Elena Pagani - Offerta di Tesi, Tirocini, Contratti e Assegni

CdL triennali	Titolo
Informatica	Tematiche di tirocini legati a tesi presso lo Internet Service Provider EOLO
preferibilmente Inf. Comunicazione Digitale	Una app mobile per la valutazione del rischio nutrizionale nei pazienti anziani
preferibilmente Inf. Comunicazione Digitale	Una app mobile per l'identificazione del livello di stress da segnali fisiologici e sensori indossabili in riabilitazione

CdL Magistrali	Titolo
Informatica	GAN4mHealth: exploiting synthetic data generation for AI-powered mobile healthcare
Informatica	Performance evaluation of novel ML/DL training methods for resource-constrained devices
Informatica	Integration of benchmarks in the SAI simulator
Informatica	Evaluation of Quantum Routing Algorithms in Realistic Topologies
Informatica	Efficient Network Resource Management in Industry 5.0
Informatica	Modelli di ottimizzazione per una efficiente ingegnerizzazione del traffico di rete

Tematiche di tirocini legati a tesi presso lo Internet Service Provider EOLO

Ente	EOLO è un Internet Service Provider nazionale con un'infrastruttura di rete mesh wireless, formata da approssimativamente 4000 POP.
Descrizione	Disponibili tirocini esterni legati a tesi sulle seguenti tematiche: testing automation (in diversi contesti: sicurezza, networking, etc.) per automatizzare scenari di test e validazione, agganciandoli a pipeline CI/CD. Servono competenze verticali (reti, security) e una buona base di programmazione. nuovi modelli di ottimizzazione delle configurazioni di dispositivi e protocolli per il loro traffico. In cooperazione con il nostro gruppo di Ricerca Operativa (Laboratorio OptLab) progettazione e sviluppo di strumenti software di monitoraggio della rete miglioramento del geocoding per determinare la copertura fornita in una certa posizione dalle antenne esistenti. In cooperazione con il nostro gruppo di Ricerca Operativa (Laboratorio OptLab).
Riferimenti
Tipo di tesi	teorico-pratiche
Requisiti	Tema (1) - insegnamento di Sicurezza per CdL triennale. Temi (2) e (4) - insegnamento di Ricerca Operativa per CdL triennale.
Sede di lavoro	Busto Arsizio (VA)
Contatti
Numero posti disponibili
Durata	3-4 mesi

Una app mobile per la valutazione del rischio nutrizionale nei pazienti anziani

Ente	L'unità di ricerca Ubiquitous Internet dell'Istituto di Informatica e Telematica del CNR (sede di Pisa) sviluppa nuovi paradigmi, algoritmi e protocolli per la Next-Generation Internet e si occupa degli aspetti che renderanno la rete una Internet of People (IoP), sempre più pervasiva e centrata sugli utenti ed i loro dispositivi personali, visti come elementi fondamentali del suo funzionamento.
Descrizione	Progettazione e implementazione di una app per dispositivi mobili, finalizzata al monitoraggio nutrizionale negli anziani ospiti di una RSA. La app dovrà raccogliere dati sia introdotti dal personale di assistenza riguardo all'alimentazione di ogni paziente e all'intensità dell'attività fisica svolta, sia inviati via Bluetooth da una bilancia impedenziometrica capace di misurare - oltre al peso - anche l'indice BMI, la percentuale di grasso corporeo e la massa ossea. La app si dovrà interfacciare con una base di dati contenente i menù offerti dalla RSA e le informazioni sulle patologie dei pazienti e le terapie seguite. La app fornirà al personale un rapporto settimanale con indicazioni personalizzate riguardo a possibili carenze di macro-nutrienti, rischio di malnutrizione, e suggerimenti per la composizione dei pasti dei giorni successivi.
Riferimenti
Tipo di tesi	applicativa, implementativa
Requisiti
Sede di lavoro	L'attività può essere svolta da remoto con frequenti riunioni online con i ricercatori del CNR.
Contatti	Flavio Di Martino; Franca Delmastro
Numero posti disponibili	1
Durata	3.5 - 4 mesi

Una app mobile per l'identificazione del livello di stress da segnali fisiologici e sensori indossabili in riabilitazione

Ente	L'unità di ricerca Ubiquitous Internet dell'Istituto di Informatica e Telematica del CNR (sede di Pisa) sviluppa nuovi paradigmi, algoritmi e protocolli per la Next-Generation Internet e si occupa degli aspetti che renderanno la rete una Internet of People (IoP), sempre più pervasiva e centrata sugli utenti ed i loro dispositivi personali, visti come elementi fondamentali del suo funzionamento. Al suo interno vi sono 4 laboratori, di cui uno dedicato a Digital and Mobile Health (responsabile Dott.ssa Franca Delmastro)
Descrizione	Il lavoro consiste nella ri-progettazione e ristrutturazione di una app per dispositivi mobili Android, finalizzata al monitoraggio dei livelli di stress durante sedute di riabilitazione cognitiva e motoria in soggetti affetti da malattia di Parkinson. Una prima versione della app era già stata sviluppata in laboratorio quindi la tesi dovrà occuparsi di vari aggiornamenti software legati all'interfacciamento via Bluetooth con sensori indossabili dedicati alla raccolta di segnali fisiologici, aggiornamento e restyling dellinterfaccia grafica e progettazione della parte di feedback per il personale medico. L'app è stata progettata in collaborazione con medici specialistici dell'Azienda Ospedaliera Universitaria Pisana e sarà utilizzata all'interno di un protocollo clinico con soggetti volontari.
Riferimenti
Tipo di tesi	applicativa, implementativa
Requisiti
Sede di lavoro	L'attività può essere svolta da remoto con frequenti riunioni online con i ricercatori del CNR.
Contatti	Franca Delmastro; Flavio Di Martino
Numero posti disponibili	1
Durata	3.5 - 4 mesi

GAN4mHealth: exploiting synthetic data generation for AI-powered mobile healthcare

Ente	L'unità di ricerca Ubiquitous Internet dell'Istituto di Informatica e Telematica del CNR (sede di Pisa) sviluppa nuovi paradigmi, algoritmi e protocolli per la Next-Generation Internet e si occupa degli aspetti che renderanno la rete una Internet of People (IoP), sempre più pervasiva e centrata sugli utenti ed i loro dispositivi personali, visti come elementi fondamentali del suo funzionamento.
Descrizione	Synthetic Data Generation (SDG) can be a fast, cost-effective, and privacy-preserving way to achieve data augmentation, thus alleviating real-word data collection issues and boosting the performances of supervised learning models in specific downstream tasks. This is of utmost importance for AI-powered mobile health (m-health) applications, for which the scale of collected data is often strongly limited by privacy, security, ethical, and user burden issues, to name a few. Generative Adversarial Networks (GAN) represent one of the most powerful solutions for creating artificial samples with high realism. However, since GAN are primarily designed to resemble real, target training data distributions, several challenges arise to boost the applicability of synthetic data in real scenarios. In particular, the generation of personalized data is key to enabling faster development of robust, customized AI systems, leading to substantial improvements in digital healthcare delivery (e.g., precision medicine). To reach this goal, this project will focus on developing generative solutions for synthesizing subject-specific mobile sensor data (both physiological and behavioural traces), starting from other users' data (i.e., inter-user translation) and/or from the same user's data of other classes (i.e., intra-user translation). The project will use public wearable physiological datasets (e.g., WESAD, SWELL, CASE) as source data, and the corresponding affective computing tasks (i.e., stress detection and emotion recognition) as case studies. Other wearable datasets and related end applications from public repositories (e.g., UCI ML Repository, PhysioBank) may also be included to extend training/testing. The solutions will be developed in Python using the most prominent GAN libraries, such as TF-GAN, Torch-GAN, and pyGAN.
Riferimenti
Tipo di tesi	teorico-pratica
Requisiti	Basic knowledge of Machine Learning and Deep Learning concepts; Knowledge of theory about GANs is optional; Good mastering of Python programming language, and especially of the most relevant libraries for data science (e.g., Pandas, Numpy, Matplotlib, SciKit-learn, etc...); Prior knowledge of Python libraries for GAN will be considered a plus.
Sede di lavoro	L'attività può essere svolta da remoto con frequenti riunioni online con i ricercatori del CNR.
Contatti	Flavio Di Martino; Franca Delmastro
Numero posti disponibili	1
Durata	6 mesi

Performance evaluation of novel ML/DL training methods for resource-constrained devices

Ente	L'unità di ricerca Ubiquitous Internet dell'Istituto di Informatica e Telematica del CNR (sede di Pisa) sviluppa nuovi paradigmi, algoritmi e protocolli per la Next-Generation Internet e si occupa degli aspetti che renderanno la rete una Internet of People (IoP), sempre più pervasiva e centrata sugli utenti ed i loro dispositivi personali, visti come elementi fondamentali del suo funzionamento.
Descrizione	Deep Learning models are often large-scale models, trained on a huge quantity of data, exploiting powerful and dedicated hardware. Although the inference performance of these models is impressive in terms of accuracy, their training is knowingly highly resource intensive. The current trend of moving the AI process (both training and inference) from remote data centres located in the Cloud towards the Edge of the internet, closer to where the data is collected, is posing new exciting challenges. Precisely, at the Edge, the devices used to train AI models are less powerful if compared to the Cloud resources. Therefore, new solutions and methods for training deep AI models that target resource efficiency are needed. The goal of this project is to identify, implement and compare the performance of novel state-of-the-art training algorithms for deep neural networks that are suitable for being executed on resource-limited devices, e.g., one direction might be going beyond the Backpropagation algorithm. The performance evaluation will be accomplished through simulations on publicly available reference benchmarks.
Riferimenti
Tipo di tesi	teorico-pratica
Requisiti	Basic understanding of Machine learning and Deep Learning methods. (required) Basic coding skills: Python (required) Basic understanding of algorithmic design and implementation (required) Basic skills on performance evaluation via simulation Knowledge of the Pytorch framework Basic understanding of the theory of optimisation Familiarity with the basic concepts of Probability and statistics.
Sede di lavoro	L'attività può essere svolta da remoto con frequenti riunioni online con i ricercatori del CNR.
Contatti	Lorenzo Valerio
Numero posti disponibili	1
Durata	6 mesi

Integration of benchmarks in the SAI simulator

Ente	L'unità di ricerca Ubiquitous Internet dell'Istituto di Informatica e Telematica del CNR (sede di Pisa) sviluppa nuovi paradigmi, algoritmi e protocolli per la Next-Generation Internet e si occupa degli aspetti che renderanno la rete una Internet of People (IoP), sempre più pervasiva e centrata sugli utenti ed i loro dispositivi personali, visti come elementi fondamentali del suo funzionamento.
Descrizione	The focus of the project is on a human-AI ecosystem in which AI-enabled personal devices of users (e.g., smartphones) act as proxies of their users and collaborate to learn collectively a model, starting from the local analysis of the data available at each device (i.e., without exchanging data, but only partial models, among them). To this aim, techniques for decentralized learning are employed. Each device will learn a local model (e.g., a multilayer perceptron) that needs to be combined with the models learned by the other nodes, in order to improve both the local and global knowledge. The research lab has already developed a python simulator (SAI sim) to assess the performance of decentralized learning algorithms. This simulator takes as input the social graph linking the human users and the labelled dataset to be used for the decentralized training. The goal of this project is to extend the set of learning algorithms included in the simulator with benchmarks available in the related literature on federated and decentralized learning. As an example, strategies such as FedProx [1] and FedMA [2] will be integrated.
Riferimenti	[1] Li, T., Sahu, A. K., Zaheer, M., Sanjabi, M., Talwalkar, A., & Smith, V. (2020). Federated optimization in heterogeneous networks. Proceedings of Machine learning and systems, 2, 429-450. [2] Wang, Hongyi, Mikhail Yurochkin, Yuekai Sun, Dimitris Papailiopoulos, and Yasaman Khazaeni. "Federated learning with matched averaging." arXiv preprint arXiv:2002.06440 (2020).
Tipo di tesi	teorico-pratica
Requisiti	Knowledge of python and possibly pytorch Familiarity with deep learning principles
Sede di lavoro	L'attività può essere svolta da remoto con frequenti riunioni online con i ricercatori del CNR.
Contatti	Chiara Boldrini; Lorenzo Valerio
Numero posti disponibili	1
Durata	6 mesi

Evaluation of Quantum Routing Algorithms in Realistic Topologies

Ente	L'unità di ricerca Ubiquitous Internet dell'Istituto di Informatica e Telematica del CNR (sede di Pisa) sviluppa nuovi paradigmi, algoritmi e protocolli per la Next-Generation Internet e si occupa degli aspetti che renderanno la rete una Internet of People (IoP), sempre più pervasiva e centrata sugli utenti ed i loro dispositivi personali, visti come elementi fondamentali del suo funzionamento.
Descrizione	Quantum networks are made of quantum repeaters that enable the end-to-end entanglement of qubits between remote hosts at a geographical distance, which can provide unconditional security through Quantum Key Distribution (QKD) protocols, trusted execution of quantum circuits on untrusted nodes via blind quantum computing, fine-grained time synchronisation for precise sensing, and pooling of resources with distributed quantum computing. Unfortunately, such an end-to-end entanglement is precious, yet ephemeral, since the qubits decohere very fast. Thus, it is of the utmost importance to develop routing quantum algorithms that decide the path along a sequence of quantum repeaters in a resource-wise and timely manner. In the paper "Request Scheduling in Quantum Networks" [1] the authors have assessed the performance, in terms of entanglement rate, fidelity, and other system metrics, in two topologies (planar grid and random) via open-source modules [2] using the free quantum network simulator NetSquid [3]. The goal of the project is: Implement more realistic topologies in the simulator using datasets from the Internet Topology Zoo [4]. Evaluate the performance of the quantum routing algorithms in "Request Scheduling in Quantum Networks" in new simulation scenarios based on the new topologies and compare the conclusions obtained with those in the grid/random topologies.
Riferimenti	[1] appeared in IEEE Trans. on Quantum Engineering - https://ieeexplore.ieee.org/document/9461156 [2] https://github.com/ccicconetti/netsquid [3] https://netsquid.org/ [4] http://www.topology-zoo.org/
Tipo di tesi	teorico-pratica
Requisiti	Python (moderate) Networking and graph theory (basic) Performance evaluation via simulation (basic) Quantum networking (optional)
Sede di lavoro	L'attività può essere svolta da remoto con frequenti riunioni online con i ricercatori del CNR.
Contatti	Claudio Cicconetti; Marco Conti
Numero posti disponibili	1
Durata	6-7 mesi

Efficient Network Resource Management in Industry 5.0

Ente	L'unità di ricerca Ubiquitous Internet dell'Istituto di Informatica e Telematica del CNR (sede di Pisa) sviluppa nuovi paradigmi, algoritmi e protocolli per la Next-Generation Internet e si occupa degli aspetti che renderanno la rete una Internet of People (IoP), sempre più pervasiva e centrata sugli utenti ed i loro dispositivi personali, visti come elementi fondamentali del suo funzionamento.
Descrizione	According to the European Commission, the term Industry 5.0 refers to people working alongside robots and smart machines. In such human-centric industrial environments, the efficient distribution of network resources and data is a crucial aspect of maintaining the functionality and productivity of the system. The increasing number of (potentially mobile) connected devices and the demand for real-time data exchanges introduce challenges in ensuring that data is delivered effectively and efficiently, especially in the presence of immersive technological enablers, such as wearable extended reality (XR) devices. In this project, we will focus on simulating the network resource management in such industrial environments by using algorithmic methodologies for improving the system productivity by also taking into account the worker's quality of experience (QoE). For example, in our past paper "Distributed Data Access in Industrial Edge Networks" [1] we assessed the system performance in the non-human-centric case. In the current project, the goals will be: Implement a simulation model which represents the basic envisioned Industry 5.0 functions (network backbone, edge devices, human operators, XR wearables, etc.) Implement one or more network resource allocation algorithms Run simulations and compare the performance efficiency with respect to known productivity performance metrics
Riferimenti	[1] appeared in the IEEE Journal on Selected Areas in Communications - https://doi.org/10.1109/JSAC.2020.2980917
Tipo di tesi	pratica
Requisiti	Basic coding or simulation programming skills (for example: Python, C, Matlab or other) Basic understanding of algorithmic design and implementation Basic skills on performance evaluation via simulation or via testbed deployments General knowledge of computer networking, wireless communication, distributed systems
Sede di lavoro	L'attività può essere svolta da remoto con frequenti riunioni online con i ricercatori del CNR.
Contatti	Theofanis Raptis; Marco Conti
Numero posti disponibili	1
Durata	6-7 mesi

Modelli di ottimizzazione per una efficiente ingegnerizzazione del traffico di rete

Ente	EOLO è un Internet Service Provider nazionale con un'infrastruttura di rete mesh wireless, formata da approssimativamente 4000 POP.
Descrizione	L'ingegnerizzazione del traffico di rete ha l'obiettivo di definire appropriati schemi di instradamento capaci di consegnare il traffico utente soddisfacendo i Service Level Agreement (SLA), fornendo affidabilità, e aumentando il Return-on-investment (ROI). In reti SDN, il compito dell'ingegnerizzazione del traffico può essere centralizzato e implementato in un controllore incaricato di analizzare i dati provenienti dagli apparati di rete. I dati real-time riguardo al consumo di risorse e alle richieste di banda, insieme con informazioni statistiche sulla topologia di rete, sono analizzati mediante uno strumento di ottimizzazione che reagisce guidando flussi di traffico appropriati sul piano di inoltro così da evitare congestioni e perdita di dati. EOLO si basa su modelli MILP (Mixed Integer Linear Programming) per la soluzione di problemi di ottimizzazione per la sua rete di oltre 2000 router. Questa tesi ha l'obiettivo di definire e valutare nuovi modelli MILP per accrescere le capacità di ingegnerizzazione del traffico dell'infrastruttura SDN di EOLO. Lo studente lavorerà con il gruppo di EOLO R&D, e contribuirà all'infrastruttura SDN adattando la versione corrente con migliori e nuove soluzioni per l'ingegnerizzazione del traffico.
Riferimenti
Tipo di tesi	sperimentale, in azienda
Requisiti	Buona conoscenza di strumenti di ottimizzazione e della teoria della programmazione lineare intera. Buona conoscenza di C, C++ e Python, dello stack di protocolli di Internet, e della tecnologia dei container, quali Docker e Kubernetes.
Sede di lavoro	Busto Arsizio (VA)
Contatti
Numero posti disponibili	1
Durata	6-7 mesi