Thesis Projects (Italian)

Presso il laboratorio di Intelligenza Artificiale e’ possibile realizzare con la supervisione dei docenti e ricercatori di afferenza sia Tirocini (attività progettuale di laboratorio) che progetti di Tesi per Laurea Magistrale come descritto sul sito del Collegio Didattico di Ingegneria Informatica.

Qui di seguito vengono proposti alcuni esempi progettuali. Per approfondimenti, proposte o feedback contattare uno dei docenti di riferimento.


Strumenti sociali e Case-based reasoning applicati al dominio dello studio delle caratteristiche superficiali dei materiali

Sofisticati materiali permettono di studiare le caratteristiche fisiche superficiali di materiale fisici e raccogliere numerose tipologie di dati al riguardo. Tali informazioni attualmente vengono scarsamente condivise e l’esperienza acquisita con lunghe e complicate sperimentazioni non può essere capitalizzata facilmente in ambito industriale e scientifico. Il progetto di tesi riguarda l’approfondimento delle tipologie di dati che vengono trattati (anche con visite presso laboratori di Ing. Meccanica e Industriale presso la nostra sede) e possibili applicazioni di tecniche sociali di condivisione e di Case-based Reasoning allo scopo di facilitare l’interscambio di tali informazioni tra utenti. Sviluppo di una algoritmi e software per la verifica delle ipotesi proposte.

Prerequisiti: Nessuno

Riferimento per approfondimenti: Giuseppe SansonettiFabio Gasparetti


Apprendimento automatico e analisi di pattern nei segnali raccolti dai sensori nei smartphone

Gli smartphone permettono alle app installate di monitorare alcuni segnali relativi al contesto utente (es. posizione, accelerazione). Questi segnali garantiscono un flusso di dati molto importante per migliorare l’interazione uomo-macchina e automatizzare alcuni processi tipici che l’utente fa quotidianamente. Il progetto di tesi riguarda l’approfondimento degli approcci di machine learning e pattern recognition discussi in letteratura e lo studio e lo sviluppo software di un approccio rivolto a un particolare scenario di interesse.

Prerequisiti: Argomenti trattati al corso di Intelligenza Artificiale

Riferimento per approfondimenti: Fabio GasparettiMarta Cialdea Mayer


Framework di Focused Crawling

Il Focused crawling e’ una strategia di ricerca delle informazioni (es. pagine Web) sul Web che ha l’obiettivo di trovare le informazioni di maggiore interesse in funzione di uno o più argomenti prefissati. A differenza dei motori di ricerca general purpose, le risorse di rete e di memorizzazione sono più limitate, percio’ sono più adatte a sistemi di elaborazione più tradizionali.

Il progetto riguarda l’approfondimento di un framework software di focused crawling, aggiornamenti di metriche per la ricerca dei percorsi più promettenti tra documenti ipertestuali ed eventuali confronti sperimentali tra approcci già documentati.

Prerequisiti: Argomenti trattati al corso Sistemi Intelligenti per Internet

Riferimento per approfondimenti: Fabio Gasparetti


Community Detection su Social Networks

Individuare comunita’ di utenti che condividono particolari caratteristiche all’interno di reti sociali ha notevoli vantaggi in vari campi. Una comunità puo’ rappresentare il comportamento di un gruppo più vasto di utenti e percio’ più’ facilmente può’ essere monitorato ed analizzato. Le comunità possono anche far emergere comportamenti e caratteristiche che per motivi di privacy non possono emergere monitorando singoli utenti.

Il progetto riguarda l’approfondimento di tecniche di community detection basate sull’analisi dei sentimenti e delle personalità degli utenti mostrati su specifici argomenti.

Prerequisiti: Argomenti trattati al corso Sistemi Intelligenti per Internet

Riferimento per approfondimenti: Fabio GasparettiDavide Feltoni Gurini


Sistemi di raccomandazione di Punti di interesse per Smartphone

I Location-based systems tipicamente includono strumenti context-aware per raccomandare punti di interesse (es. musei, ristoranti) in base alla luogo e alle preferenze attuali dell’utente.

Il progetto riguarda l’approfondimento del sistema di raccomandazione Polar sviluppato presso in lab. di IA, il relativo sistema di profilazione e raccomandazione implementato. Successivamente si devono testare nuove funzionalità di raccomandazione che includano caratteristiche aggiuntive (es. raccomandazione per gruppi di persone, raccomandazione di itinerari tra vari punti di interesse).

Prerequisiti: Argomenti trattati al corso Sistemi Intelligenti per Internet

Riferimento per approfondimenti: Fabio Gasparetti


Tecnologie di Face Recognition applicate al Target advertising

La face detection o recognition e’ una tecnica di I.A. utilizzata per identificare o l’identità di una persona a partire da una o più immagini che la ritraggono. In futuro si ipotizza che tali tecnologie verranno applicate allo scopo di personalizzare le esperienze di acquisto da parte dei clienti di attività commerciali fisiche (es. centri commerciali).

Il progetto ha il duplice obiettivo di studiare un tool per il face recognition  applicandolo nel suddetto scenario, e ipotizzare le possibili ripercussioni che possono aver luogo a beneficio delle attività commerciali attraverso la modellazione degli interessi e preferenze dei singoli utenti.

Prerequisiti: Argomenti trattati al corso Sistemi Intelligenti per Internet

Riferimento per approfondimenti: Fabio Gasparetti


Business Letters Intelligent Training System

Il sistema BLITS, acronimo di Business Letters Intelligent Training System, è un sistema web-based il quale, attraverso una visione costruttivista del sapere ispirata a Piaget e Vygotsky, costruisce, o meglio, ricostruisce il sapere di cui necessita lo studente per apprendere a scrivere correttamente lettere commerciali in lingua inglese. Tramite questo approccio, in BLITS, lo studente adotta lo stile di apprendimento a lui più confacente e adatta il proprio percorso di studio alle proprie conoscenze pregresse.

Scopo del progetto e’ approfondire il sistema attuale, le teorie su cui si basa ed estenderlo al caso in cui la conoscenza acquisita di più utenti venga condivisa allo scopo di migliorare la personalizzazione dell’apprendimento e della redazione dei documenti.

Prerequisiti:

Riferimento per approfondimenti: Fabio Gasparetti, Filippo Sciarrone


A comparative framework for analysing performance of different recommender systems for e-learning

Recommender systems aim to identify and suggest objects of potential interest for users. Recent recommendation algorithms involve contextual information as well as user profile for improving their accuracy. In e-Learning, such algorithms are required to consider even educational aspects. This challenging requirement is one of the reasons why the proposal of context-aware recommender systems for education is a popular trend in Artificial Intelligence.

However, it is hard to say what recommendation method is more appropriate without a comparison of the performance of different systems in a same context. Hence, this project is about the design and implementation of a testing environment for recommender systems in education, starting from an already developed framework which needs further refinements.

Obiettivo

This project particularly focuses on the recommendation process and evaluation criteria of recommendation algorithms. The student will be responsible for the refinement of the framework for testing recommender systems, analysing and comparing a bunch of well-known recommendation systems (Google, Slideshare and YouTube among others). At the end of this project, the student will acquire strong competences of the latest recommendation paradigms with particulat focus on practical applications in education.

Prerequisiti (preferibili): Sistemi intelligenti per Internet, Intelligenza Artificiale, Fondamenti di Informatica, Basi di Dati

Conoscenze acquisite: Valutazione di sistemi di raccomandazione

Tecnologie di riferimento: ambienti LAMP/WAMP – Java

Referenti: Alessandro Marani, Matteo Lombardi, Carla Limongelli


Development of a recommendation module for learning resources in an e-Learning platform

Recommendation of learning resources involves different and more complex reasoning than for other goods/services. This is only one of the many reasons why Artificial Intelligence applied to education is currently a very popular field of research.

This project aims to design and implement a module to be integrated in an open-source e-Learning platform. Such module will support teachers during the selection process of learning resources for their online courses, hence the candidate is required to realise the following functionalities:

  • User profiling: teachers are the target users of the software, hence the acquisition of teachers’ characteristics and needs is a critical task.
  • Recommendation of learning resources: it is expected to execute an existent recommendation algorithm for suggesting possible resources of interest.
  • Analysis of the effectiveness of recommendations: the module should be able to report the effectiveness of recommended resources, in order to produce an overall performance analysis of the module itself.

At the end of the project the candidate will acquire an overview of recommendation algorithms and the ability to build a recommender system from the beginning to the end.

Prerequisiti: Conoscenze di base su Human-Computer Interaction, Sistemi Intelligenti per Internet, Programmazione Orientata agli Oggetti, Basi di Dati

Riferimento per approfondimenti: Alessandro Marani, Matteo Lombardi


Building a domain-aware dictionary of terms-synonyms

One popular problem in Natural Language Processing is an effective detection of synonyms of a term.  Current dictionaries contain all the synonyms of terms, however there is no distinction among them and this may cause ambiguity. An interesting field of research is the study of a possible refinement of synonyms, like domain-filtering of synonyms.

This project aims to propose a novel kind of dictionary, where each term has a list of synonyms grouped into domains where the term may be used. Such novel dictionary will use Artificial Intelligence techniques for understanding possible application domains for synonyms.

Being the human language in a constant evolution process, it is also required to develop functionalities for inserting new domains, updating existent ones and deleting domains that are not valid anymore.

Prerequisiti: Conoscenze su Machine Learning, Big data, Knowledge discovery, Semantic Web, Analisi e Gestione dell’informazione su Web, Fondamenti di Informatica, Basi di Dati

Riferimento per approfondimenti: Alessandro Marani, Matteo Lombardi


Crawling educational features of web resources

The Internet is a well-known source of knowledge and resources. Some of these resources may be potential teaching resources, so potentially the web is a huge mine of resources for educational purposes. However, it is also well-known that the web in unstructured and not organised, so one open challenge is the organisation of the web for extracting knowledge, namely the Semantic Web.

In this scope, the identification of web resources for teaching “out there” and the extraction of their educational features is a very challenging and critical task.

During this project, the candidate will familiarise with the issues and solutions in Semantic Web and Web Crawling (or Semantic Crawling). Then, (s)he will focus on a portion of the web about education and implement a crawling algorithm for getting resources and their features.

Prerequisiti: Conoscenze su Machine Learning, Big data, Knowledge discovery, Semantic Web, Analisi e Gestione dell’informazione su Web, Fondamenti di Informatica, Basi di Dati II

Riferimento per approfondimenti: Alessandro Marani, Matteo Lombardi


A software for comparing similarity measures of concepts in concept maps

In e-Learning, concept maps are one of the most used graph-based structures for the description of knowledge about online courses. Such description is defined by educators in human language, hence some ambiguity issues can appear when different terms are used to describe the same or similar concepts. An interesting research field in Artificial Intelligence studies solutions for handling and reducing such ambiguity issues in order to improve technologies based on concept maps, like the recommendation of learning material.

This project is about the design and implementation of a software able to test and compare different techniques for computing the concepts similarity in concept maps. Such comparison will allow the candidate to acquire a deep knowledge about concept maps and graphs in general, being involved several aspects of them.

In addition, the software will be designed following a modular architecture, allowing future integration of other techniques for concept similarity measurement. Being such software architecture used in most of the projects currently developed in IT companies, at the end of this project the candidate will acquire skills that are fundamental for his/her future.

Prerequisiti: Fondamenti di Informatica, Basi di Dati

Riferimento per approfondimenti: Alessandro Marani, Matteo Lombardi

Created

Comments are closed.