Stage : Estimation de qualité de navigation Web par apprentissage automatisé (H/F)

Description de l'offre

about the role

Sous la responsabilité de votre encadrant, vous étudierez et évaluerez une nouvelle méthode d'estimation de la qualité d'expérience du service internet ressentie par un utilisateur. Cette nouvelle méthode est basée sur l'apprentissage automatisé (« machine learning »).

La navigation Web est le service Internet le plus utilisé. Cependant, évaluer la qualité de navigation perçue par les utilisateurs de manière objective n'est pas aisé. Des organismes de normalisation comme le W3C (World Wide Web Consortium) ou de gros acteurs tels que Google ou Firefox essaient de définir des métriques applicatives, mais cela n'est pas rendu simplement à l'utilisateur. De plus, ces métriques sont quelques fois mal interprétées ou insuffisantes.

L'objet de ce stage est de pouvoir estimer la QoE (Quality of Experience) des utilisateurs naviguant sur Internet par une approche basée sur l'apprentissage (machine learning). Le machine learning fait partie des solutions d'intelligence artificielle et permet d'obtenir des résultats de manière automatique (programme) à partir d'un ensemble de données sources.

Dans ce stage, l'objectif est d'estimer une qualité d'expérience possiblement ressentie par l'utilisateur (note de 0 à 5) à partir d'un large ensemble de données de mesures (obtenues grâce à un outil d'automatisation de tests). Ces données sont, par exemple, le temps nécessaire pour récupérer les données, le temps pour afficher le contenu, la localisation des serveurs contactés, le nombre d'objets composant la page Web demandée, etc. Une approche de collecte distribuée des informations pourrait être mise en oeuvre pour corréler les données et obtenir ainsi une estimation plus précise.

Dans un premier temps, l'étudiant prendra en main l'outil de machine learning, analysera les différents algorithmes d'estimation avec des exemples et des jeux de données publiques.

Ensuite, il appliquera les jeux de données issus de l'outil d'automatisation des tests, étudiera et analysera le (ou les) algorithmes les plus adaptés et réalisera le programme permettant d'estimer la QoE potentielle d'un utilisateur en fonction des métriques pertinentes du jeu de données.

Au cours du stage, vous serez amené à échanger avec d'autres chercheurs de l'équipe ou d'autres entités, et présenter votre travail.

about you

Vous êtes ingénieur-e et/ou étudiant-e en master de recherche en Bac + 5 en télécoms ou équivalent.
Vous avez des compétences solides en développement (C, Java, Python, etc.) et disposez de bonnes connaissances en système informatique Linux et protocoles réseaux.

La maîtrise de modèles mathématiques (k plus proches voisin, arbre de décisions, classification naïve bayésienne, etc.) serait un vrai plus.

Votre rigueur et votre autonomie seront la base de votre réussite dans cette mission. La maîtrise de l'anglais est indispensable.

additional information

Ce stage est basé à Lannion (Bretagne) pour une durée de 6 mois, à compter du premier trimestre 2018.

L'équipe que vous intégrez est particulièrement active dans les travaux de recherche et contribue significativement à des projets collaboratifs européens et nationaux. Ce stage est en partie en relation avec un projet de recherche national, mais il s'inscrit aussi dans un programme plus global d'Orange, visant à mesurer et améliorer l'expérience client et identifier les raisons en cas de dégradation de la qualité perçue.

department

Au sein de la division WNI (Wireline Networks and Infrastructure) d'Orange Labs Networks, le département IPN (IP Networks, Monitoring and Security) est chargé de définir et piloter la stratégie d'évolution du domaine de réseau IP, cette dernière étant adaptée aux besoins des applications moteurs de la croissance et des Business du Groupe Orange.

L'équipe ITEQ (Innovation Towards Enhanced QoS), dans laquelle vous travaillerez, mène des travaux sur les nouveaux protocoles réseaux permettant d'offrir une meilleure qualité aux utilisateurs, comme par exemple HTTP/2 ou QUIC (Quick UDP Internet Connections) et sur les mécanismes de contrôles de ressources réseaux.

contract

Internship

Duration : 6 months

Level : Master 2, Master 1