Negli ultimi anni i temi della data science e del machine learning sono diventati sempre più importanti anche nei settori tradizionalmente più vicini all’automazione. I progressi tecnologici nel campo della sensoristica, collegata al tema dell’Internet of Things (IoT) e, nel campo dell’automazione a quello dell’Industria 4.0, hanno portato alla disponibilità di enormi quantità di dati, i quali a loro volta hanno aperto prospettive di analisi ed elaborazione per l’estrazione di valore aggiunto, il miglioramento e l’ottimizzazione di tecnologie e processi praticamente in tutti i domini applicativi.

Il machine learning presso il Laboratorio di Robotica

Il Laboratorio di Robotica lavora da anni all’elaborazione e all’utilizzo di dati ottenuti da sensori, nella forma di serie temporali, per la comprensione e l’analisi di fenomeni di varia natura. Recentemente è stato completato un progetto che ha mirato alla formulazione di approcci per la manutenzione predittiva di celle frigorifere. In passato si è lavorato ad algoritmi per l’efficientamento energetico di edifici sulla base dei dati di temperature e dispersioni termiche degli stessi. Più recentemente si è avviata una ricerca nel campo del text mining, finalizzata alla caratterizzazione di testi di varia natura, dagli abstract delle pubblicazioni scientifiche, ai post su forum e altri contesti sociali.

Tesi e attività di ricerca

Alcuni esempi di lavori effettuati nel campo del machine learning, della data science e dell’intelligenza artificiale includono le seguenti tesi di laurea:

• Towards a new meaning of modern basketball players positions
• Indoor Vitality Index evaluation using non-intrusive user tracking
• Data ingestion from a bitcoin exchange for feeding machine learning models
• Using neural Networks with variable-sized input for creating feature predictor from large databases
• Predictive maintenance of refrigeration systems
• Implementation of a Bayesian filter for the analysis of a building automation system
• Framework for visual analysis and processing of time series
• slr-kit: a semi-supervised framework to support systematic literature reviews

Pubblicazioni

Per quanto riguarda invece le pubblicazioni scientifiche, alcuni dei contributi più recenti sono i seguenti:

• Giuffrida, Benetti, De Martini, Facchinetti, “Fall Detection with Supervised Machine Learning using Wearable Sensors”, INDIN'19.
• Abu Hashish, Forni, Andreotti, Darjani, Facchinetti, “A Hybrid Model for Bitcoin Prices Prediction using Hidden Markov Models and Optimized LSTM Networks”, ETFA'19.
• Facchinetti, Metulini, Zuccolotto, “Detecting and classifying moments in basketball matches using sensor tracked data”, Smart Statistics for Smart Applications, 2019.

Altre risorse

Scopri le altre attività del Laboratorio di Robotica dalla pagina personale del Prof. Facchinetti (consigliata), oppure accedendo alla homepage del laboratorio (attualmente un po’ meno aggiornata).