Appunto per IL direttorio


Competenze acquisite al termine del tirocinio



Scaricare 167.5 Kb.
Pagina10/21
29.03.2019
Dimensione del file167.5 Kb.
1   ...   6   7   8   9   10   11   12   13   ...   21
Competenze acquisite al termine del tirocinio:

Una o più delle seguenti:



  • modellazione architetturale di soluzioni software/infrastrutturali;

  • capacità di utilizzo della tecnologia REST/Web Service;

  • capacità di analisi dei processi autorizzativi e delle politiche di controllo degli accessi alle risorse.


Requisiti richiesti (oltre a quelli già specificati):

  • laurea magistrale/specialistica in Ingegneria informatica, Informatica, Matematica, Statistica, Fisica o titoli equivalenti.


Competenze richieste:

  • predisposizione allo sviluppo e fluidità con almeno un linguaggio di programmazione.


3. TECNICHE DI MACHINE LEARNING PER L’OTTIMIZZAZIONE DI PROCESSI DI BUSINESS

A partire da qualche anno, l’utilizzo di algoritmi di apprendimento automatico (machine learning) ha fornito un consistente impulso per lo sviluppo di applicazioni innovative, in special modo nel campo del processamento di grandi moli di dati: si pensi ad esempio al processo automatico di sfocatura dei volti e delle targhe automobilistiche impiegato in Google Street View. D’altro canto, l’esistenza di una sempre crescente quantità di dati offre l’opportunità di accelerare processi aziendali automatizzandone alcune fasi tramite tecniche di machine learning, quali: analisi semantica, information extraction, sentiment analysis, classificazione automatica, decision making.

In tale ambito, il tirocinante avrà la possibilità di partecipare alle sperimentazioni avviate dall’Istituto e apportare un contributo in uno a scelta tra i seguenti ambiti, sulla base del proprio background formativo e delle proprie aspirazioni e inclinazioni:


  • classificazione automatica di documenti testuali attraverso tecniche di Natural Language Processing (NLP) e Deep Learning;

  • validazione automatica di documenti: cioè estrazione automatica delle informazioni di dati non strutturati e validazione incrociata con dati strutturati;

  • Information Cleaning: tecniche di eliminazione, correzione di dati errati, fuori norma o contesto (outliers) in Large Scale Database;

  • predizione di andamenti e indici economici attraverso tecniche di Machine Learning tempo-dipendenti (Recurrent Neural Networks).

Il tirocinante contribuirà alla realizzazione di tali soluzioni di machine learning, basate su tecniche note in letteratura (reti neurali, reti bayesiane, reti deep, ecc.). I diversi algoritmi utilizzati verranno confrontati con alcuni benchmark di riferimento, per valutarne le prestazioni e l’efficienza. In particolare, scelto uno degli ambiti di lavoro, si occuperà dei seguenti aspetti:

  • studio e analisi critica delle tecniche allo stato dell’arte per il trattamento dei dati (individuazione di keyword, estrazione di features, ecc.);

  • implementazione degli algoritmi mediante librerie open source, ad es. TensorFlow;

  • esecuzione dell’apprendimento su dati di training, valutazione dei risultati di test, e successivo tuning dei parametri;

  • presentazione dei risultati ottenuti.

Il tirocinante sarà affiancato da personale esperto e avrà a disposizione strumenti di calcolo dedicati.




Condividi con i tuoi amici:
1   ...   6   7   8   9   10   11   12   13   ...   21


©astratto.info 2019
invia messaggio

    Pagina principale