Le but de ce cours est d'enseigner aux étudiants comment modéliser, analyser et optimiser les performances des différents réseaux en utilisant des outils théoriques simples. L'objectif final est de mettre en évidence les propriétés sous-jacentes communes, développer une solide connaissance de haut niveau sur les paramètres réseau affectant les performances du réseau, et de comprendre comment optimiser un système en réseau.
Chaque classe sera un mélange d'outils théoriques nécessaires, et leur application aux réseaux du monde réel. Nous allons examiner des exemples de réseaux cellulaires modernes, la planification des capacités, des protocoles MAC, « Cloud Computing » et « Web Server Farms », la sécurité des réseaux, (par exemple, les infections virales), réseaux sociaux comme Facebook et Twitter, les moteurs de recherche (algorithme de Google, par exemple PageRank), et bien d'autres.
Enseignement et Méthodes d'apprentissage: cours, devoirs et labs de programmation.
Bibliographie : Articles de recherche sur le web, et les chapitres sélectionnés à partir de:
"Performance Modeling and Design of Computer Systems" by Mor-Harchol-Balter,
"Networks, Crowds, and Markets: Reasoning About a Highly Connected World" by D. Easley and T. Kleinberg,
Chaînes de Markov avec Applications : Les chaînes de Markov sont l'un des outils d'analyse le plus appliqué pour modéliser une très large gamme de réseaux et de problèmes de réseau. Nous allons introduire les chaînes de Markov à temps discret et à temps continu et discuter leur application pour résoudre le problème comme les moteurs de recherche sur le Web, les performances du protocole MAC et la modélisation de la mobilité.
Queueing théorie et planification : Nous allons utiliser les chaînes de Markov pour analyser des modèles de files d'attente simples pour les systèmes avec un ou plusieurs serveurs puis discuter de la façon de planifier de façon optimale du calcul des emplois, ou le trafic de communication, en utilisant une série d'exemples « Web server farms » et « Cloud Computing », la planification de réseau mobile, les réseaux cognitifs, etc.
Réseaux sociaux et complexes : Certains des systèmes les plus intéressants dans le cyber-monde d'aujourd'hui sont de grands réseaux avec une structure et une dynamique complexe. Quelques exemples sont l'Internet, les réseaux sociaux en ligne (par exemple Facebook, Twitter), les réseaux peer-to-peer (par exemple Skype, BitTorrent), etc. Nous allons présenter quelques modèles et les propriétés des graphes aléatoires clés, tels que les graphiques de Poisson, sans échelles graphiques, graphiques à échelle réduite, attachement préférentiel, la structure des communautés, etc., et apprendre comment modéliser et comprendre les processus et les dynamiques tels que la recherche de tels réseaux, les mesurer, comment les rumeurs ou les logiciels malveillants se propage sur ces réseaux, etc.
Applications et Systèmes Réels : La plupart des sujets ci-dessus seront présentés ainsi que quelques applications importantes tirées de domaines tels que, la mesure de l'Internet, la recherche en peer-to-peer (P2P), l'échantillonnage des réseaux sociaux, etc. La classe comprendra devoirs met à pratiquer le matériel appris, et deux laboratoires de programmation. Un laboratoire sera en utilisant des ensembles de données à partir de réseaux réels, et le problème de groupe en classe de résolution.
Résultats d'apprentissage:
- Être capable de comprendre un grand système en réseau, et de faire des prédictions sur sa performance.
- Être capable d'identifier le cause principal de mal performance pour une large gamme de problèmes de réseau, une compétence précieuse pour tout manager ou consultant.
- Comprendre le principe sous-jacent de base derrière certains des réseaux les plus importants et les systèmes autour de nous, comme le Cloud Computing, les batteries de serveurs, moteurs de recherche Internet, les réseaux cellulaires, réseaux sociaux, Viral Diffusion de l'information, etc.
Nb heures: 42.00
Evaluation : Midterm (30%), Final (50%), Devoirs et Labs (20%), Participation (bonus)
