Utilizaremos una metodología que llamamos Retemetría (Networkmetrics), en referencia al uso del análisis multivariante interpretable en aplicaciones de red. El nombre representa la combinación del dominio de la aplicación (ingeniería de redes, del latín rete-) y el sufijo "-metría", heredado de otras disciplinas donde el análisis multivariante ha sido ampliamente adoptado, tanto en la academia como en la industria.

Este proyecto tiene como objetivo incentibar el uso de propuestas retemétricas, con tres objetivos interrelacionados:

• OBJETIVO 1: Aplicar la retemetría a las tecnologías modernas de Internet. En particular, nos centraremos en desarrollar nuevos enfoques y algoritmos para redes definidas por software.

• OBJETIVO 2: Extender técnicas multivariantes novedosas al Big Data, en aplicaciones como detección de fallos, ciberseguridad, clasificación de tráfico y optimización de redes.

• OBJETIVO 3: Impulsar la retemetría en la comunidad internacional, tanto en la industria como en el mundo académico.