Introducción al Modelado de Redes

• Horas semanales
• Competencias
• Objetivos
• Contenidos
• Actividades
• Metodología docente
• Método de evaluación
• Bibliografía
• Web links

Horas semanales

Competencias

Competencias Técnicas de cada especialidad

Computer networks and distributed systems

• CEE2.2 - Capacidad de entender los modelos, problemas y algoritmos relacionados con las redes de computadores, así como poder diseñar y evaluar algoritmos, protocolos y sistemas que traten la problemática de la redes de comunicación entre computadores.

Competencias Técnicas Genéricas

Genéricas

• CG4 - Capacidad para la dirección general y técnica de proyectos de investigación, desarrollo e innovación, en empresas y centros tecnológicos, en el ámbito de la Ingeniería Informática.

Competencias Transversales

Actitud frente al trabajo

• CTR5 - Tener motivación para la realización profesional y para afrontar nuevos retos, así como una visión amplia de las posibilidades de la carrera profesional en el ámbito de la Ingeniería en Informática. Tener motivación por la calidad y la mejora continua, y actuar con rigor en el desarrollo profesional. Capacidad de adaptación a los cambios organizativos o tecnológicos. Capacidad de trabajar en situaciones de falta de información y/o con restricciones temporales y/o de recursos.

Básicas

• CB6 - Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio.

Objetivos

1. The main goal of the course is to develop in the students quantitative modeling skills, based on probabilistic techniques.
   Competencias relacionadas:

Contenidos

1. Discrete probability models
   Basic results. Examples: IQ switch max throughput, hash tables and ethernet switching. Anticolision methods in RFID tags. Blocking probabilities in optical switches. TCP window model. Bayesian antispam filters. Fountain codes.
2. Continuous probability models
   Basic results. Exponential and Poisson distribution. Palm's theorem. PASTA. Residual times paradox. Large number laws. Normal distribution and Central Limit theorem. Multivariate Gaussian distributions. Examples: Basic teletraffic models. Path estability in MANETs. Epidemic models in networks. Additive Gaussian Noise. Filtering smartphone sensor data.
3. Lineal systems and signal space
   Lineal spaces and lineal systems. Orthogonality. Fourier Series. Sampling theorem. Fast Fourier Transform. Random processes. Examples: Wireless transmission. IEEE 802.11g and 802.11n. Image compression.

Actividades

Actividad Acto evaluativo

Metodología docente

Método de evaluación

Bibliografía

Básica:

• Information theory, inference, and learning algorithms - Mackay, David, Cambridge University Press, cop. 2003. ISBN: 9780521642989
  http://cataleg.upc.edu/record=b1269009~S1*cat
• An Introduction to probability theory and its applications (vol 1 and 2) - Feller, William, John Wiley and Sons, cop. 1968. ISBN: 0471257087
  http://cataleg.upc.edu/record=b1005063~S1*cat
• Linear Mathematics in Infinite Dimensions: Signals, Boundary Value Problems and Special Functions - U. H. Gerlach , May 2010 .
  http://www.math.osu.edu/~gerlach.1/math/BVtypset/

Web links

• You can find a pdf copy of MacKay's book http://www.inference.phy.cam.ac.uk/mackay/itila/