En los servicios de emergencia, cada segundo cuenta. La capacidad de establecer una comunicaciones críticas fiables y claras puede marcar la diferencia en situaciones críticas. Los sistemas de comunicaciones de emergencia, que integran voz, datos y ubicación, dependen cada vez más del protocolo SIP, y es aquí donde el proyecto MLSIP puede aportar un valor…
La implementación del sistema MLSIP no se limita a usar un modelo de Machine Learning, sino que abarca un ciclo de vida completo que va desde la recopilación de datos hasta el despliegue y la monitorización del modelo. Este proceso, gestionado a través de una potente API RESTful, asegura que el sistema no solo sea…
Para que los algoritmos de Machine Learning de MLSIP aprendan a optimizar el tráfico, necesitan una materia prima fundamental: datos. Y no cualquier dato, sino un conjunto de datos masivo, variado y representativo que simule las complejidades de un entorno de producción real. Con este objetivo, el equipo de Quobis ha implementado un sofisticado entorno…
La telefonía empresarial ha evolucionado drásticamente. Hoy, las comunicaciones no se limitan a un teléfono fijo en la oficina; se extienden a través de softphones en portátiles, aplicaciones móviles y sistemas de videoconferencia, conectando a equipos que trabajan desde cualquier lugar. Esta flexibilidad depende de sistemas de telefonía basados en SIP, pero también expone las…
El proyecto MLSIP tiene dos objetivos técnicos clave: optimizar el enrutamiento de la señalización (SIP) y mejorar el rendimiento de la red adaptando el tráfico de media (RTP). Para lograr esta manipulación integral, la arquitectura del proyecto se apoya en la combinación de dos potentes herramientas de código abierto: Kamailio y RTPengine. Kamailio es el…
Los call centers y centros de contacto son uno de los principales casos de uso donde el proyecto MLSIP tendrá un impacto directo y significativo. Estos entornos manejan volúmenes masivos de llamadas, donde cada segundo de retraso, cada llamada fallida o cada comunicación de baja calidad puede suponer una pérdida económica y un deterioro de…
El éxito del proyecto MLSIP reside en una arquitectura robusta y modular, diseñada para integrar la toma de decisiones inteligentes en el flujo de las comunicaciones en tiempo real. El equipo de Quobis ha definido una arquitectura definitiva que combina componentes de código abierto de alto rendimiento con un servicio de Machine Learning desarrollado a…
![[Webinar] Monitorización de redes de voz: ¿Qué alarmas son imprescindibles?](https://quobis.com/wp-content/uploads/2024/01/webinar_alertasMesa-de-trabajo-1-100-768x434.jpg)
El próximo miércoles 24 de enero de 2024 a las 16:00h CEST presentaremos un nuevo webinar destinado al administradores de redes VoIP.. Inscribirme Presentación: La monitorización de la red VoIP es la primera línea de defensa que garantiza la continuidad del negocio, así como protege la calidad de la experiencia de llamadas entre trabajadores y clientes. Las alarmas, son en…
Las redes de comunicaciones en tiempo real, basadas en el protocolo SIP, son la columna vertebral de la telefonía empresarial, los call centers y las comunicaciones unificadas. Sin embargo, su gestión tradicional se basa en configuraciones quasi-estáticas y en la intervención manual de expertos para reaccionar ante problemas como la congestión de red o la…
Quobis convoca a aquellas entidades especializadas en machine learning y redes neuronales, a presentar su propuesta de colaboración en el proyecto MLSIP parte del «Programa Único I+D 6G 2023»: Descargar detalle de la convocatoria MLSIP: Optimización SIP mediante Machine Learning El objetivo general del proyecto MLSIPes optimizar el uso de la red y todas las capacidades que 5G, y 6G…