Implémentation d'un modèle machine learning pour la prédiction de congestion dans les équipements d'antennes.

Abstract

mesure que les réseaux de télécommunications évoluent et que la demande de services explose, les risques de congestion augmentent, menaçant la qualité du service et l'expérience utilisateur. Anticiper ces congestions est devenu un défi majeur pour les opérateurs. Ce mé- moire propose une approche basée sur l'algorithme CatBoost pour prédire les congestions avant qu'elles ne surviennent. En utilisant les données de trafic réseau d'Optimum Telecom Algérie "Djezzy", notre modèle permet d'identifier de manière proactive les équipements susceptibles de subir une surcharge. Cette solution vise à améliorer la gestion du réseau en offrant la possibilité de prendre des mesures préventives pour éviter la congestion. Les résultats sont présentés via un tableau de bord interactif, facilitant ainsi l'analyse et la prise de décision.