WINDMÜHLE

Projekt-Typ Maschinelles Lernen und Talent

Gesamtprojektkosten 4,072,823.64 €

Projekt-Website https://windmill-itn.eu/

Über das Projekt

Integration von drahtloser Kommunikationstechnik und maschinellem Lernen

Mit ihrer Entwicklung in Richtung 5G und darüber hinaus treten drahtlose Kommunikationsnetzwerke in eine Ära massiver Konnektivität, massiver Daten und extremer Serviceanforderungen ein. Ein vielversprechender Ansatz, um ein solches Ausmaß an Komplexität und Datenvolumen erfolgreich zu bewältigen, ist die Entwicklung neuer Netzwerkmanagement- und Optimierungs-Tools, die auf maschinellem Lernen basieren. Dies ist eine große Veränderung in der Art und Weise, wie drahtlose Netzwerke entworfen und betrieben werden, und stellt Anforderungen an eine neue Art von Fachwissen, das die Kombination von Ingenieurs-, Mathematik- und Informatikdisziplinen erfordert. Das ITN-Projekt WindMill adressiert diesen Bedarf, indem es Early Stage Researchers (ESRs) mit einer Expertise ausstattet, die drahtlose Kommunikation und maschinelles Lernen integriert. Das Projekt wird 15 ESRs innerhalb eines Konsortiums aus führenden internationalen Forschungsinstituten und Unternehmen ausbilden, die Experten für drahtlose Kommunikation und maschinelles Lernen sind. Dies ist ein sehr zeitgemäßes Projekt, das eine relevante interdisziplinäre Ausbildung in einem Bereich bietet, in dem maschinelles Lernen eine sinnvolle Erweiterung der gegenwärtig in drahtlosen Kommunikationssystemen verwendeten Methodik darstellt. Dementsprechend wird das Projekt eine neue Generation von Experten hervorbringen, die auf dem Arbeitsmarkt äußerst wettbewerbsfähig sind, wenn man bedenkt, in welchem Ausmaß maschinelles Lernen die Zukunft beeinflussen wird und die Personen, die sich damit auskennen, befähigt. Das Projekt wird auch das Verantwortungsbewusstsein der ESRs und der anderen Teilnehmer durch persönliches Engagement im Trainingsprogramm und durch die Förderung der Teamarbeit durch gemeinsame Projekte fördern.

Dieses Projekt wurde mit Mitteln aus dem Forschungs- und Innovationsprogramm Horizont 2020 der Europäischen Union unter der Fördervereinbarung Nr. 813999