Tesi (in Italian)

 

Sono attualmente disponibili diverse tesi che riguardano lo sviluppo di applicazioni basate su sensori, intelligenza artificiale, e tematiche legate al pervasive computing e alla privacy. Come successo in passato, i lavori di tesi che portino a risultati particolarmente significativi potranno essere pubblicati su riviste scientifiche o presentati a conferenza.


Argomento 1: Data mining di serie temporali estratte da sensori di air quality

La tesi prevede l’utilizzo di tecniche innovative di signal processing e metodi di data mining per ricavare informazioni di alto livello sulle attività svolte in un ambiente in base a dati di sensori di qualità dell’aria. Verranno effettuati esperimenti utilizzando dataset reali acquisiti tramite il sensore uHoo (https://uhooair.com/). I risultati saranno confrontati con altre tecniche allo stato dell’arte.


Argomento 2: Deep learning per il riconoscimento di attività in base a tracciati di sensori

Nella tesi si useranno reti neurali convoluzionali per analizzare il tracciato di parametri di qualità dell’aria, al fine di rilevare attività legate alla preparazione dei pasti, compresi i tipi di cibo cucinati. Verranno effettuati esperimenti utilizzando dataset reali acquisiti tramite il sensore uHoo (https://uhooair.com/).


Argomento 3: Natural Language Processing/Generation (NLP/G)per healthcare

Nell’ambito dei sistemi di healthcare, molte iniziative di ricerca sono volte a sviluppare sistemi elettronici in grado di stimolare l’individuo a mettere in atto comportamenti più salutari. Questa tesi investiga la progettazione e lo sviluppo prototipale di un agente conversazionale che possa agire come assistente terapeutico, offrendo consulenza personalizzata riguardo a specifici problemi di salute, in base al contesto e all’attività dell’individuo. Si useranno tecniche di NLP e machine learning per identificare concetti medici nel discorso e rilevare le emozioni del parlante. Il lavoro di tesi fa parte del progetto Europeo PhilHumans (https://www.philhumans.eu/).


Argomento 4: Riconoscimento di attività multiutente in base a dati di sensore

La maggior parte dei sistemi di riconoscimento di attività domestiche si base sull’assunzione che il soggetto viva da solo nell’abitazione. Ovviamente in molti casi questa assunzione non è valida. In questa tesi si studieranno dei metodi per riconoscere le attività domestiche svolte in contemporanea da più individui in base a dati di sensore. Si useranno tecniche di intelligenza artificiale e dataset disponibili pubblicamente.


Argomento 5: Riconoscimento di anomalie comportamentali in base a sensori domestici

Il riconoscimento di anomalie comportamentali compiute da soggetti fragili (ad esempio, anziani che vivono soli) ha importanti applicazioni in ambito healthcare, quali la diagnosi precoce di malattie croniche. Lo scopo della tesi è investigare tecniche innovative per rilevare anomalie comportamentali in base a dati acquisiti da sensori installati nell’abitazione dell’anziano, quali sensori di contatto per rilevare l’apertura/chiusura di sportelli e porte o l’utilizzo del frigo, sensori di movimento, di temperatura, ecc. Le tecniche proposte verranno valutate sperimentalmente utilizzando dataset di pazienti reali.


Argomento 6: Predizione di attività future in base a dati di contesto

L’abilità di predire le attività future dell’utente è un fattore abilitante di svariate applicazioni. Nella tesi si studieranno tecniche innovative di intelligenza artificiale basate su una combinazione di metodi data-driven e knowledge-based. Le tecniche verranno sperimentati con dati di utenti reali.


Argomento 7: Intelligenza artificiale per il supporto di applicazioni mediche

L’intelligenza artificiale viene sempre più spesso utilizzata in svariate applicazioni in diversi campi della medicina, tra cui il monitoraggio di persone fragili e il supporto a persone con disabilità. Questa tesi investiga l’uso di tecniche di machine learning per la realizzazione di un braccio elettronico controllato tramite segnali neurali.


Argomento 8: Analisi di dati neurali per il riconoscimento di attività

La tesi prevede l’uso di metodi di signal processing e intelligenza artificiale per analizzare i dati acquisiti dal sensore di segnali neurali Muse 2 (https://choosemuse.com/muse-2/). L’obiettivo è di riconoscere in base a tali dati l’attività dell’utente (ad esempio, leggere, ascoltare musica, guardare la TV).


Argomento 9: Data mining su dati di eventi calcistici

Sono sempre più diffusi sul mercato applicazioni e servizi per analizzare a basso livello i dati di eventi sportivi. Tali servizi si basano su annotazioni precise degli eventi del match (passaggi, contrasti, ecc.). Lo scopo di questa tesi è di studiare tecniche di data mining su dati di match calcistici reali per estrarre informazioni di interesse, come ad esempio individuare i calciatori più promettenti o predire il risultato dei match.

credits unica.it | accessibilità Università degli Studi di Cagliari
C.F.: 80019600925 - P.I.: 00443370929
note legali | privacy

Nascondi la toolbar