Elaborati, stage e tesi al DISIT (NEW 2024)

L'obiettivo di questa pagina è fornire le informazioni che possono essere utili ai candidati in fase di scelta dell'Elaborato, Stage e/o Tesi per la Laurea in Ingegneria (area dell'informazione: Informatica, Elettronica e Telecomunicazioni) oppure di Informatica di Scienze, triennale e/o Specialistica/Magistrale e/o Master in modo che, stimolati da questi argomenti, possano sentirsi maggiormente motivati ed interessati ad un eventuale colloquio per discutere del/della loro Stage/Tesi presso il Laboratorio DISIT. Agli elaborati e tesi è possibile congiungere lo Stage o il Laboratorio con i relativi crediti. 

CORSI / TESI per:
-- triennale corso: Sistemi Distribuiti
-- magistrali in Artificial Intelligence, Ingegneria Informatica i corsi ed i project work on:
                        Big Data Architecture,   Knowledge Engineering,    System Security and Data Privacy
-- vari corsi di Dottorato: DINFO, PhD-AI, etc. 

-- master: Big data and Artificial Intelligence (master MABIDA)
-- master: BIM management

TUTTI I SEGUENTI ELABORATI E TESI POSSONO ESSERE SVILUPPATI DA REMOTO SENZA ACCESSO FISICO AL LABORATORIO. MA ACCEDENDO A STRUMENTI ON LINE FORNITI DAL DISIT LAB oppure sui propri dispositivi se capaci.

doc per chiudere tesi, elaborati, etc. https://www.disit.org/5986

ARGOMENTI PER ELABORATI 2023-24 CODIFICATI (DURATA 4 SETTIMANE) per i corsi e per Intership (ELEMENTI PER TESI):

L'esame consiste nello svolgimento di un elaborato CODIFICATO da concordare con il docente, da questa lista o meno a vostra scelta, durata 4 settimane. Gli elaborati possono essere:

• (Tipo A) con sviluppo di software, soluzioni, moduli o test sperimentali su soluzioni SW open source, come descritto in seguito.
• (Tipo B) con sviluppo algoritmi di Data analytics: Python, Rstudio, Tensor, ML, Deep Learning, BERT, LLM, AI/XAI, etc.
• (Tipo C) con sviluppo di moduli e processi IOT/Node-RED/javaScript per data warehouse. 

Lo studente può chiedere la sostituzione dell'elaborato e/o del tutor di laboratorio tramite email al docente. Nei nuovi elaborati assegnati, l'elaborato puo' essere o meno completato con successo raggiungendo o meno gli obiettivi proposti. Lo Studente può decidere di interrompere l'elaborato in ogni momento chiedendo la valutazione e consegnando la relazione breve di alcune pagine. Il voto viene stimato sulla base del lavoro svolto su base qualitativa e quantitativa, in modo comparativo sull'anno in corso.  Agli elaborati e tesi è possibile congiungere lo Stage o il Laboratorio con i relativi crediti, e tesi.

Gli elaborati riportati di seguito sono esempi concreti (ma potrebbero essere già stati assegnati), sono disponibili e vengono assegnati a scelta dello studente in ordine di richiesta, l'acquisizione dell'elaborato implica che lo studente intende iniziare entro breve tempo a lavorarci. Si sconsiglia fortemente di acquisire l'elaborato tenendo bloccato l'argomento per mesi prima di iniziare visto che certi argomenti in ambito ICT invecchiano velocemente:

• Tipo A: installazione, integrazione, e/o sviluppo di moduli e componenti software distribuiti, o di visual analytic:
  • estensione di gestore dati per la gestione delle Traiettorie, percorsi di persone e mezzi, 
  • evoluzione di modelli di configurazione per deploy di modello semplificato di grappoli di Container, da MicroX a NanoX
    • utilizzo di un generatore di configurazioni di container
    • realizzazione o uso di un libreria javascript per l'accesso a dati di terze parti e invio di queste a widget grafici già presenti, javascript
  • Gestione di MOUSE 3D per la navigazione su digital twin 3D di Firenze, via pagine web
  • Digital Twin 3D della citta: uso di AI and 3D tiles in CESIUM format
  • Digital Twin 3D della citta: inserimento di modelli 3D dinamici per la vegetazione
  • integrazione di modelli decisionali DSS basati su System Thinking con modelli Neurali, Neuro-Symbolic
    • esecuzione di processi system thinking definiti in Node-red su griglia  fissa, riporto dei risultati come heatmap
  • Extending data ingestion process with NGSI LD compliant brokers, new version wrt the actual 
    • uso del broker Orion NGSI LD per l'invio di dati verso NIFI Apache
  • Editing di Scenario: aggiunta dell'editing di TPL, eventuale salvataggio del GTFS, o modifica in modo da poterlo salvare con altro tool. 
    • sviluppo in Javascript per l'editing di scenari che rappresentano il trasporto pubblico, spostamento di fermate, modifica corse, recomputo tempi, rappresentazione e lavoro su grafica gia presente come MultiDataMap 
  • altro:
    • standby
      • evoluzione di editor Open street Map, modellazione simbolica, gestione su aree multiple a livello di container
      • studio e implementazione di soluzioni web e mobile per 2FA integrato su KeyCloak/LDAP
      • gestione di container che presentano API di data analytic, plumber, flash: uso di una API manager o sviluppo di un API manager
        • gestore dei microservizi di Data Analytics come API
      • Aggiunte al 3D model della città, elementi di decoro urbano: alberi, semafori, auto, tramvia, etc.
      • studio e uso di Jarvice per la gestione di container su large scale solutions https://jarvice.readthedocs.io/en/latest/
      • sviluppo su OCULUS di scenari per la navigazione cittadina, partenza da una soluzione preliminare già presente.
      • Autenticazione su broker MQTT keycloak, estensione della versione per NGSI già presente
      • connessione di dashboard a sistemi di supporto alle decisioni distribuito Baesiano come SmartDS.
      • indicizzazione Open Search di dati complessi multisorgente e accesso multifaceted, processo multitasking di update
      • gestione di undo selettivo per soluzioni di business intelligence 
      • estensione di modelli di routing dinamico vincolato a partire da soluzioni Open Source Graphhopper
      • scalabilità front end in PHP, balancing e contesto salvato su database condiviso
      • Sviluppo Kit Mobile App, OpenID connect, Snap4City
      • gestione di Video Stream multipli verso dashboard, uso di Kurento, turn, etc.
      • modellazione di NGSI-V2/LD rispetto alle Smart City API, SSM2ORION
      • studio di NIFI draco
      • studio di simulatori Open Source per lo studio di movimentazioni logistiche di materiali in città anche con uso di Droni, e guida autonoma
      • sviluppo di un sistema di serious game per vehicle sharing (bike and car), con lock-unlock, booking, tracking, etc. 
      • Studio di IOT Agent FIWARE, IDAS
      • sviluppo di strumento di simulazione e calcolo della domanda vs offerta di mobilità con diversi tipi di matrici origine destinazione
    • in corso
      • estensione della Piattaforma Snap4City per autorizzazione abilitando il singolo utente ad avere piu' organizzazioni, form per il cambio di ORG al volo. L'utente formalmente puo' avere piu' org ma solo una attiva allo stesso tempo. (fuoco SnP, A&A)
        • sviluppo in PHP, javascript, verifiche e test
      • visualizzazione dati di flusso di traffico su mappa a partire da dati su Open Search, ed grafi 
        • accesso ad open search tramite API e visualizzazione traffico come reticolo di strade, uso javascript, uso di procedure già presenti per la grafica
      • Digital twin di incroci: simulazione grafica di incroci per movimentazione e semafori.
      • estensione/generazione, integrazione di matrici OD, Digital Twin per il trasporto pubblico: bus, bike, scooter, etc. 
      • Revisione del sistema di Gestione dati modello GDPR, con permessi dettagliati (fuoco SnP)
      • Aggiunta di funzionalità ad un editor visuale di JavaScript per client side business logic
      • strumenti di match domanda offerta di trasporto pubblico: estensione ad altri tipi di mezzi a partire da DORAM tool
      • strumenti partecipativi, richieste di intervento: mobile app per il caricamento di img e video e descrizioni per notificare disagi ed interventi, relativa evoluzione di stato con motore di intervento Workflow Standard , Open Maint per esempio
      • integrazione di web e mobile App verso servizi di pagamento e micropagamento: CC, PayPal, etc., gestione wallet
      • strumenti di match domanda offerta di trasporto pubblico tramite Reinforced learning
      • editor di scenari su mappa geografica
    • elaborati passati qui oppure si veda in fondo a questa pagina
      • elementi per modelli e strumenti di what-if analysis distribuiti scalabili per lo studio dell'evoluzione del trasporto pubblico
        • uso di processi di data analytic via API  da javascript
        • sviluppo di un processo Python per il computo di KPI sulla base di dati accessibili tramite SCAPI, javascript
      • inserimento soluzione per Cut/Past di widget nel Dashboard Builder, con possibilità di export/import in JSON neutro.
      • tool per il debug di stream programming event driven distribuito Node-RED, test di uno strumento sviluppato open source da terzi
      • import/export e clonazione di modelli ed istanze, smart data model, IoT device Models etc. 
      • estrazione dati a OSM verso RDF stores, per knowledge base, Digital Twin dei modelli strutturali
      • Digital Twin 3D della citta: uso di API 3D tiles di Google per navigazione 3D aumentata
        • verso il modello dati e rappresentazione che è compatibile
        • https://developers.google.com/maps/documentation/tile/3d-tiles-overview
• TIpo B: studio e sviluppo di algoritmi di data analytic, machine learning su big data con tecniche varie (TensorFlow, Keras, MapReduce, simulatori), ambiti: energia, ambiente, industria, mobilità e trasporti, comportamento utente, etc. Algoritmi che possono essere per predizioni, classificazione, riconoscimenti di pattern, anomaly detection, etc.:
  • sviluppo in python di algoritmi per la generazione di heatmap: IDW, AKIMA o altri, via MLOps
    • uno o due modelli per ogni elaborato
  • sviluppo in Python di modelli AI, deep learning per la predizione di serie temporali con stagionalità via MLOps
    • uno o due modelli per ogni elaborato
  • uso di modelli di continuos learning (fast and slow) per la predizione del traffico.
    • sviluppo in python sull base di modelli di deep learning già presenti
  • metodi di AI con framework di federated learning per la soluzione di problemi complessi su architetture distribuite 
  • approccio per la generazione di scenari di traffico GGAN per la soluzione di situazioni critiche: Reti avversarie generatrici di grafici (Graph GAN): estendendo il concetto di GAN ai dati grafici, i Graph GAN coinvolgono un generatore e un discriminatore addestrati rispettivamente a produrre e valutare grafici. Il generatore impara a produrre grafici realistici (con caratteristiche di nodi e bordi) che sono indistinguibili da quelli reali per il discriminatore. Questa tecnica è utile per generare grafici sintetici che imitano le proprietà delle reti del mondo reale.
    • un modello generativo metaeuristico è già presente, sviluppo in Python
  • modelli PINN per la simulazione di processi fluidodinamici di erosione costiera.
    • uso di librerie Modulus, python soluzioni di partenza presenti
  • studio e sviluppo di soluzioni neuro simboliche per i modelli predittivi adattivi (semantici ed inferenziali) in connessione all'explainability dell'Artificial intelligence 
    • come usare i risultati XAI di modelli predittivi per generate concetti simbolici che possono aiutare durante la iperparametrizzazione / training
  • sviluppo procedure di business intelligence per la stima di statistica descrittiva: Typical trends, scatter plot, correlations, average, PCA, etc., sulla based di un set di serie temporali
    • UNO sviluppo per ogni elaborato: Sviluppo di processi in Python, MLOps ClearML, che vengono utilizzati tramite API
  • altro
    • standby chiedere che siamo in attesa di dati:
      • analisi di video di sistemi PTZ per tracking di oggetti complessi in movimento, detection e regia automatica
      • modelli di autoconsumo e gestione dei dati di consumo in agglomerati che possono avere storage, veicoli elettrici, PV, etc.
      • studio della causalità fra eventi di traffico, e RSS, traffic flow, condizioni meteo
      • analisi dati da flotte di veicoli elettrici
      • analisi di dati wi-fi per le predizioni di presenze, relazione con eventi e dati di altro tipo
      • soluzioni e modelli predittivi per la manutenzione di flotte di trasporto
      • soluzioni per la gestione e la riduzione di consumi energetici in edifici, distretti e città
    • assegnati di recente
      • Soluzioni di Generative AI per la produzione di flussi Node-red che sfruttano le librerie Snap4City, uso di modelli LLM per fine tuning, python
      • studio di modelli di simulazione per la gestione della domanda offerta di trasporto (scooter, bikes, sharing) tramite ML/AI, XAI
      • soluzioni di Generative AI per la produzione automatica di JSON che rappresentano Dashboard e/o report basati su dati.
      • uso di dati micro-satellitari per la stima dei flussi di traffico tipici e/o dei parcheggi lungo strada.
      • calcolo di matrici di origine destinazione  a partire dai dati di traffico
      • uso di LLM per la valutazione della mediabilità di vertenze a partire da documenti legali.
      • sfruttamento di modelli LLM (tipo ChatGPT, Llama/2) per sviluppare un development assistant per Snap4City
      • Ottimizzazione di processi di raccolta rifiuti tramite GNN, confronto con tecniche tradizionali su Genetic Algorithm, per esempio partire da https://github.com/vidalt/HGS-CVRP
      • GNN, graph NN per la stima di predizione e propagazione del flusso di traffico in reti stradali
      • modelli di digital twin per semafori concatenati e sincronizzati, simulazione con modelli AI, reinforced learning appraoches
      • strumenti di match domanda offerta di trasporto pubblico tramite Reinforced learning
      • calcolo di indicatori SUMI/PUMS sulla base di dati in KB semantica, query simboliche SPARQL, e dashboards
      • analisi di video termiche per l'estrazione di traiettorie per conteggio di persone: inflow e outflow
      • Uso di OpenFoam per la simulazione di fluidodinamica in strutture rigide, con pressione variabile
      • studio e confronto di modelli di XAI per le time series
    • per elaborati passati si veda qui oppure in fondo a questa pagina
      • Uso di SUMO per simulazione di reti semaforiche e produzione delle temporizzazioni ottime
• Tipo C: Studio e sviluppo di processi in Processing Logic,  IOT App in Node-RED/javascript per datawarehouse o per inserimento di logica intelligente Client  side o server side, si veda Snap4City per Elaborati IOT App (la pagina non contiene gli open data specifici per lo svolgimento dell'elaborato); La piattaforma di sviluppo è node-red con microservices/nodi presenti.
  • https://www.snap4city.org/download/video/Snap4Tech-Development-Life-Cycle.pdf
  • revisione del progetto Data Table Loader/POI Loader per l'ingestion smart di dati anche con l'uso di CSBL e/o Python
    • https://www.snap4city.org/729
  • sviluppo di un caso di studio: uso di modelli system thinking per il supporto alle decisioni, sviluppo di un processo node-red che calcola l'albero decisionale in una griglia della città e costruzione di una heatmap usando heatmap manager e API già presente.
    • tutto lo sviluppo in node-red con uso di dashboard per la visualizzazione
  • Stima con processi di data ingestion di alcuni indicatori SUMI:  https://www.snap4city.org/951 visualizzazione in dashboard standard, sviluppo Javascript
    • alcuni indicatori sono gia stati stimati  altri possono essere aggiunti in questo elaborato
  • sviluppo di processi di ingestion di dati della mobilità in standard NeTEx / SIRI format, verso KB, processo simile già presente in python per passare da GTFS a KB
  • acquisizione di dati da sorgenti esterne, dati di traffico, dati di sharing, dati di tiled 3D
  • scelta ed integrazione per sistema di lettura targhe di auto, anche da TV che mandano stream of da TV cam che già fanno il riconoscimento: using standard camera for car / scooter plate recognition, managing white/black lists in real time
  • altro
    • standby:
      • processi di ingestion dati da operatore telefonico di movimenti persone, matrici OD
      • completamento di un gestore di File ed integrazione con una view di caricamento immagini/video da mobile App
      • processi di ingestion dati HERE di traffico
      • sviluppo di soluzioni di business intelligence: dashboard builder + Javascript: SUMI, PUMS
      • valutazione delle prestazioni di dashboard cluster in balance
      • sviluppo flussi node-red per interoperability con: sistemi di gestione telecamere
      • ricerca di data set interessanti in ambito mobilità, ambiente, energia
      • analisi di modelli dati, sviluppo di data model o sfruttamento di data model standard
      • caricamento dati in piattaforma data warehouse: Node-RED, NIFI, etc.
      • sviluppo macro per NiFi, Node-red
      • uso dei dati per analisi statistica descrittiva: in Rstudio o Python
      • realizzazione di dashboard per riportare i dati e l'analisi descrittiva tramite IoT App, dashboard builder
      • generazione di Javascript da programming language visuale per neofiti e giovanissimi: in https://scratch.mit.edu/
        • scratch for Snap4City..... per esempio... come fare ? possibile ?
      • creazione di una IOT Application che possa simulare il comportamento di un plastico lego (o sua rappresentazione in 3D) di una città con parcheggi, luci, panchine, cassonetti, camion nettezza, autobus, semafori, flussi, acqua e livelli, scale mobili, ascensori, metropolitana, etc. in modo da simulare i problemi di smart parking, smart biking, traffic routing, people flow, etc. 
    • per elaborati passati si veda in fondo a questa pagina
      • soluzioni IoT healthiness, notifiche ed anomaly detection
        • uso di dati gia collezionati e creazione di notifiche in varia forma
        • gestione di processi di caricamento dati, anomaly detection, log, gestione allarmi
      • fleet management, data from OBU/CANbus
      • acquisizione di dati relativi a modelli 3D del sottosuolo, impianti distribuzione acqua, gas, scarichi, etc. 
    • Assegnato in corso:
      • soluzioni di smart parking evolute, sensori smart parking evoluti da testare, collegamento sensore utente, white/black lists
      • sviluppo di soluzioni dimostrative mettendo insieme: scenario editor, node-red, e alcuni Python già fatti per il computo di heatmap di vario tipo a partire da sensori con dati già presenti 

 

ARGOMENTI DI TESI 2022-2023 PER TRIENNALE O MAGISTRALE: INFORMATICA, ELETTRONICA E TELECOMUNICAZIONI, PER ESEMPIO.

Tesi/Stage per Laurea Triennale e/o Magistrale; per Ingegneri Intelligenza Artificiale, Ingegneria Informatica, Telecomunicazioni, informatica di scienze, Inoltre vi sono anche svariate tesi di dottorato.
Su svariati argomenti, e' possibile partire con un elaborato e continuare sullo stesso argomento nello stage e Tesi, anche con aggiunta crediti per il Lab. 
Agli elaborati e tesi è possibile collegare lo Stage o il Laboratorio con i relativi crediti. Possibili argomenti possono essere inerenti allo studio, sviluppo, sperimentazione di soluzioni (anche estensioni di elaborati riportati nella lista sopra) per:

• tesi triennali 
  • si parte da i temi di elaborati di tipo A, B o C, o per fusione degli  stessi, direttamente nella liste precedenti.
• tesi magistrali  
  • integrazione/estensione di argomenti A, B, o C.
  • etc.

Per alcune Tesi svolte in passato al DISIT segui questo link.

Ogni tesista viene seguito in tutte le fasi da uno o più esperti/ricercatori della materia e dispone delle risorse del laboratorio DISIT e del data center DISIT. 
si NOTI  che Tutti gli elaborati e tesi possono svolgersi ONLINE senza problemi o riduzione della loro validità direttamente via rete. Vi viene dato accesso alla piattaforma di sviluppo e/o vi vengono fornite macchine virtuali o container per poter creare il vostro ambiente.
 
Si informa inoltre del Bando Aperto per Borse di Dottorato: Sono disponibili borse di dottorato triennali in vari ambiti, e di borse di Dottorato in Apprendistato con importanti aziende del settore ICT. Se interessati contattate il Prof. Paolo Nesi.

Stage e Tesi vs Progetti di Ricerca

Svariate Tesi rientrano in modo parziale in progetti progetti di ricerca e sviluppo a carattere nazionale ed internazionale in corso di sviluppo al DISIT e/o con partner di ricerca e industriali si veda la pagina relativa ai progetti. Fra questi: SAUSAM del CN Most, CAI4DSA su FAIR PE PNRR, Tourismo Interreg, Snap4ISPRA JRC, Centro Nazionale Mobilità Sostenibile (CN MOST), Lab Congiunto con Ferrovie dello Stato (MORE), EDIH Tuscany X.0, AMMIRARE Interreg, TOURISMO Interreg, ARTER on energy monitoring, ALMAFLUIDA, AMPERE, SmartBed, SODA, Snap4City (Https://www.snap4city.org ), MOSAIC (regionale con ALSTOM), WEEE Life della commissione europea (con regione e camera di commercio), TRAFAIR (CEF della Commissione Europea, con Univ Modena), Feedback (regionale con VAR), Join (regionale), WEEE (LIFE della EC), REPLICATE H2020 (smart city, con comune di Firenze, TIM, ENEL, Thales, etc.), RESOLUTE H2020 (ec, resilience),  Sii-Mobility (SmartCity nazionale MIUR), COLLABORA (Smart city nazionale MIUR), RAISSS (bando unico, gestione delle stazioni ferroviarie), TRACE-IT (bando unico segnalamento e metodi formali), ICARO (bando unico, cloud e smart cloud), SACVAR (regionale, analysis delle competenze, crawling regionale, matchmaking), OSIM (natural language processing, comprensione delle competenze), ECLAP, Mobile Medicine, AXMEDIS, Mobile Emergency, IMAESTRO, VARIAZIONI, WEDELMUSIC, MPEG-SMR, TAC++, IMUTUS, QUACK, OMR, TOTS, VISICON, OPTAMS, SAMOPROS, MUSICNETWORK, etc.
In alcuni casi viene riconosciuto un rimborso spese in base al tipo di lavoro ed al progetto in cui la tesi si inserisce. In alcuni casi le attività sono svolte in collaborazione con l'industria, non si delega all'industria la definizione della tesi. E' possibile svolgere il periodo di Stage/Tirocinio/Laboratorio presso il DISIT ed accorpare il periodo di Tesi e di Stage/Tirocinio/Laboratorio con lo stesso argomento. Si veda per dettagli la pagina dei progetti.
 

Competenze necessarie per la Tesi

Non sono richieste particolari conoscenze per l'acquisizione e lo svolgimento delle/dei suddette/i Tesi/Elaborati. Laureandi in Ingegneria Informatica, o Elettronica, o delle Telecomunicazioni o Automatica, come anche Laureandi in Informatica, sono tutti in grado di acquisire tali Tesi e di arrivare alla loro conclusione con successo in tempi previsti dal manifesto degli studi, dipendentemente dal tipo di Tesi e dal tempo che il candidato intende dedicarci: esami in sospeso, eventuale lavoro, Laurea Triennale o Magistrale, stage, etc.
Nella durata è incluso il tempo per l'apprendimento delle basi necessarie incluse le tecnologie che saranno utilizzate. Per le Tesi del nuovo ordinamento si prevede una durata di circa 2-3 mesi. Ogni Tesista viene seguito da 1-2 persone che hanno un'approfondita competenza nel settore e nelle tecnologie specifiche e che lo affiancano in ogni momento, sono a sua disposizione.
Alla tesi si puo' connettere anche il laboratorio e/o lo stage.

 

Tecnologie per elaborati, stage e tesi

I Tesisti/Elaborandi lavorano tipicamente utilizzando tecnologie innovative e svolgono la loro attività dove preferiscono, per esempio presso lo stesso Lab DISIT o Lab INEA-lab o altrove. In ogni caso, viene fornito accesso continuato al Lab DISIT dalle 8:15 alle 20:00 (tutti i giorni) dove possono trovare chi gli assiste (ricercatori, dottorandi, assegnisti di ricerca) nelle loro attività e li puo' aiutare ad affrontare qualsiasi tipo di problematica durante la loro formazione.
si NOTI  che Tutti gli elaborati e tesi possono svolgersi ONLINE senza problemi o riduzione della loro validità direttamente via rete. Vi viene dato accesso alla piattaforma di sviluppo e/o vi vengono fornite macchine virtuali o container per poter creare il vostro ambiente.
Il candidato puo' lavorare da solo o in gruppo, comunque avrà la possibilità di apprendere metodi, metodiche e tecniche per l'analisi e la progettazione di sistemi complessi e distribuiti in base al suo argomento di azione:

• ambienti data analytics, machine learning: Python, R Studio,
  • Tensor Flow, Keras (GV100, Titan XP, RTX 3090, RTX 4090, A 4500, etc.), Java, Map Reduce, etc.
  • varie schede NVIDIA e cluster per oltre 160.000 GPU cores
• tecniche di programmazione: Javascript, Python, PHP, Java, GO, C++, JSP, Node-RED, Node.JS, Jquery, Angular, etc.
• embedded programming su schede: Raspberry Pi, Arduino, Android, ESP32, .. 
• IOT protocols se necessario: NGSI, LoraWAN, OneM2M, ModBUS, OPC, COAP, MQTT, AMQP, WS, HTTPS/HTTP, etc.
• data warehouse: Node-RED, NIFI, Kafka, etc.
• mobile programming: Apache Cordova multi piattaforma (Android, iOS)
• lavorare con tecnologie specifiche dipendentemente dalla Tesi/Elaborato Scelta.

Le piattaforme di lavoro sono principalmente LINUX, Windows Server, Android, etc. In molti casi, agli studenti vengono forniti degli ambienti completi in macchine virtuali, container in locale o in cloud. Al loro interno sistemi completi già installati. Questo permette di ridurre notevolmente i tempi di realizzazione della tesi/elaborato perche' vengono abbattuti i tempi di installazione e set up, i tempi di apprendimento delle problematiche di gestione di sistema. Allo stesso tempo, lo studente ha la possibilità di cimentarsi con un problema reale potendo, se lo desidera, approfondire le problematiche dell'intero sistema, e capire come si lavora in un contesto reale lavorativo anche in collaborazione con altri.
 

Tesi e accesso al Laboratorio DISIT

Il Laboratorio DISIT si trova al secondo piano della Facoltà/Scuola di Ingegneria, Via S. Marta 3, lungo il corridoio dell'ala est/destra.
 

Consegna Elaborato

a conclusione di tesi ed elaborati va prodotto uno ZIP/RAR, su USB o CD/DVD attenendosi ai contenuti descritti a questo link: http://www.disit.org/5986
 

RICEVIMENTO PER TESI ED ELABORATI IN VIA PREFERENZIALE

Il Prof. P. Nesi riceve tutti i Venerdi dalle ore 11:30 alle ore 13:00, presso il suo ufficio in Via S. Marta, 3, Dipartimento di Ingegneria dell'Informazione (ex DSI), secondo piano ala est (ala destra entrando dal cancello).
Per ricevimento on line contattarmi direttamente su Skype. Cercatemi su Skype usando il mio indirizzo di email: paolo.nesi@unifi.it
Il Laboratorio DISIT e' la porta difronte all'ufficio. E' sufficiente inviare una email a paolo.nesi@unifi.it oppure al ricercatore o ai ricercatori DISIT con i quali vi interessa lavorare.

OLD:
 

DISIT Lab: Orientamento in Itinere, triennali e magistrali (vecchio)

relazione alla giornata di orientamento del 29 ottobre, ciascun gruppo/laboratorio interessato a partecipare dovrebbe preparare una presentazione di una ventina di minuti che sviluppi i seguenti punti: - ARGOMENTI DI RICERCA (da 3 a 5 slides): breve panoramica degli argomenti di ricerca attivi presso il laboratorio/gruppo - COLLABORAZIONI CON IMPRESE/UNIVERSITA' STRANIERE (1 slide): su quali argomenti di ricerca sono attive collaborazioni con gruppi di ricerca stranieri o aziende (sia italiane che straniere) - TESI TRIENNALE (2 o 3 slides): esempi di argomenti di tesi e panoramica delle conoscenze/competenze acquisite in una tesi triennale - CdL MAGISTRALE (1 o 2 slide per insegnamento): Relazione tra attività di ricerca del lab/gruppo e gli insegnamenti della magistrale. Panoramica delle maggiori competenze/conoscenze acquisite negli insegnamenti magistrali in relazione alla ricerca svolta nel lab/gruppo