Progetto PRISMA
Lo studente verrà inserito nel progetto di ricerca PRISMA (Prima Rete Italiana di Sorveglianza di Meteore ed Atmosfera) promosso da INAF (Istituto Nazionale di Astrofisica) in collaborazione con N3.
Obiettivi formativi
Il candidato avrà l'opportunità di inserirsi in un contesto aziendale dinamico e altamente tecnologico, contribuendo all'ingegnerizzazione dell'Intelligenza Artificiale applicata al progetto.
L'obiettivo sarà quello di sviluppare una rete neurale avanzata per:
* Identificare i falsi positivi generati dalla presunta rilevazione di meteore/fireball, distinguendo le osservazioni autentiche dalle immagini di aerei o luci che potrebbero ingannare il sistema di rilevamento.
* Realizzare una rete di consenso tra i nodi di rilevazione, in grado di comunicare eventuali avvistamenti per verificarne la validità e stimare con maggiore precisione la possibile posizione di caduta di un eventuale frammento ("roccino").
* Classificare le fireball con alta probabilità di impatto al suolo, escludendo le rilevazioni per cui la traiettoria stimata non indica una potenziale collisione con la superficie terrestre.
Competenze da acquisire:
* Machine Learning e Deep Learning (reti neurali convoluzionali, reti ricorrenti, modelli di classificazione).
* Elaborazione delle immagini e computer vision.
* Analisi statistica e gestione dei dati.
* Programmazione in Python, con focus su framework AI
* Sviluppo software per applicazioni scientifiche e tecniche.
* Familiarità con sistemi distribuiti e reti di sensori per la raccolta e validazione di dati astronomici.
* Utilizzo di ambienti di calcolo ad alte prestazioni (HPC) per l'addestramento di modelli complessi.
Competenze tecniche
* Conoscenza approfondita delle reti neurali e delle tecniche di Deep Learning applicate all'analisi delle immagini.
* Capacità di elaborazione e classificazione di dati astronomici provenienti dalla rete PRISMA.
* Sviluppo e ottimizzazione di algoritmi di Intelligenza Artificiale per il riconoscimento e la classificazione di meteore e falsi positivi.
* Implementazione di modelli di Machine Learning per la validazione automatizzata degli avvistamenti.
* Integrazione di reti neurali con sistemi di comunicazione tra nodi di rilevamento.
* Analisi e gestione di grandi quantità di dati (Big Data) per migliorare la precisione delle previsioni di impatto.
* Programmazione in Python e utilizzo di librerie per l'AI e l'elaborazione dati
* Sviluppo di pipeline di elaborazione dati per l'automazione del processo di rilevamento e classificazione.
Caratteristiche personali:
* Curiosità scientifica e capacità di problem-solving.
* Autonomia nell'apprendimento e capacità di adattamento a nuove tecnologie.
* Precisione e attenzione ai dettagli nell'analisi e interpretazione dei dati.
* Capacità di lavorare in team e di interfacciarsi con esperti di settori diversi.
* Attitudine alla ricerca e allo sviluppo di soluzioni innovative.
#J-18808-Ljbffr