Elenco Interventi

Relazioni Invitate

Relatore: Maurizio Pintus (CRS4)
Titolo: Deep Learning e computer vision con Python  
Abstract: Il seminario inizierà con un’introduzione al deep learning applicato alla computer vision, con particolare riferimento alle reti neurali convoluzionali. Sarà poi fatto un breve accenno ai diversi framework di deep learning utilizzabili con Python (Caffe, Tensorflow, e Keras). Successivamente saranno illustrati alcuni utilizzi del deep learning nell’ambito della computer vision, con enfasi sui corrispondenti algoritmi, reti e dataset significativi. In particolare l’attenzione sarà focalizzata sui seguenti ambiti applicativi:

  • Classificazione di immagini
  • Detection di persone ed oggetti
  • Ricerca di immagini duplicate e simili
  • Detection e classificazione di volti
  • Riconoscimento facciale

Relatore: Luca Antiga (Orobix)
Titolo: AI al lavoro (con Python)
Abstract: Con la pervasiva adozione dell'apprendimento automatico, lo sviluppo di sistemi software sta entrando in un'era in cui il comportamento dei programmi dipende in modo critico dai dati su cui sono stati addestrati. L'uso di software definito dai dati in contesti critici pone nuove sfide e opportunità, alcune delle quali sono oggetto di ricerca attiva. Python, come linguaggio ed ecosistema, è in prima linea in questa rivoluzione. Durante il seminario saranno analizzati esempi del mondo reale finalizzati a mostrare come i sistemi di intelligenza artificiale sono andati in produzione e quali processi di supporto dovevano essere attivati per garantire le funzionalità volute. Saranno introdotti anche nuovi strumenti che rispondono ad alcune delle esigenze dello sviluppo di software basato sui dati, come il versioning dei dati, la gestione del ciclo di vita del modello e i tempi di esecuzione ad alte prestazioni.


Interventi

Relatore: Matteo Mallus (Green Share)
Titolo: GreenShare: l'utilizzo di Python nel settore del Trasporto Pubblico Locale 
Abstract: Con l'avvento dei dispositivi mobili e del cloud computing è sempre più facile raccogliere, generare e distribuire informazioni riguardanti il trasporto pubblico locale. Nel corso dell’intervento racconteremo la nostra esperienza, del perché sono stati scelti Python e Django e dei risultati ottenuti in poco tempo.


Relatore: Andrea Zanda (Istella)
Titolo: Social media listening: how we process billions of posts in Python  
Abstract: Nel corso dell’intervento ci si concentrerà sulle modalità di estrazione delle informazioni a partire da contenuti presenti nelle social network, nonché delle problematiche di gestione ed elaborazione dei big data associati.


Relatore: Francesco Ricci (UC Louvain)
Titolo: Fireworks: a "workflow manager" scritto in Python  
Abstract: Fireworks e' un codice Python, libero ed open-source, che permette di definire, gestire ed eseguire flussi di lavoro complessi. Questi ultimi vengono scritti in Python, salvati su un MongoDB database e possono essere eseguiti su un numero arbitrario di calcolatori. Fireworks e' stato usato per gestire milioni di flussi di lavoro nel campo della chimica computazionale e delle scienze dei materiali.


Relatore: Giancarlo Cherchi (YouAndTech)
Titolo: YTMyLAN, la tua rete sempre con te  
Abstract: YTMyLAN è una tecnologia innovativa che consente di portare sempre con sé in maniera ultrasicura la rete e i dati, accedendo ovunque e con qualunque dispositivo a tutte le risorse. Tutto è accessibile soltanto a chi è autorizzato, per un tempo limitato e in presenza del proprietario. Infatti, in caso di perdita del dispositivo, i dati si cancelleranno automaticamente al primo tentativo di accesso se il proprietario del dispositivo non è presente. E’ un modo semplice, sicuro, intuitivo per avere sempre l’ufficio ovunque!


Relatore: Carmine Mattia (Sartec srl)
Titolo: Keras: utilizzo degli autoencoder in spettroscopia  
Abstract: Keras è tra i più diffusi framework per la prototipazione rapida e la costruzione di reti neurali con Python. In questo intervento viene introdotto brevemente il concetto di autoencoder, i suoi utilizzi più comuni e la facilità di implementazione in Keras. Viene infine presentato un caso di applicazione relativo alla calibrazione di dati spettroscopici


Relatore: Sara D'ettorre - Francesco Mura (Saras srl
Titolo: Applicazioni Python nell'analisi di processi industriali   
Abstract: Stato di avanzamento del programma #digitalSaras. Sviluppo di un modello per la predizione di parametri di processo chiave in un impianto di produzione di benzine ad alto ottano.


Relatore: Filippo Ledda (Metacell LLC)
Titolo: Modellazione e applicazioni per le neuroscienze computazionali in Python
Abstract: Le neuroscienze computazionali utilizzano modelli descrittivi per la simulazione dei circuiti neurali. Geppetto è una piattaforma modulare basata su EMF, utilizzata per creare applicazioni neuroscientifiche  come Open Source Brain, NetPyNE, Virtual Fly Brain. Inizialmente sviluppato in Java lato backend, grazie all'utilizzo sempre più diffuso di Python in ambito scientifico sta migrando su Python per allinearsi con le ultime novità in ambito open source e sfruttare le potenzialità di scripting interattive.


Relatore: Nicola Uras (DMI - Università di Cagliari)
Titolo: Uso di Python per analisi di serie temporali 
Abstract: In questo intervento viene presentato l'uso di Python per l'analisi e la previsione di serie temporali, in particolare attraverso l'utilizzo di tecnologie per la manipolazione, la visualizzazione dei dati e l'implementazione del calcolo scientifico, nonché mediante l'impiego di apposite librerie che forniscono metodi predefiniti per l'implementazione delle principali tecniche di analisi delle serie storiche e degli algoritmi di machine learning e deep learning per la loro previsione. Verranno anche presentati alcuni risultati ottenuti nel campo della previsione di serie finanziarie.


Relatore: Ambra Demontis (DIEE - Università di Cagliari)
Titolo: SecML: A Python Library for Secure and Explainable Machine Learning  
Abstract: With the increasing availability of data and computing power, machine-learning (ML) algorithms have recorded unprecedented success in many different applications, such as computer vision and cybersecurity. Nevertheless, they can be misled by intelligent attackers that purposely manipulate the data provided as input to the ML system (e.g., an attacker can change his/her malicious program to have it misclassified as legitimate by an ML-based antivirus). SecML-lib is an open-source python library, developed by Pluribus and the PRALab group, that allows system builders to easily analyze the security of their ML system against potential attacks. This analysis helps them to discover system vulnerabilities and consequently to design and develop more secure systems.


Relatore: Dario Cannone e Federico Pisanu (Mutui Online)
Titolo: Machine Learning for document classification  
Abstract: Classifying scanned documents with neural networks is not the same as classifying pictures of dogs and cats (even though dogs and cats can help, actually...). In this talk, we want to share our experience with the creation of a machine learning model for a multi-page multi-class document classification problem and its integration within the company's business processes.


Relatore: Matteo Bachetti (INAF-OAC)
Titolo: Python in Astronomia
Abstract: Il linguaggio python ha ormai conquistato il mondo della ricerca astronomica. In questo talk farò un’introduzione alle ragioni per cui questo è avvenuto, di come Python si adatti molto bene alle esigenze di chi fa ricerca, e anche di come sia stato un eccellente mezzo per diffondere la cultura Open Source e, parallelamente, Open Science.


Relatore: José Francisco Saenz Cogollo (CRS4)
Titolo: Hyperpeer: Streaming multimediale peer-to-peer in tempo reale
Abstract: Hyperpeer è una soluzione semplice ma potente basata sullo standard WebRTC (Web Real-Time Communication) per implementare lo scambio di flussi multimediali in tempo reale tra applicazioni basate nel browser, in sistemi operativi desktop o ambienti cloud. La soluzione è composta da diversi moduli che avvolgono e semplificano la complessità dell'API WebRTC e della negoziazione della connessione (signaling) permettendo lo streaming sicuro e in tempo reale di video, audio e dati tra web app e sistemi di real-time computer vision basati su Python.


Relatore: Maria Laura Clemente (CRS4)
Titolo: Come sviluppare Alexa Skills in Python
Abstract: Vengono fornite nozioni pratiche di base per iniziare a sviluppare Amazon Alexa Skill usando Python; in particolare si mostrerà come divertirsi a costruire AWS lambda function, come utilizzare la collezione di API dell'Alexa Skills Kit, e come giocare con l'Alexa Developer Console.

 

primi sui motori con e-max