Vai al contenuto

Tirocini aziendali

Oltre ai numerosi tirocini interni (consultabili a questa pagina), ISGroup è in continuo contatto con le aziende del territorio del settore ICT, e in collaborazione con esse propone numerosi argomenti di tirocinio aziendale nell'ambito della gestione del dato e dell'informazione.

Tecniche intelligenti per l’estrazione di conoscenza e la gestione di patrimoni bibliografici multilingua e multialfabetici

Tematica nell’ambito dei progetti PNRR ITSERR e in collaborazione con MIM.FSCIRE

Data l’evoluzione tecnologica, le librerie fisiche necessitano sempre più di avere una controparte digitale, per rendere il proprio patrimonio culturale accessibile nel modo più semplice possibile. Inoltre, l’aspetto della preservazione di documenti, dato l’avvento del web e della digitalizzazione delle risorse, diventa sempre più un tema centrale nell’attuale società multiculturale e inclusiva. Il progetto Digital Maktaba (dall’arabo “maktaba”, “biblioteca”) mira a individuare tecniche per l’estrazione di conoscenza e la catalogazione automatica di patrimoni bibliografici multilingua e multialfabetici e a sviluppare modelli virtuosi nel campo della catalogazione che possano gestire testi scritti in alfabeti non latini. Le ricerche sono svolte in collaborazione con esperti informatici, storici, bibliotecari, ingegneri e linguisti riuniti dalla start-up mim.fscire, l’Università di Modena e Reggio Emilia (UniMoRe), la Fondazione per le Scienze Religiose (FSCIRE), istituzione capofila dell’infrastruttura di ricerca europea RESILIENCE sugli studi religiosi, e la biblioteca Giorgio La Pira (Palermo), che mette a disposizione il suo enorme e unico patrimonio documentale. La catalogazione della grande quantità di dati fornita si avvarrà di tecniche di text analytics e information extraction, anche basate su intelligenza artificiale e su aspetti semantici, oltre che legate al mondo del Big Data, alla loro gestione, preservazione e accessibilità.

Per informazioni più dettagliate rivolgersi a: riccardo.martoglia@unimore.it


Arricchimento di Knowledge Graph attraverso tecniche di Artificial Intelligence

Tematica in collaborazione con Expert.AI nell’ambito del progetto Ibrid.AI

Un Knowledge Graph è una rappresentazione a grafo di un dominio di conoscenza ed è costituito da nodi che rappresentano persone, fatti, luoghi, eventi, ecc. e archi ovvero relazioni che mettono in collegamento i nodi come “nato a” o “partecipato a”. Un esempio molto famoso di KG è DBPedia ovvero la versione a grafo di WIKIPedia. I KG vengnono oggigiorno utilizzati in svariate applicazioni in ambito di information retrieval e natural language understanding. Nell’ambito del progetto Ibrid.AI sono disponibili diversi argomenti di tesi che riguardano approcci di artificial intelligence innovativi quali gli approcci neuro-simbolici applicati a vari KG task come entity extraction, link prediction e KG cleaning.

Per informazioni più dettagliate rivolgersi a:  federica.mandreoli@unimore.it 


Massive Data Science e Data-Centric AI su dati clinici

Progetto in collaborazione con il Prof. Giovanni Guaraldi (UniMoRe, Policlinico di Modena) e il Prof. Paolo Missier (Newcastle University)

La pratica medica si sta evolvendo rapidamente, allontanandosi dal tradizionale ma inefficiente approccio di rilevamento e cura, e verso una visione di medicina Preventiva, Predittiva, Personalizzata e Partecipativa (P4). Questa visione è sempre più basata sui dati ed è sostenuta da molte forme di “Big Health Data”. Allo stesso tempo, le peculiarità dei dati stanno assumnendo un ruolo sempre più centrale nello sviluppo di modelli di Artificial Intelligence tanto che è stato recentemente introdotto il concetto di “data-centric AI”.In collaborazione con il Prof. Giovanni Guaraldi, infettivologo e responsabile della Clinica Metabolica HIV presso il Policlinico di Modena, e con il Prof. Paolo Missier sono disponibili argomenti di tesi sui temi di data analytics e machine learning applicati a diversi dataset clinici come, ad esempio, dati di pazienti COVID 19, tracce di attività motorie raccolte attraverso wearable device e cartelle cliniche dei pazienti seguiti dalla clinica metabolica. Gli argomenti di interesse sono argomenti trasversali che riguardano sia il data engineering e le tecniche di artificial intelligence rispetto alla specificità dei dati clinici come lo studio di soluzioni di interpretabilità dei modelli, la generazione di dati sintetici, approcci di pre-processing, lo studio dei modelli causali sia i risvolti sulla pratica clinica in termini di P4 medicine quali l’introduzione di terapie personalizzate, la predizione di condizioni cliniche avverse, la formulazione di score di rischio.

Per informazioni più dettagliate rivolgersi a:  federica.mandreoli@unimore.it