PROPOSTE DI TESI E TIROCINIO

Ti piace sperimentare nuove tecnologie?
Anche a noi!

Se sei uno studente o un laureando puoi svolgere il tuo percorso di tesi o il tuo tirocinio in azienda con noi. Scopri le nostre proposte più tecnologicamente innovative e se non c'è la sfida giusta per te, definiamola insieme.

Welcome SPOT

I robot SPOT di Boston Dynamics sono finalmente arrivati nelle sedi Reply di Milano e l'iscrizione al programma Early Developers ci permette di sperimentare questo fantastico dispositivo. Noi di Sprint Reply lavoriamo con i robot in alcuni progetti promettenti in collaborazione con i nostri clienti. Stay tuned!

Computer Vision e Machine Learning per l'analisi visuale

su hardware specifici di Boston Dynamics

Sede: Torino/Milano | Durata 6 mesi

L'elaborazione di una tesi nell'ambito della Computer Vision, in contesto robotico, rappresenta una sfida complessa e multidisciplinare. In uno scenario industriale, l'obiettivo potrebbe essere la detection accurata di specifici componenti, dispositivi di protezione individuale (DPI) o la rilevazione di anomalie e difetti in una catena di montaggio. Questo richiede una fase di raccolta ed elaborazione di un vasto set di dati, che dovranno essere accuratamente annotati e categorizzati.

Il candidato acquisirà una solida comprensione dei principali algoritmi e tecniche di Computer Vision, concentrandosi in particolare sulle metodologie avanzate di rilevamento e classificazione degli oggetti. Lo studente si avvarrà, quindi, di tecniche di machine learning e deep learning per addestrare e ottimizzare modelli in grado di operare in tempo reale, garantendo precisione ed efficienza.

L'integrazione di questi modelli, in un sistema robotico, implica anche la necessità di interfacciarsi con hardware specifici del nostro partner Boston Dynamics e di garantire che la comunicazione tra sensori, elaborazione dati e attuazione meccanica sia fluida e sincronizzata. Infine, il lavoro si completerà con una fase di test e validazione, dove i risultati ottenuti saranno confrontati con standard di riferimento, valutandone le performance e identificando eventuali aree di miglioramento.

Process Mining

Creazione di una soluzione per l'analisi data-driven dei processi aziendali

Sede: Torino/Milano | Durata 6 mesi

La stesura di una tesi nell'ambito del Process Mining con focus sulla creazione di una soluzione per l'Analisi Data-Driven dei Processi Aziendali, mira ad indagare come questa tecnologia sia cruciale per le aziende che cercano di ottimizzare i propri processi. Questa tecnologia innovativa si distingue per la capace di individuare inefficienze e opportunità nascoste nei processi aziendali, offrendo una visione chiara e obiettiva del funzionamento reale dei processi e permettendo alle aziende di prendere decisioni data-driven, più informate e mirate.
Il candidato acquisirà la capacità di implementare tecnicamente una soluzione di Process Mining trasformando dati, creando modelli di dati complessi e dashboard sofisticate per l'analisi dei dati.
Il progetto di tesi richiederà l'uso di diverse tecnologie e strumenti avanzati, come Celonis o UiPath Process Mining, SQL e Python, dedicati all’individuazione di inefficienze e colli di bottiglia nei processi e il supporto ai manager nella presa di decisioni strategiche basate sull'analisi dei dati.

UTILIZZO DEI MODELLI LLM

PER L'ARRICCHIMENTO DEI DATASET IN AMBITO NLP

Sede: Torino/Milano | Durata 6 mesi

Nell'Elaborazione del Linguaggio Naturale (NLP) le performance di un modello basato su Machine Learning è fortemente influenzato dalla qualità del dataset disponibile e dalla varietà dei dati al suo interno. L'ampiezza e la diversità del set di dati sono anche le difficoltà più ricorrenti in contesti reali. Gli utenti spesso hanno bisogno di molto tempo per recuperare un ampio numero di documenti per arricchire il dataset per l'allenamento del modello NLP, e talvolta non riescono proprio perché non ci sono sufficienti esempi da utilizzare.

Il candidato acquisirà una solida comprensione e gestione nell’utilizzo dei più avanzati modelli LLM, per creare una pipeline di arricchimento di dataset, fruttando dati reali forniti dal business. L’applicazione di tali modelli verrà effettuata su diversi casi reali.

L'integrazione di questi modelli, implica la necessità di interfacciarsi con diverse tecnologie come: Python, Transformers, LLM, Generative AI, Deep Learning, Machine Learning, TensorFlow, PyTorch, Hardware GPU. Infine, il lavoro si completerà con una fase di test e validazione, dove i risultati ottenuti saranno confrontati con standard di riferimento, valutandone le performance e identificando eventuali aree di miglioramento.

Studio e Implementazione di Modelli Supervisionati e Non Supervisionati

per il Riconoscimento di Entità

Sede: Torino/Milano | Durata 6 mesi

Progettare una tesi nell'ambito nell' Elaborazione del Linguaggio Naturale (NLP) della Named-Entity Recognition (NER), con l'obiettivo primario di elaborare dati strutturati/non strutturati e classificare le informazioni da estrarre (entità) in categorie predefinite, implica la comprensione semantica e l'organizzazione strutturata delle informazioni.
Il candidato acquisirà competenze nell'elaborazione del linguaggio naturale (NLP), inclusa la progettazione e l'addestramento di modelli di machine learning specifici per il NER, l'utilizzo di embeddings, di modelli di lingua pre-addestrati, di dataset da etichettare e da utilizzare come training/validation/test set. Inoltre, sarà in grado di applicare tecniche di post-elaborazione e active learning per migliorare la precisione delle previsioni del modello. La soluzione che il candidato avrà modo di realizzare sarà basata su un approccio misto supervisionato-non supervisionato, in quanto si affiancheranno tecniche di estrazione delle informazioni deterministiche basate su regole ad approcci non deterministici basati sul Machine Learning.
La realizzazione della tesi comporterà l'impiego di diverse tecnologie e strumenti all'avanguardia, tra cui l'utilizzo di Python come linguaggio di programmazione, l'implementazione di modelli avanzati di elaborazione del linguaggio naturale attraverso modelli Transformers e l'implementazione di Deep Learning e Machine Learning mediante framework come TensorFlow e PyTorch.

Sperimentazione e comparazione dei modelli LLM

nell’ambito NLP della Named-Entity Recognition della Computer Vision per documenti semi-strutturati

Sede: Torino/Milano | Durata 6 mesi

Progettare una tesi nell'ambito nell' Elaborazione del Linguaggio Naturale (NLP) della Named-Entity Recognition (NER), implica l' identificazione e l' estrazione di informazioni chiave da fonti strutturate o non strutturate , dove risulta cruciale la scelta del modello da utilizzare e le performance ottenute da esso. I modelli vengono applicati a diversi casi di studio reali per valutare le prestazioni e l'efficacia delle varie soluzioni.

Il candidato acquisirà la capacità di condurre un'analisi dettagliata e innovativa, sperimentare e confrontare i più avanzati modelli LLM nel contesto della Named-Entity Recognition, compresi GPT, LLAMA, BLOOM e PALM, rispetto alle soluzioni standard come BERT. Il progetto mira a comprendere come integrare, nell'addestramento di tali modelli, le informazioni spaziali e posizionali delle entità estratte attraverso tecniche di Computer Vision.

La tesi richiederà l'uso di diverse tecnologie e strumenti, tra cui Python, il framework Transformers per lavorare con modelli di linguaggio, Semantica per l'analisi semantica, LLM, Generative AI, Deep Learning e Machine Learning, nonché Computer Vision utilizzando framework come TensorFlow e PyTorch. Inoltre, potrebbero essere necessarie risorse hardware con GPU per accelerare il processo di addestramento dei modelli.

Robotic Process Automation

Creazione di una Digital Workforce Scalabile ed Efficiente

Sede: Torino/Milano | Durata 6 mesi

La stesura di una tesi nell'ambito della Robotic Process Automation (RPA) con focus sulla creazione di una Digital Workforce che sia scalabile ed efficiente, mira ad indagare come l'implementazione dell'RPA possa rivoluzionare il panorama aziendale, accelerando i processi e aumentando la produttività. L'RPA non è solo uno strumento di automazione; è una vera e propria trasformazione nel modo di concepire il lavoro. Con la capacità di emulare attività umane ripetitive, l'RPA libera risorse preziose, permettendo ai dipendenti di concentrarsi su compiti più strategici e creativi. Questo passaggio non solo aumenta l'efficienza operativa, ma apre anche nuove vie per l'innovazione e il miglioramento continuo.
Il candidato acquisirà la capacità di esaminare come l'RPA possa ottimizzare i processi aziendali, rendendoli più efficienti e meno soggetti a errori, attraverso la partecipazione alla creazione di un’automazione.
Il progetto di tesi richiederà l'uso di diverse tecnologie e strumenti avanzati come UiPath, C#, VB.NET e intelligenza artificiale.

Sperimentazione e comparazione di differenti approcci per l’estrazione di topic da documenti

nell'ambito dell’Elaborazione del Linguaggio Naturale

Sede: Torino/Milano | Durata 6 mesi

La stesura di una tesi nell'ambito dell’Elaborazione del Linguaggio Naturale (NLP) con focus sulla Topic-Extraction, implica l’identificazione e l’estrazione dell'argomento di interesse da un documento o da una porzione di esso. L’approccio scelto per affrontare questo compito varia in base ai dati a disposizione e alla natura del documento. I modelli allenati vengono applicati a casi reali per valutare le prestazioni e l'efficacia dei vari approcci.

Il candidato acquisirà la capacità di condurre un'analisi dettagliata e innovativa, sperimentare e confrontare vari approcci tradizionali come quelli Rule-based, LSA, LDA e SVM, ma anche approcci innovativi, come quelli di Machine Learning-based che includono l'uso di reti neurali convoluzionali (CNN), reti neurali ricorrenti (RNN), Trasformers e modelli generativi. Inoltre, per migliorare le prestazioni vengono utilizzati i Word-Embeddings che rappresentano la vettorizzazione del contenuto testuale.

Questo progetto di tesi richiederà l'uso di diverse tecnologie e strumenti, tra cui Python come linguaggio di programmazione, libreria Transformers per l'implementazione dei modelli di Trasformers, classificatori per l'etichettatura dei topic, tecniche di analisi semantica, Generative AI per l'elaborazione dei dati, Deep Learning e Machine Learning con l'uso di framework come TensorFlow e PyTorch. Inoltre, potrebbe essere necessario utilizzare hardware con GPU per accelerare il processo di addestramento dei modelli.

Definizione di un approccio standard per l'esecuzione di Relation Extraction e Entity Linking

nell'elaborazione del Linguaggio Naturale

Sede: Torino/Milano | Durata 6 mesi

La stesura di una tesi nell'ambito dell’Elaborazione del Linguaggio Naturale (NLP) con focus nella Named-Entity Recognition (NER), ovvero dell'estrazione di fonti di testo strutturate e non strutturate, è una pratica centrale nello scenario reale dove la sola estrazione dei dati non è sufficiente. Riconoscere e collegare le relazioni tra di loro (Relation Extraction) e collegarle in modo coerente attraverso relazioni identificate (Entity Linking), è tuttora una sfida significativa nel campo dell'NLP.

Il candidato acquisirà la capacità di definire una dettagliata e innovativa analisi con la capacità di creare una pipeline standard, generale e strutturata di tecnologie. Tale attività, potrebbe avere un impatto significativo in diversi settori, inclusi motori di ricerca avanzati, analisi di testo e comprensione delle relazioni semantiche nei dati testuali. Il risultato ottenuto, verrà applicato in esperimenti su diversi casi reali al fine di valutarne l'efficacia e la versatilità.

Il progetto di tesi richiederà l'uso di diverse tecnologie e strumenti avanzati, tra cui Python come linguaggio di programmazione, libreria Transformers per implementare modelli NLP avanzati, l'analisi semantica, l'uso di knowledge base e knowledge graphs, ontologie per la rappresentazione delle informazioni, Generative AI per l'elaborazione dei dati, Large Language Models (LLM) per migliorare la comprensione del linguaggio naturale, Deep Learning e Machine Learning con l'uso di framework come TensorFlow e PyTorch.

Non hai trovato la tesi che fa per te?

Contattaci, possiamo proporti altri argomenti di tesi. Ti risponderemo prima possibile e ti aiuteremo a scegliere il caso d'uso e le tecnologie più innovative.