IoT Prism Lab
Research Lab at University of Bologna
Research Lab at University of Bologna
Theses
2018 |
Merendi, Federica Social Media Analysis: Progettazione ed implementazione di piattaforme per la brand comparison ed applicazione in ambito turistico Masters Thesis 2018. Abstract | Links | BibTeX | Tags: DMO, facebook, Facebook API, python, regioni italiane, social media, social media analysis, turismo, Twitter, Twitter API @mastersthesis{amslaurea16180, title = {Social Media Analysis: Progettazione ed implementazione di piattaforme per la brand comparison ed applicazione in ambito turistico}, author = {Federica Merendi}, url = {https://amslaurea.unibo.it/id/eprint/16180}, year = {2018}, date = {2018-01-01}, abstract = {La diffusione dei social media aumenta di anno in anno e coinvolge sempre più utenti. I protagonisti di questo nuovo scenario sono soprattutto utenti semplici che utilizzano i social come mezzo di informazione e per rimanere in contatto con i propri amici. Ma negli ultimi anni anche numerose imprese sono approdate sui social media per aumentare la propria brand awareness. È quindi necessario che queste aziende analizzino le proprie performance e confrontino la propria strategia con quella dei concorrenti diretti, per rendere sempre di più efficace il loro utilizzo dei social. Questa tesi è incentrata su due elementi fondamentali: lo sviluppo di una piattaforma software per l’analisi delle pagine Facebook e i profili Twitter ed un esempio applicativo di analisi sui due social media in esame. La piattaforma permette di analizzare uno o due account scelti dall’utente visualizzando grafici relativi all’utilizzo dei social media e misurare la risposta dei fan tramite la metrica dell’engagement. L’esempio applicativo, invece, riguarda l’analisi degli account ufficiali per la promozione turistica delle regioni italiane sui due social media e propone un’analisi quantitativa sui dati estratti, una regressione sui dati per valutare quali siano le possibili variabili di influenza sull’engagement e un confronto tra i dati estratti dai due social media Facebook e Twitter.}, keywords = {DMO, facebook, Facebook API, python, regioni italiane, social media, social media analysis, turismo, Twitter, Twitter API}, pubstate = {published}, tppubtype = {mastersthesis} } La diffusione dei social media aumenta di anno in anno e coinvolge sempre più utenti. I protagonisti di questo nuovo scenario sono soprattutto utenti semplici che utilizzano i social come mezzo di informazione e per rimanere in contatto con i propri amici. Ma negli ultimi anni anche numerose imprese sono approdate sui social media per aumentare la propria brand awareness. È quindi necessario che queste aziende analizzino le proprie performance e confrontino la propria strategia con quella dei concorrenti diretti, per rendere sempre di più efficace il loro utilizzo dei social. Questa tesi è incentrata su due elementi fondamentali: lo sviluppo di una piattaforma software per l’analisi delle pagine Facebook e i profili Twitter ed un esempio applicativo di analisi sui due social media in esame. La piattaforma permette di analizzare uno o due account scelti dall’utente visualizzando grafici relativi all’utilizzo dei social media e misurare la risposta dei fan tramite la metrica dell’engagement. L’esempio applicativo, invece, riguarda l’analisi degli account ufficiali per la promozione turistica delle regioni italiane sui due social media e propone un’analisi quantitativa sui dati estratti, una regressione sui dati per valutare quali siano le possibili variabili di influenza sull’engagement e un confronto tra i dati estratti dai due social media Facebook e Twitter. |
2017 |
Carbonara, Antonio Analisi di politiche di Car Pooling basate su tracce GPS Masters Thesis 2017. Abstract | Links | BibTeX | Tags: Analisi, CarPooling, CarSharing, GPS, mobilitò, python, tracce, veicolare @mastersthesis{amslaurea14538, title = {Analisi di politiche di Car Pooling basate su tracce GPS}, author = {Antonio Carbonara}, url = {https://amslaurea.unibo.it/id/eprint/14538}, year = {2017}, date = {2017-01-01}, abstract = {Il problema della mobilità veicolare è un tema al quale la comunità di ricerca ed in generale le amministrazioni cittadine sono molto sensibili. A riguardo sono stati proposti vari studi uniti alla rielaborazione di dati raw, i quali si riferiscono a tracce mobili di veicoli circolanti in un’area urbana. Il contributo da noi offerto consiste proprio nella proposizione di uno stru- mento in grado di rielaborare tracce GPS e di realizzare, a partire da queste tracce di mobilità rielaborate, aggregazioni (in termine tecnico cluster ) di ve- icoli al fine di studiare la riduzione di veicoli all’interno di una qualsiasi area urbana di cui si dispone dei rilevamenti GPS con conseguenti vantaggi che si potrebbero ottenere sulla qualità di vita dei cittadini e delle città stesse.}, keywords = {Analisi, CarPooling, CarSharing, GPS, mobilitò, python, tracce, veicolare}, pubstate = {published}, tppubtype = {mastersthesis} } Il problema della mobilità veicolare è un tema al quale la comunità di ricerca ed in generale le amministrazioni cittadine sono molto sensibili. A riguardo sono stati proposti vari studi uniti alla rielaborazione di dati raw, i quali si riferiscono a tracce mobili di veicoli circolanti in un’area urbana. Il contributo da noi offerto consiste proprio nella proposizione di uno stru- mento in grado di rielaborare tracce GPS e di realizzare, a partire da queste tracce di mobilità rielaborate, aggregazioni (in termine tecnico cluster ) di ve- icoli al fine di studiare la riduzione di veicoli all’interno di una qualsiasi area urbana di cui si dispone dei rilevamenti GPS con conseguenti vantaggi che si potrebbero ottenere sulla qualità di vita dei cittadini e delle città stesse. |
Rondelli, Marco Studio di sistemi di posizionamento inerziale tramite sensori su smartphone Masters Thesis 2017. Abstract | Links | BibTeX | Tags: accelerometro, accelerometro lineare, algoritmo, android, App, applicazione, dead reckoning, dead-reckoning, flask, html, indoor localization, javascript, localization, localizzazione, posizionamento, python, sensori, Smartphone, web service @mastersthesis{amslaurea13050, title = {Studio di sistemi di posizionamento inerziale tramite sensori su smartphone}, author = {Marco Rondelli}, url = {https://amslaurea.unibo.it/id/eprint/13050}, year = {2017}, date = {2017-01-01}, abstract = {Il documento è uno studio sui sistemi di posizionamento tramite l'utilizzo dei sensori degli smartphone androida. Inizialmente è presente un'analisi della situazione attuale dei sistemi di posizionamento con il richiamo a sistemi più conosciuti. All'interno è proposto un sistema basato sull'accelerometro che calcola lo spostamento sfruttando un'algoritmo di step-detection e un algoritmo basato sulle formule di fisica. Nel documento è stata descritta l'implementazione dell'applicazione e di tutto il background che ha contribuito alla creazione del sistema.}, keywords = {accelerometro, accelerometro lineare, algoritmo, android, App, applicazione, dead reckoning, dead-reckoning, flask, html, indoor localization, javascript, localization, localizzazione, posizionamento, python, sensori, Smartphone, web service}, pubstate = {published}, tppubtype = {mastersthesis} } Il documento è uno studio sui sistemi di posizionamento tramite l'utilizzo dei sensori degli smartphone androida. Inizialmente è presente un'analisi della situazione attuale dei sistemi di posizionamento con il richiamo a sistemi più conosciuti. All'interno è proposto un sistema basato sull'accelerometro che calcola lo spostamento sfruttando un'algoritmo di step-detection e un algoritmo basato sulle formule di fisica. Nel documento è stata descritta l'implementazione dell'applicazione e di tutto il background che ha contribuito alla creazione del sistema. |
Avena, Anna Tecniche di data mining applicate alla decodifica di dati neurali Masters Thesis 2017. Abstract | Links | BibTeX | Tags: algoritmi di classificazione, attività neuronale, Data Mining, dati neurali, Machine Learning, python, scikit-learn @mastersthesis{amslaurea14800, title = {Tecniche di data mining applicate alla decodifica di dati neurali}, author = {Anna Avena}, url = {https://amslaurea.unibo.it/id/eprint/14800}, year = {2017}, date = {2017-01-01}, abstract = {Gli studi sulla decodifica dell'attività neuronale permettono di mappare gli impulsi elettrici della corteccia cerebrale in segnali da inviare a determinati dispositivi per poterli monitorare. È su questo tema che la ricerca scientifica si sta concentrando, al fine di aiutare le persone affette da gravi lesioni fisiche ad ottenere un maggiore grado di autonomia nelle piccole azioni di tutti i giorni. In questo elaborato, sono stati analizzati dati derivanti da attività neuronali raccolti da esperimenti effettuati su primati non umani, eseguiti dal gruppo di ricerca della professoressa Patrizia Fattori nel Dipartimento di Farmacia e Biotecnologie dell'Università di Bologna. Per lo svolgimento di questo esperimento, la cavia, è stata addestrata a svolgere un compito che consiste nell'afferrare gli oggetti proposti, uno alla volta, in ordine casuale. Durante l'esercizio, l'attività neuronale della cavia è stata registrata in vettori contenenti l'attività di spiking. Ciò che si cerca di fare in questa tesi è ricostruire l'informazione relativa all'attività di una popolazione di neuroni, dato il suo spike vector. Sono stati testati diversi algoritmi di classificazione e feature al fine di stabilire quale configurazione sia più affidabile per il riconoscimento dell'attività motoria svolta dalla cavia durante l'esperimento. A tal proposito, è stato implementato un processo di data mining attraverso l'utilizzo del linguaggio python e del framework Scikit-learn che permette di effettuare più classificazioni e stabilire quale fornisce una migliore performance. I risultati dell'analisi dimostrano che alcune feature forniscono alti tassi di riconoscimento e che, a seconda del dominio del problema, è più indicato un determinato tipo di preprocessing rispetto ad un altro.}, keywords = {algoritmi di classificazione, attività neuronale, Data Mining, dati neurali, Machine Learning, python, scikit-learn}, pubstate = {published}, tppubtype = {mastersthesis} } Gli studi sulla decodifica dell'attività neuronale permettono di mappare gli impulsi elettrici della corteccia cerebrale in segnali da inviare a determinati dispositivi per poterli monitorare. È su questo tema che la ricerca scientifica si sta concentrando, al fine di aiutare le persone affette da gravi lesioni fisiche ad ottenere un maggiore grado di autonomia nelle piccole azioni di tutti i giorni. In questo elaborato, sono stati analizzati dati derivanti da attività neuronali raccolti da esperimenti effettuati su primati non umani, eseguiti dal gruppo di ricerca della professoressa Patrizia Fattori nel Dipartimento di Farmacia e Biotecnologie dell'Università di Bologna. Per lo svolgimento di questo esperimento, la cavia, è stata addestrata a svolgere un compito che consiste nell'afferrare gli oggetti proposti, uno alla volta, in ordine casuale. Durante l'esercizio, l'attività neuronale della cavia è stata registrata in vettori contenenti l'attività di spiking. Ciò che si cerca di fare in questa tesi è ricostruire l'informazione relativa all'attività di una popolazione di neuroni, dato il suo spike vector. Sono stati testati diversi algoritmi di classificazione e feature al fine di stabilire quale configurazione sia più affidabile per il riconoscimento dell'attività motoria svolta dalla cavia durante l'esperimento. A tal proposito, è stato implementato un processo di data mining attraverso l'utilizzo del linguaggio python e del framework Scikit-learn che permette di effettuare più classificazioni e stabilire quale fornisce una migliore performance. I risultati dell'analisi dimostrano che alcune feature forniscono alti tassi di riconoscimento e che, a seconda del dominio del problema, è più indicato un determinato tipo di preprocessing rispetto ad un altro. |
Vecchio, Matteo Del Un'applicazione iOS per il riconoscimento di medicinali mediante reti neurali Masters Thesis 2017. Abstract | Links | BibTeX | Tags: applicazione iOS, classificazione, deep learning, fine tuning, gpu, iOS, Machine Learning, medicinali, metal performance shaders, mobile, python, reti neurali convoluzionali, riconoscimento, Smartphone, Swift, training, transfer learning @mastersthesis{amslaurea14890, title = {Un'applicazione iOS per il riconoscimento di medicinali mediante reti neurali}, author = {Matteo Del Vecchio}, url = {https://amslaurea.unibo.it/id/eprint/14890}, year = {2017}, date = {2017-01-01}, abstract = {Negli ultimi anni il Machine Learning e svariate sue applicazioni si sono prepotentemente affermati in molte aree, sia dell'informatica che della vita quotidiana, a partire dalle semplici operazioni svolte con uno smartphone. Un campo in cui si sono avuti notevoli risultati è quello della Visione Artificiale, ovvero dare la possibilità ad una macchina di "vedere" ed apprendere informazioni da immagini e fotografie. In questa tesi si affronta il problema di riconoscere un medicinale partendo dalla foto di una pillola, attraverso la creazione di una rete neurale convoluzionale (o ConvNet) e soprattutto, della sua implementazione all'interno di un'applicazione iOS che possa permettere la classificazione in mobilità. Si partirà dal considerare gli aspetti teorici alla base delle reti neurali, per poi illustrare lo stato dell'arte e le caratteristiche specifiche del modello convoluzionale. In seguito, si illustrerà PillRecogNet, la ConvNet realizzata e specializzata nel riconoscimento di 12 medicinali, insieme ad alcune delle tecniche utilizzare per l'allenamento, quali il transfer learning ed il fine tuning, e le relative statistiche sull'accuratezza. Sebbene una rete neurale convoluzionale sia un modello computazionalmente oneroso, si mostrerà com'è stato possibile implementare PillRecogNet in un'applicazione per smartphone, descrivendo prima alcune delle possibile tecnologie utilizzabili e, in seguito, le scelte implementative effettuate al fine di poter sfruttare la capacità di calcolo delle GPU dei dispositivi mobili. Infine, si mostreranno i risultati promettenti ottenuti, sia riguardo l'esecuzione di un modello da circa 28 milioni di parametri in uno smartphone, sia riguardo possibili sviluppi futuri quali l'utilizzo dell'applicazione in campo medico per la supervisione di una terapia farmacologica da parte del personale sanitario.}, keywords = {applicazione iOS, classificazione, deep learning, fine tuning, gpu, iOS, Machine Learning, medicinali, metal performance shaders, mobile, python, reti neurali convoluzionali, riconoscimento, Smartphone, Swift, training, transfer learning}, pubstate = {published}, tppubtype = {mastersthesis} } Negli ultimi anni il Machine Learning e svariate sue applicazioni si sono prepotentemente affermati in molte aree, sia dell'informatica che della vita quotidiana, a partire dalle semplici operazioni svolte con uno smartphone. Un campo in cui si sono avuti notevoli risultati è quello della Visione Artificiale, ovvero dare la possibilità ad una macchina di "vedere" ed apprendere informazioni da immagini e fotografie. In questa tesi si affronta il problema di riconoscere un medicinale partendo dalla foto di una pillola, attraverso la creazione di una rete neurale convoluzionale (o ConvNet) e soprattutto, della sua implementazione all'interno di un'applicazione iOS che possa permettere la classificazione in mobilità. Si partirà dal considerare gli aspetti teorici alla base delle reti neurali, per poi illustrare lo stato dell'arte e le caratteristiche specifiche del modello convoluzionale. In seguito, si illustrerà PillRecogNet, la ConvNet realizzata e specializzata nel riconoscimento di 12 medicinali, insieme ad alcune delle tecniche utilizzare per l'allenamento, quali il transfer learning ed il fine tuning, e le relative statistiche sull'accuratezza. Sebbene una rete neurale convoluzionale sia un modello computazionalmente oneroso, si mostrerà com'è stato possibile implementare PillRecogNet in un'applicazione per smartphone, descrivendo prima alcune delle possibile tecnologie utilizzabili e, in seguito, le scelte implementative effettuate al fine di poter sfruttare la capacità di calcolo delle GPU dei dispositivi mobili. Infine, si mostreranno i risultati promettenti ottenuti, sia riguardo l'esecuzione di un modello da circa 28 milioni di parametri in uno smartphone, sia riguardo possibili sviluppi futuri quali l'utilizzo dell'applicazione in campo medico per la supervisione di una terapia farmacologica da parte del personale sanitario. |
2016 |
Castiglioni, Marco BikeInspector, Un'applicazione Android per incentivare la mobilità sostenibile Masters Thesis 2016. Abstract | Links | BibTeX | Tags: Activity Recognition, Applicazione Android, Bicycle, flask, Mobilità Sostenibile, Mode of Transport, Polyline, python, Registro Attività, Web Server @mastersthesis{amslaurea12513, title = {BikeInspector, Un'applicazione Android per incentivare la mobilità sostenibile}, author = {Marco Castiglioni}, url = {https://amslaurea.unibo.it/id/eprint/12513}, year = {2016}, date = {2016-01-01}, abstract = {In questo documento si descrive la progettazione e l’implementazione di BikeInspector, un sistema in grado di eseguire la rilevazione del Mode of Transport tramite Activity Recognition con efficacia ed è in grado di fornire un ambiente di visualizzazione dei dati rilevati. Il sistema è perciò composto da due parti distinte con compiti ben precisi e facilmente ampliabili (o modificabili) in futuro: un'applicazione Android in grado di riconoscere il Mode of Transport dell'utente e di tracciare i suoi spostamenti e una parte Server, sviluppata per ricevere i dati rilevati dall'applicazione Android, memorizzarli e infine mostrarli graficamente agli utenti che desiderano visualizzarli. Il lavoro è stato eseguito con l'obiettivo di esortare gli utenti all'utilizzo di mezzi ecologicamente sostenibili come la bicicletta piuttosto che di mezzi inquinanti come l'automobile per un ambiente più verde.}, keywords = {Activity Recognition, Applicazione Android, Bicycle, flask, Mobilità Sostenibile, Mode of Transport, Polyline, python, Registro Attività, Web Server}, pubstate = {published}, tppubtype = {mastersthesis} } In questo documento si descrive la progettazione e l’implementazione di BikeInspector, un sistema in grado di eseguire la rilevazione del Mode of Transport tramite Activity Recognition con efficacia ed è in grado di fornire un ambiente di visualizzazione dei dati rilevati. Il sistema è perciò composto da due parti distinte con compiti ben precisi e facilmente ampliabili (o modificabili) in futuro: un'applicazione Android in grado di riconoscere il Mode of Transport dell'utente e di tracciare i suoi spostamenti e una parte Server, sviluppata per ricevere i dati rilevati dall'applicazione Android, memorizzarli e infine mostrarli graficamente agli utenti che desiderano visualizzarli. Il lavoro è stato eseguito con l'obiettivo di esortare gli utenti all'utilizzo di mezzi ecologicamente sostenibili come la bicicletta piuttosto che di mezzi inquinanti come l'automobile per un ambiente più verde. |
Anceschi, Alberto Progettazione e realizzazione di una web application per automatizzare campagne pubblicitarie attraverso Google Shopping Masters Thesis 2016. Abstract | Links | BibTeX | Tags: advertising, database, django, feed, Marketing, python, scraping, shopping, web @mastersthesis{amslaurea11973, title = {Progettazione e realizzazione di una web application per automatizzare campagne pubblicitarie attraverso Google Shopping}, author = {Alberto Anceschi}, url = {https://amslaurea.unibo.it/id/eprint/11973}, year = {2016}, date = {2016-01-01}, abstract = {In questo progetto di tesi vengono descritte le fasi che hanno portato alla creazione di una web application per automatizzare campagne pubblicitarie attraverso Google Shopping. Partendo dall'analisi dello stato dell'arte del web advertising, vengono successivamente trattate le fasi di progettazione ed implementazione. Infine vengono valutati i risultati ottenuti e discussi i possibili sviluppi futuri.}, keywords = {advertising, database, django, feed, Marketing, python, scraping, shopping, web}, pubstate = {published}, tppubtype = {mastersthesis} } In questo progetto di tesi vengono descritte le fasi che hanno portato alla creazione di una web application per automatizzare campagne pubblicitarie attraverso Google Shopping. Partendo dall'analisi dello stato dell'arte del web advertising, vengono successivamente trattate le fasi di progettazione ed implementazione. Infine vengono valutati i risultati ottenuti e discussi i possibili sviluppi futuri. |
Camassa, Fabrizio Progettazione ed implementazione di un'applicazione mobile per la visualizzazione di Open Data ambientali Masters Thesis 2016. Abstract | Links | BibTeX | Tags: android, App, Arpa Emilia Romagna, mobile, Open Data, python, web service @mastersthesis{amslaurea11989, title = {Progettazione ed implementazione di un'applicazione mobile per la visualizzazione di Open Data ambientali}, author = {Fabrizio Camassa}, url = {https://amslaurea.unibo.it/id/eprint/11989}, year = {2016}, date = {2016-01-01}, abstract = {Gli Open Data sono un'utile strumento che sta via via assumendo sempre più importanza nella società; in questa tesi vedremo la loro utilità attraverso la realizzazione di un'applicazione mobile, che utilizza questi dati per fornire informazioni circa lo stato ambientale dell'aria e dei pollini in Emilia Romagna, sfruttando i dataset forniti da un noto ente pubblico (Arpa Emilia Romagna). Tale applicazione mobile si basa su un Web Service che gestisce i vari passaggi dei dati e li immagazzina in un database Mongodb. Tale Web Service è stato creato per essere a sua volta messo a disposizione di programmatori, enti o persone comuni per studi e sviluppi futuri in tale ambito.}, keywords = {android, App, Arpa Emilia Romagna, mobile, Open Data, python, web service}, pubstate = {published}, tppubtype = {mastersthesis} } Gli Open Data sono un'utile strumento che sta via via assumendo sempre più importanza nella società; in questa tesi vedremo la loro utilità attraverso la realizzazione di un'applicazione mobile, che utilizza questi dati per fornire informazioni circa lo stato ambientale dell'aria e dei pollini in Emilia Romagna, sfruttando i dataset forniti da un noto ente pubblico (Arpa Emilia Romagna). Tale applicazione mobile si basa su un Web Service che gestisce i vari passaggi dei dati e li immagazzina in un database Mongodb. Tale Web Service è stato creato per essere a sua volta messo a disposizione di programmatori, enti o persone comuni per studi e sviluppi futuri in tale ambito. |
2015 |
Nicolli, Piero Sviluppo di un sistema evoluto per la gestione di tornei di grandi dimensioni di giochi da tavolo o di carte Masters Thesis 2015. Abstract | Links | BibTeX | Tags: android, Carte, chat, Comunicazione, Giochi, Logistica, PyQt, python, Qt, Tavolo, Torneo, XMPP @mastersthesis{amslaurea8338, title = {Sviluppo di un sistema evoluto per la gestione di tornei di grandi dimensioni di giochi da tavolo o di carte}, author = {Piero Nicolli}, url = {https://amslaurea.unibo.it/id/eprint/8338}, year = {2015}, date = {2015-01-01}, abstract = {Questo progetto ha lo scopo di creare un sistema di supporto per lo staff di grandi tornei internazionali di giochi da tavolo o di carte. Questi eventi sono solitamente gestiti da più di 40 persone e occupano grandi padiglioni fieristici. Vedremo come sia possibile, con l'ausilio di smartphone, facilitare le normali operazioni logistiche e permettere di risparmiare tempo e fatica. Analizzeremo le scelte progettuali e gli strumenti adottati per lo sviluppo di questo sistema.}, keywords = {android, Carte, chat, Comunicazione, Giochi, Logistica, PyQt, python, Qt, Tavolo, Torneo, XMPP}, pubstate = {published}, tppubtype = {mastersthesis} } Questo progetto ha lo scopo di creare un sistema di supporto per lo staff di grandi tornei internazionali di giochi da tavolo o di carte. Questi eventi sono solitamente gestiti da più di 40 persone e occupano grandi padiglioni fieristici. Vedremo come sia possibile, con l'ausilio di smartphone, facilitare le normali operazioni logistiche e permettere di risparmiare tempo e fatica. Analizzeremo le scelte progettuali e gli strumenti adottati per lo sviluppo di questo sistema. |