CDR-based location analytics & gender prediction from subscribers’ list of installed mobile applications

Detalhes bibliográficos
Autor(a) principal: Sheikh, Dahmane
Data de Publicação: 2020
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10362/95514
Resumo: Internship Report presented as the partial requirement for obtaining a Master's degree in Data Science and Advanced Analytics
id RCAP_3d3e841f96ac888e73536159edc60378
oai_identifier_str oai:run.unl.pt:10362/95514
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling CDR-based location analytics & gender prediction from subscribers’ list of installed mobile applicationsBig dataLocation analyticsHuman mobilityMobile phone location dataCall detail recordsDemographics predictionGenderMobile devicesMobile applicationsMachine learningInternship Report presented as the partial requirement for obtaining a Master's degree in Data Science and Advanced AnalyticsBig Data is big news in most industries, and telecommunication is no exception. Over the last decades, telecom operators experienced numerous changes in their business models, driven by technological innovations. Although, telecom operators have long had access to substantial bits of data, the scenario has radically evolved with the advent of smartphones, mobile broadband, rapid development of internet, growth of mobile services and Big Data Analytics capabilities (BDA). In today’s data intensive world of communications, tremendous amount of diverse type of data are generated by telecom, bringing both challenges and opportunities to the table. This present internship report summarises my contribution part of the Big Data & Advanced Analytics team of Vodafone Portugal with two research projects; The first one consisted in studying human mobility from cellular network-based data, considering the so-called Call Detail Records (CDR) as a core proxy to extract spatiotemporal density distribution at finer geospatial granularity levels. The second consisted in conducting an observational study of the predictability of mobile subscribers’ demographic traits from their installed mobile applications. The latter has the use-case of predicting the gender of mobile subscribers. Both research projects draw attention to the particular ubiquity aspect of connected mobile devices, being widely available and used all over the world.A área de Big Data é uma grande novidade para a maioria das empresas, incluindo as companhias de telecomunicação. Durante as últimas décadas, e graças às inovações tecnológicas, os operadores de telecomunicações viveram muitas mudanças nos seus modelos de atividade comercial. Embora as empresas de telecomunicação já tinham acesso a uma quantidade considerável de dados (bits), o cenário mudou por completo com a chegada dos smartphones, a banda larga, o rápido desenvolvimento de internet, um grande crescimento dos serviços móveis e o Big Data Analytics Capabilities (BDCA). A frenética realidade atual do mundo das comunicações, cria uma grande e diversa quantidade de dados, gerada pelas empresas de telefonia, supondo ao mesmo tempo novos desafios e oportunidades. No seguinte relatório de estágio, resume-se a minha contribuição à equipa de Big Data e Advanced Analytics de Vodafone com dois projetos de investigação: O primeiro projeto consistiu em estudar a mobilidade dos humanos baseando-se nos dados extraídos da rede móvel, considerando o chamado Call Detail Records (CDR) como principal variável para poder obter informação mais detalhada sobre a densidade espácio-temporal em níveis de granularidade. O segundo projeto é um estudo observacional sobre a previsibilidade das características demográficas dos utentes tendo em conta as aplicações instaladas nos seus telemóveis. O caso prático deste último pretende predizer o género dos clientes da rede móvel. Estes dois projetos de investigação pretendem chamar a atenção para a posição onipresente que ocupam os dispositivos móveis ligados à rede na nossa sociedade, estando disponíveis e sendo utilizados no mundo inteiro.Castelli, MauroRUNSheikh, Dahmane2020-04-02T07:55:01Z2020-03-092020-03-09T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10362/95514TID:202468445porinfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2024-03-11T04:43:33Zoai:run.unl.pt:10362/95514Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-20T03:38:22.251261Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv CDR-based location analytics & gender prediction from subscribers’ list of installed mobile applications
title CDR-based location analytics & gender prediction from subscribers’ list of installed mobile applications
spellingShingle CDR-based location analytics & gender prediction from subscribers’ list of installed mobile applications
Sheikh, Dahmane
Big data
Location analytics
Human mobility
Mobile phone location data
Call detail records
Demographics prediction
Gender
Mobile devices
Mobile applications
Machine learning
title_short CDR-based location analytics & gender prediction from subscribers’ list of installed mobile applications
title_full CDR-based location analytics & gender prediction from subscribers’ list of installed mobile applications
title_fullStr CDR-based location analytics & gender prediction from subscribers’ list of installed mobile applications
title_full_unstemmed CDR-based location analytics & gender prediction from subscribers’ list of installed mobile applications
title_sort CDR-based location analytics & gender prediction from subscribers’ list of installed mobile applications
author Sheikh, Dahmane
author_facet Sheikh, Dahmane
author_role author
dc.contributor.none.fl_str_mv Castelli, Mauro
RUN
dc.contributor.author.fl_str_mv Sheikh, Dahmane
dc.subject.por.fl_str_mv Big data
Location analytics
Human mobility
Mobile phone location data
Call detail records
Demographics prediction
Gender
Mobile devices
Mobile applications
Machine learning
topic Big data
Location analytics
Human mobility
Mobile phone location data
Call detail records
Demographics prediction
Gender
Mobile devices
Mobile applications
Machine learning
description Internship Report presented as the partial requirement for obtaining a Master's degree in Data Science and Advanced Analytics
publishDate 2020
dc.date.none.fl_str_mv 2020-04-02T07:55:01Z
2020-03-09
2020-03-09T00:00:00Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10362/95514
TID:202468445
url http://hdl.handle.net/10362/95514
identifier_str_mv TID:202468445
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799138000258465792

Registros relacionados