SENIOR

In questo progetto di ambito medico-psicologico, avevamo l'obiettivo di ridurre il decadimento cognitivo in persone di età avanzata

  • Questo progetto si basa su una applicazione Android.
  • Mediante tale applicazione si rilascia una sequenza di esercizi.
  • Mediante un orologio si monitora il paziente.
  • I dati raccolti sono analizzata da esperti in psicologia.

TECNOLOGIE E METODOLOGIE USATE:  Android Studio, Java e XML

Image

In questo progetto abbiamo sviluppato un sistema di sentiment analysis, ovvero un algoritmo in grado di stabilire l'opinione degli utenti di un social network riguardo un determinato argomento.

OBIETTIVO: Si analizzano i profili di 5 aziende su linkedin estraendo gli ultimi n post di ogni profilo con i relativi commenti. Su tali commenti si applicano algoritmi di sentiment analysis per capire automaticamente se è positivo o negativo.

INPUT: 5 profili e gli ultimi n post con relativi commenti

OUTPUT: per ogni post si fornisce un valore di sentiment estratto tramite algoritmi di NLP, in modo da fornire all’azienda un riscontro inerente i propri post sul social network.

TECNOLOGIE E METODOLOGIE USATE: Python e librerie, linkedin API (Phantom), NLP algorithms, cloud platforms.

AMBITO APPLICATIVO: NLP, Sentiment analysis, data gathering.

CARDO AI

INSALATY

ImageImage

OBIETTIVO: Si vuole trasformare un e-commerce in una piattaforma digitale sulla quale un cliente può comporre la propria insalata fissando una serie di requisiti come kcal, allergia, intolleranze, diete particolari e obiettivi salutari specifici.

INPUT: Profilo utente e preferenze

OUTPUT: Raccomandazioni di possibili composizioni di insalata

TECNOLOGIE E METODOLOGIE USATE: Python e librerie, HTML, React Native, FireBase.

AMBITO APPLICATIVO: Machine Learning, Deep Learning, web programming.

SINISTRO FACILE

OBIETTIVO: Predire dato un testo un valore che ne indica il pericolo di incidente, in modo tale da aiutare un’assicurazione a fare una stima di un eventuale sinistro.

INPUT: Testo che descrive un evento

OUTPUT: Valore numerico che fornisce la probabilità che si tratti di un incidente.

TECNOLOGIE E METODOLOGIE USATE: Python e librerie, reti neurali.

AMBITO APPLICATIVO: Artificial Intelligence, NLP.

OBIETTIVO: Estrarre informazioni testuali riguardanti il contenuto del video fornito in input

INPUT: video di una lezione

OUTPUT: testo in linguaggio naturale che ne descrive il contenuto e dal quale si estraggono i metadati più significativi

TECNOLOGIE E METODOLOGIE USATE: Python e librerie , algoritmi utilizzati (Wav2Vec 2.0, GCP Speech-To-Text, Amazon Transcribe)

AMBITO APPLICATIVO: Computer vision e Natural Language Processing

VIDEO TO TEXT

TEXT CLASSIFICATION

OBIETTIVO: Si vuole riuscire ad assegnare un tag ad ogni articolo basandosi sulle parole contenute in esso.

INPUT: insieme di documenti

OUTPUT: assegnazione di un’etichetta ad ogni documento

TECNOLOGIE E METODOLOGIE USATE: Python e librerie, TF-IDF, WordCloud, keyword extraction.

AMBITO APPLICATIVO: NLP, web programming, cloud platforms.

Automotive

Questo progetto in ambito Telematics, Automotive e Advanced Data Analytics è stato commissionato da una delle maggiori compagnie assicurative europee. L’obiettivo è quello di analizzare il comportamento degli utenti alla guida usando solamente i dati provenienti dai sensori dello smartphone, con un approccio smart, intelligente e user-centered.

Abbiamo realizzato per Italian Volt ( primario costruttore italiano di moto elettriche) un Vehicle Management System per le loro moto elettriche.
Il progetto ci ha visti coinvolti in tutte le fasi: dalla progettazione, allo sviluppo ed al collaudo on-board ed ha portato alla creazione di una scheda elettronica e del software di controllo da installare a bordo della moto con i seguenti scopi:

  • raccogliere i dati dai sensori a bordo del motore tramite CAN-bus;
  • elaborare i dati raccolti e convertirli in informazioni utili;
  • mostrare all’utente sul cruscotto della moto tutte le informazioni necessarie per prevenire situazioni pericolose e quelle di suo interesse (e di sua scelta) per la gestione del veicolo;
  • creare una piattaforma che permetta agli ingegneri di visualizzare in real-time dati rilevanti sullo stato delle batterie e del motore (batteria, temperatura celle, giri motore, ecc.)
  • inviare le informazioni in Cloud al fine di eseguire analisi predittive sullo stato della batteria e del motore.

Home Insurance

 

 

Questo progetto in ambito Telematics e Advanced Data Analytics è stato commissionato da una delle maggiori compagnie assicurative europee.

L’obiettivo primario del progetto consiste nell’analisi del comportamento degli utenti all’interno della propria abitazione.

TreeSolutions, startup incubata dal PoliHub, che ha realizzato soluzioni innovative per gl’impianti di riscaldamento, ci ha chiesto di sviluppare nuovi algoritmi, basati su tecniche di Machine Learning, volti a ridurre il consumo energetico degli impianti. Il progetto ha portato anche alla realizzazione di una scheda elettronica che è stata integrata all’interno dei loro prodotti.

NETT

NETT è un progetto finanziato dalla Commissione Europea, Imprese e Industrie DG, con l’obiettivo di creare un social network per migliorare l’insegnamento dell’imprenditorialità nel sistema educativo europeo. La piattaforma sostiene una social community dove gli educatori coinvolti nell’istruzione e formazione all’imprenditorialità possono confrontarsi e trovare un aiuto concreto alla formazione di giovani.

SandS

Social&Smart (SandS) è un progetto di ricerca europeo che ha preso il via a partire dal novembre 2012. L’obiettivo è di costruire un’infrastruttura fisica e di calcolo che permetta agli elettrodomestici connessi a una rete di soddisfare le esigenze dei proprietari nel migliore dei modi. Il social network elabora le informazioni fornite dagli utenti che affinano e condividono i comportamenti di utilizzo con altre persone in possesso della stessa apparecchiatura intelligente o di altri modelli. Grazie al costante afflusso di dati, la rete può governare in modo sofisticato le smart appliances e mantenere il software costantemente aggiornato in base alle migliori prassi attuali.

Elliot

ELLIOT è un progetto europeo di ricerca il cui obiettivo è lo sviluppo di una piattaforma esperienziale basata sull’Internet of Things che permetta il coinvolgimento diretto degli utenti (clienti e cittadini) nella co-creazione, esplorazione e sperimentazione di nuove idee, concetti e artefatti tecnologici relativi ad applicazioni e servizi IOT. Il progetto favorisce l’aumento della diffusione e dell’adozione di soluzioni intelligenti e incrementa il potenziale di innovazione collaborativa in grado di colmare la distanza tecnologica tra i fruitori.

Marketing e Telematica - Medical Evidence

Abbiamo realizzato i sistemi ICT MMAS (Micro Marketing Analysis System) e KubettONE per l’azienda Marketing & Telematica e corsi di aggiornamento ECM rivolti a diverse tipologie di operatori sanitari in collaborazione con Medical Evidence, business unit di Marketing e Telematica, che dal 1998 si occupa di informazione e formazione medico-scientifica. Il learning management system è stato realizzato per i seguenti corsi.

DietSmartFit

Il progetto metterà a punto infrastrutture e servizi per il monitoraggio della salute e la gestione della riabilitazione, con un’attenzione particolare alla lotta contro l’obesità, all’interno di un ecosistema costituito da:

  1. Sensori corporei convenzionali e intelligenti;
  2. Infrastruttura ICT basata su cloud FI-WARE per la raccolta e il trattamento dei dati;
  3. App mobile per sfruttare i servizi sanitari correlati;

I servizi includono anche l’auto-monitoraggio da parte dell’utente, come la raccolta e l’analisi di parametri legati all’obesità: frequenza cardiaca, peso, conteggio dei passi e calorie bruciate in vista dell’obiettivo “perdita di peso”. L’utente riceverà consigli personalizzati just-in-time e preziosi suggerimenti dagli esperti per il proprio benessere. Grazie all’intelligenza del network si possono realizzare modelli di vita più sani ottimizzati.


3D Printing

3D Printing è il servizio di modellazione e slicing per possessori inesperti di stampanti 3D che guida l’utente nella stampa di oggetti semplici sulla propria stampante domestica attraverso un social network intelligente. Il servizio offre un catalogo di oggetti in continua espansione. Ogni oggetto è corredato da una serie di parametri per modificare la forma a proprio piacimento. Una volta raggiunta una forma soddisfacente, il servizio invia all’utente il codice di stampa dell’oggetto. Social_Makers è la comunità di utenti non esperti nata da questo progetto ed è ospitata sulla piattaforma Open Innovation.

Il progetto vuole coinvolgere l’intero ecosistema composto da produttori di stampanti, i loro possessori, i loro utenti, e infine i facilitatori al loro utilizzo. I venditori potrebbero essere i primi promotori del servizio, rilevando al contempo le reali esigenze degli utenti e creando la connessione tra domanda e offerta di servizio. I modellatori 3D potranno ottimizzare i modelli in funzione del servizio che si intende offrire, ad esempio migliorando la scalabilità di alcuni parametri.