Laboratorio Unsupervised Machine Learning - UML

Il Lavoratorio di Unsupervised Machine Learning, nasce da una collaborazione di ricerca tra l’Ateneo e Area Science Park.  Nel laboratorio si studiano software e modelli avanzati di Intelligenza Artificiale e Machine Learning basati su approcci totalmente non supervisionati. Tali modelli hanno come obiettivo quello di scoprire autonomamente correlazioni nascoste tra i dati, ed in base a queste ultime permettere agli algoritmi di apprendere dati, informazioni e concetti in modo autonomo e adattivo. Grazie a tale approccio l’analisi dei dati potrà essere utilizzata anche come uno strumento predittivo (Predictive Analytics) in grado di ampliare l’orizzonte temporale delle informazioni, dal presente al futuro, grazie all’accostamento matematico tra la condizione e la probabilità del verificarsi di un evento. Particolare attenzione sarà data allo sviluppo di tecniche di sicurezza cibernetica basata su approcci non supervisionati.

Sede: Modulo n. 12 - Università degli Studi di Udine, Via Sondrio 2, 33100 Udine
Telefono: 0432/558341
Persona di contatto: Gian Luca Foresti

  • Sensori video per acquisizione immagini i tempo reale
  • PC Dell Precision 5820 con NVIDIA RTX 3090
  • Portatili Lenovo X1 Carbon
  • Single Board Computers:
    • 2x Raspberry Pi 3
    • 2x Raspberry Pi 4
    • 1x Raspberry Pi Zero
    • 1x Orange Pi
    • 1x Mini PC Stick NV41S Intel-based

Il laboratorio fornisce servizi di consulenza alle imprese riguardo alla progettazione, configurazione ed utilizzo di sistemi di apprendimento non supervisionato (clustering) in ambiente aziendale con particolare riferimento al riconoscimento e classificazione di oggetti partendo da dataset composti da pochi esempi. Potranno essere inoltre predisposte e studiate attività di manutenzione predittiva e di visual inspection in tempo reale dei prodotti durante il ciclo produttivo dell’azienda. In tale laboratorio potranno essere studiate, sviluppate e testate su casi aziendali del territorio regionale specifiche tecniche di Machine Learning con approccio non supervisionato che riduce la necessità di avere a disposizione grandi quantità di dati pre-classificati.