Felhőalkalmazások és ezeket támogató platformok kutatása

2022-2023 ősz

Szoftver

Téma leírása

Felhőalkalmazások és ezeket támogató platformok kutatása

Kutatási kihívások iránt érdeklődő hallgatók jelentkezését várjuk, akik csatlakozhatnak nemzetközi fórumokon folyamatosan megjelenő, az Ericsson kutatási központjával együttműködő csoportunkhoz (MTA-BME Lendület NetSoft Kutatócsoport). Számukra extra foglalkozásokat és hosszú távú (TDK-ig, akár PhD-ig vihető) témákat biztosítunk.

Konzulensek:
Dr. Sonkoly Balázs, Egyetemi docens, sonkoly.balazs@vik.bme.hu
Dr. Toka László, Egyetemi docens, toka.laszlo@vik.bme.hu
Dr. Rétvári Gábor, Tudományos főmunkatárs, retvari.gabor@vik.bme.hu

Téma leírása

Cloud native, Kubernetes, microservice, service mesh, OpenFlow: olyan technológiák, amik alapvetően változtatják meg a jövő alkalmazásait, azok fejlesztését és üzemeltetését. A legnagyobb tech óriások, mint a Google, Microsoft vagy az Amazon, mellett számos kis cég és startup is részt vesz az új ökoszisztéma kialakításában, mivel az open source alapokon való építkezés bárki számára lehetővé teszi az új ötletek kontributálását. Ebben az új világban a konténerekből felépített alkalmazásainkat egy felhő platform menedzseli, ami képes az aktuális igényekhez igazodóan indítani/leállítani/átmozgatni konténerek százait, míg a konténerek közötti folyamatos kommunikációt szoftver-alapú hálózatok oldják meg.

Ezek az összetett felhő alapú rendszerek magukban foglalják az új (néha extrém) alkalmazásokat, a felhő platformokat (és azok különböző kiterjesztéseit), valamint a fizikai és virtuális hálózatokat. A hallgatóknak lehetőségük van bekapcsolódni az új felhő- és hálózati platformok kutatásába és fejlesztésébe. Mi az alábbi feladatokat ajánljuk, de saját ötletek kidolgozására is biztosítunk lehetőséget. Érdeklődés esetén a témák továbbvihetők szakdolgozatnak, diplomatervnek és TDK dolgozatnak is.

Feladatok leírása:

- Új felhő- és hálózati platform szolgáltatások AR (Augmented Reality) alkalmazásokhoz

A modern felhő platformok és új típusú (5G/6G) hálózatok szorosan integrált rendszerében számos új alkalmazás válik megvalósíthatóvá. Ilyenek például az AR/VR alkalmazások, amik a felhő platformok számítási kapacitásával kombinálva sok "elborult" ötlet megvalósítására adnak lehetőséget. A hallgató feladata új AR alkalmazások megvalósítását támogató felhő- és hálózati szolgáltatások kidolgozásában és implementálásában való aktív részvétel.

- Késleltetésérzékeny cloud native alkalmazásokat támogató platformok

Ha eleve felhő környezetre tervezünk alkalmazást, a hagyományostól eltérő módszerekre és technológiákra van szükség. Külön kihívást jelent a késleltetésérzékeny alkalmazások megvalósítása, ugyanis ezek a platformok jelenleg még nem nyújtanak performancia garanciákat. A hallgató bekapcsolódik azokba a kutatásokba, melyek célja új módszerek kidolgozása felhő- és hálózati platformokhoz, melyek lehetővé teszik késleltetésérzékeny felhőalkalmazások megvalósítását is. Ilyen komplex rendszerek optimalizálására például gépi tanulási módszerek használhatóak.

- Hálózati szolgáltatások fejlesztése Kubernetes alapokon

A hallgató feladata magas rendelkezésre-állású felhő alapú hálózati szolgáltatások (például audió-videó konferencia, cloud gaming, VPN, alkalmazás-szintű átjárók, programozható proxik, skálázási operátorok) fejlesztése. A hallgató a témalabor keretében elsajátítja a Go nyelv alapjait és Kubernetes környezetben fejleszti és teszteli az elkészített alkalmazásokat.

- Sportanalitika

Az újfajta adatgyűjtési módszerek és adatbányászati technikák, a „big data” információrobbanás révén a sportanalitika komplexitása és jelentősége meredeken ível. A meccsek statisztikái és eseménynaplói, valamint a többkamerás videofelvételek alapján modelleket állíthatunk fel a játékosok, csapatok, taktikák megértése és a meghatározó események előrejelzése céljából. Többek között az alábbihoz hasonló, komplex kérdésekre is kereshetjük a választ: A tudomány módszereivel hogyan segíthető az utánpótlásnevelés? Illeszkedik-e a játékos egy adott csapat vagy játékrendszer egyedi stílusához? Statisztikailag alátámasztható döntést hozott-e a játékos egy adott szituációban? A hallgatók feladata az adatelemzés, adatbányászati eljárások, deep learning, és az ezekhez szükséges hagyományos és „big data” eszközök, és a kapcsolódó felhő-, illetve hálózati technológiák megismerése, használata és fejlesztése. Választható témák és technológiák széles választékát kínáljuk (sportelemzés, adatbányászat, videofeldolgozás, deep learning, cloud, IoT).


Korábbi eredmények:

Demók:
https://netsoft.gsuite.tmit.bme.hu/demos

A sportanalitika kutatócsoport eddigi publikációi:
https://www.researchgate.net/project/Sports-analytics-7


Feltételek:

Alapvető programozási ismeretek
English
Python

Maximális létszám: 8 fő


Külső partner: NetSoft Kutatócsoport

Maximális létszám: 8 fő