Soutenance de thèse d'Amine ECHRAIBI

Résumé: Pour tout fournisseur d'accès Internet ou opérateur de réseau, il est crucial d'identifier rapidement et efficacement les problèmes qui surviennent sur le réseau. Les avantages d'un bon système de diagnostic des pannes sont principalement de minimiser les coûts d'exploitation du réseau et d'améliorer la qualité de l'expérience du client. Un défi majeur pour tout système de diagnostic concerne la découverte de nouvelles pannes, inconnues de la version actuelle du système de diagnostic. Le processus exploratoire pour trouver de nouvelles pannes peut s'avérer coûteux et long pour les fournisseurs de services Internet. Dans cette thèse, nous explorons une approche alternative basée sur des méthodes d'apprentissage, af in de construire des systèmes de diagnostic autonomes. Notre étude explore des modèles graphiques probabilistes capables de regrouper des motifs de pannes de manière non supervisée et semi supervisée. Nous démontrons l'efficacité de nos modèles sur des cas d'utilisation réels de données à grande échelle, extraites de réseaux et de services 'Fiber to the Home' (FTTH).