TESI E TIROCINI

Contesto: Il Data Mesh è uno dei nuovi paradigmi tecnologici sfruttati nel mondo Data&AI, tale paradigma semplifica e velocizza la transizione verso una cultura data-driven che registra una sempre più rapida crescita. Il data mesh è un'architettura distribuita e decentralizzata che permette l'agilità e la scalabilità aziendale, riduce il time-to-market, abbassando i costi di manutenzione e permette una distribuzione dei costi interni equa e trasparente. Inoltre, integrando il paradigma del data mesh con altre tecnologie come l'NLP è possibile ottenere una completa democratizzazione dei dati nei contesti aziendali.

Obiettivi: L'obiettivo del lavoro di tesi sarà di implementare una data platform secondo il paradigma del data mesh in  grado di democratizzare i dati. In particolare, il caso di studio si concentra sul backend dell'implementazione dei vari servizi di provisioning dei servizi dati e delle sue risorse, utilizzando il linguaggio di programmazione Python negli ambienti cloud Azure.

Tecnologie:  Python, T-SQL

Contesto:  L'elaborazione del linguaggio naturale (NLP) è stato uno dei settori più caldi dell'AI negli ultimi due anni e la serie di scoperte dei big data continuerà nel 2022. C'è stata una vera corsa agli armamenti per sviluppare i modelli cosiddetti “transformers”, a partire da GPT-3 di OpenAI a Microsoft e Nvidia che hanno collaborato su MT-NLG (Megatron-Turing Natural Language Generation) fino a Google con BERT e il recentissimo Switch Transformer. Tuttavia, questi modelli sono solitamente addestrati su corpora molto grandi di testi generici pubblicamente disponibili scansionati da tutta Internet, quindi le risposte generate si baseranno su quei dati pubblici. Inoltre, c'è un divario tra ciò che possono fare questi modelli addestrati su dati generici e ciò che può fare un modello addestrato su dati specifici del dominio di un'azienda. L’obiettivo da quest’anno è quindi quello di iniziare a colmare questa lacuna dei grandi modelli “transformer”.

Obiettivi:  L’obiettivo del lavoro di tesi sarà quello di studiare lo stato dell’arte dei modelli “transformers” attualmente sviluppati ed effettuare ricerche e semi elaborati su uno specifico dominio da concordare. I risultati ottenuti abiliteranno l’analisi di KPI implementabili e monitorabili tramite report / dashboard rendendo lo studio completo.

Tecnologie:  Python, Azure, SQL, PowerBI

Contesto:  Oggi la digitalizzazione dei processi bancari è diventata centrale sia per la banca che per il cliente stesso. Nel nuovo scenario della gestione integrata dei canali di vendita dove aziende e clienti sono fortemente interconnessi, l’obiettivo è offrire alle banche/assicurazioni il giusto supporto per sviluppare un percorso di Customer Journey a sostegno di una interazione con il cliente più efficace.

Obiettivi:  Lo scopo del lavoro di tesi e/o tirocinio è quello di acquisire le principali competenze relative al design ed alla realizzazione di soluzioni digitali per la gestione multicanale dei processi operativi inseriti all'interno di importanti progetti enterprise in ambito bancario e assicurativo. Le principali e più sfidanti caratteristiche delle nostre soluzioni sono lo sviluppo delle API tipiche del mercato bancario, architetture a microservizi Java e applicazioni modulari basate su Angular, correlati dall’utilizzo di processi di DevOps e test automation.

Tecnologie: Java EE; Angular; HTML e CSS; Mongo/Oracle DB; SQL; C#; Spring

Contesto:  Nell’era della trasformazione digitale e della business agility, le tecniche Low Code e No Code (LCNC) nascono per ridurre o eliminare la necessità di scrivere codice per lo sviluppo e il deployment di applicazioni aziendali. Rispetto ai metodi tradizionali, le tecnologie LCNC hanno infatti l’obiettivo di ridurre il tempo necessario per scrivere codice, accelerando così il processo di sviluppo e deployment. Inoltre sono progettate per essere facili da usare anche per gli utenti non tecnici e, grazie all'automazione dei processi e alla semplificazione del ciclo di vita, aumentano la sicurezza delle applicazioni e riducono la complessità del codice. Ciò porta ad una riduzione dei costi legati allo sviluppo ed alla manutenzione, ad una maggiore qualità del codice e ad una maggiore agilità aziendale, che ha la possibilità di adattarsi velocemente ai cambiamenti di mercato e di mantenere un vantaggio competitivo. Le tecnologie LCNC in questo modo permettono agli sviluppatori di essere più produttivi e di dare agli utenti di business un ruolo all’interno del lifecycle dell’applicazione stessa, colmando la distanza tra IT e Business.

Obiettivi: Il progetto di tesi e/o tirocinio ha l'obiettivo di fornire le competenze necessarie per comprendere e utilizzare le piattaforme (LCNC) per lo sviluppo di applicazioni aziendali. In particolare il candidato avrà la possibilità di lavorare su una piattaforma LCNC per sviluppare un'applicazione aziendale completa, dall'ideazione alla pubblicazione utilizzando i principali servizi della suite Microsoft Power Platform (PowerApps, Power Automate, Power Pages, Power Virtual Agent). L’obiettivo specifico sarà quindi quello di imparare ad utilizzare LCNC in ambito entreprise, integrare dati di diversi sistemi aziendali ed implementare funzionalità avanzate oltre ad approfondire le proprie conoscenze in ambito di sviluppo di applicazioni aziendali lavorando a stretto contatto con persone esperte nelle principali fasi di esplorazione, comprensione, design e test. Lo scenario di applicazione è il mondo dei Financial Serivces, dove sono già state implementate con successo ad esempio soluzioni di automazione di processi autorizzativi per la redazione e divulgazione della documentazione normativa Aziendale, soluzioni a supporto della validazione delle strategie di investimento della compagnia tramite l'utilizzo di un workflow approvativo automatico, oppure applicazioni che agevolano lo scambio di feedback tra colleghi a seguito di una riunione/meeting.

Tecnologie:  Power Platform, Microsoft 365

Contesto:  Il rilevamento delle crepe è importante per garantire la sicurezza e l'integrità di vari prodotti industriali e di consumo, come parabrezza di automobili, vetri architettonici e altri schermi. La metodologia proposta prevede l'acquisizione di immagini ad alta risoluzione da superfici di vetro, seguita da una pre-elaborazione per migliorare il contrasto e rimuovere il rumore. Verranno esplorati diversi algoritmi di elaborazione delle immagini, tra cui l'edge detection, il thresholding e le morphology operations, per individuare e segmentare con precisione le crepe da queste immagini. Verranno utilizzati servizi disponibili su cloud e anche gli algoritmi sviluppati verranno eseguiti su pipeline cloud.

Obiettivi  Questa ricerca si propone di studiare l'uso di tecniche di elaborazione delle immagini per il rilevamento e la caratterizzazione delle crepe nel vetro. Le immagini delle crepe ottenute saranno analizzate per estrarre caratteristiche quali lunghezza, larghezza, orientamento e forma, che possono essere utilizzate per caratterizzarne la gravità. La valutazione sperimentale della metodologia proposta sarà condotta utilizzando un set di dati di campioni di vetro con posizioni e gravità già note delle crepe. Le prestazioni dell'algoritmo saranno valutate in termini di accuratezza del rilevamento, tasso di falsi positivi e precisione della caratterizzazione. Il risultato di questa ricerca sarà un insieme di tecniche efficaci di elaborazione delle immagini per il rilevamento automatico e la caratterizzazione delle crepe nel vetro. Questo avrà importanti applicazioni pratiche nelle industrie che utilizzano prodotti in vetro, contribuendo a migliorare la sicurezza, il controllo della qualità e anche l'efficienza dei costi.

Tecnologie:  Python, Azure, Custom Vision

Contesto:  La previsione dell'andamento della produzione e del consumo di energia è un aspetto sempre attuale, poiché influisce economicamente sui comportamenti aziendali. Il progetto di tesi si focalizza sull’utilizzo di algoritmi di apprendimento automatico e intelligenza artificiale per elaborare dati storici e attuali sull’uso dell’energia, allo scopo di prevedere le future tendenze di consumo e produrre previsioni affidabili sull’andamento del mercato energetico.

Obiettivi:  L’obiettivo del progetto di tesi è quello di sviluppare un sistema di previsione accurato, che possa essere usato per ottimizzare la gestione dell’energia, in particolare per la pianificazione della produzione e gestione dell’energia elettrica. Il lavoro di ricerca inizierà con l’analisi di diverse tecniche di previsione ed algoritmi di Machine Learning. storici sull’uso dell’energia e sul mercato relativo, per elaborare modelli di previsione attendibili. Infine il sistema verrà valutato in termini di accuratezza e affidabilità e si proporranno possibili applicazioni per una gestione ottimale dell’energia e la gestione dei risci legati a questo mercato.

Tecnologie:  Python, Azure