Rubattu, Nicolò (2020) Uso ed integrazione di tecniche di Machine Learning in device a risorse limitate per piattaforme IoT. Bachelor thesis, Scuola universitaria professionale della Svizzera italiana.
Text
POSTER_RUBATTU.pdf Download (327kB) |
|
Text
DOC_RUBATTU.pdf Restricted to Repository staff only Download (5MB) |
Abstract
Con l’avvento dell’Internet Of Things, l’impiego di Machine Learning e altre tecniche di apprendimento automatico svolgeranno un ruolo sempre più rilevante nella soddisfazione dei bisogni di aziende e consumatori. L’ampia diffusione, assieme all’accessibilità e semplicità di integrazione di reti di apprendimento sempre più piccole ed efficaci all’interno di device a risorse limitate, crea nuovi ed interessanti scenari applicativi per l’IoT. La rivoluzione che interessa l’AI vede abbandonare il tradizionale paradigma di erogazione di servizi basato su un’infrastruttura Cloud, a favore di algoritmi che eseguono direttamente sull’hardware dei nodi ai margini della rete promuovendo vantaggi in termini di costi, latenza, scalabilità, sicurezza e privacy. Il progetto, tesi di laurea bachelor in Ingegneria Informatica in collaborazione con l’azienda svizzera Paradox Engineering SA attiva nel settore, ha l’obbiettivo di studiare e definire le tecnologie di Machine Learning che si prestano all’integrazione in device embedded con risorse limitate e la partecipazione allo sviluppo di un caso d’uso reale. Quest’ultimo vede la realizzazione di modelli di reti neurali in grado di prevedere il tempo sulla base di informazioni provenienti da sensori ambientali per applicazioni di Smart Lighting.
Item Type: | Thesis (Bachelor) |
---|---|
Corso: | UNSPECIFIED |
Supervisors: | Puccinelli, Daniele and Mastropietro, Roberto |
Subjects: | Informatica |
Divisions: | Dipartimento tecnologie innovative > Bachelor in Ingegneria informatica |
URI: | http://tesi.supsi.ch/id/eprint/3306 |
Actions (login required)
View Item |