| KEYWORD |
DAUIN - GR-24 - SMILIES - reSilient coMputer archItectures and LIfE Sci
Metodologie di Artificial Intelligence per il supporto al Production Testing in Piattaforme IoT/Edge (in ARDUINO)
Tesi esterna in azienda
Parole chiave ARDUINO, GENERATIVE AI, HARDWARE IN THE LOOP (HIL), INTELLIGENZA ARTIFICIALE, LARGE-SCALE LANGUAGE MODELS, PRODUCTION SYSTEM
Riferimenti STEFANO DI CARLO, ALESSANDRO SAVINO
Gruppi di ricerca DAUIN - GR-24 - SMILIES - reSilient coMputer archItectures and LIfE Sci
Tipo tesi IN AZIENDA, LAUREA MAGISTRALE
Descrizione La produzione di nuovo hardware richiede la generazione di test funzionali e non che garantiscano la qualità del prodotto. Tali test sono specifici della piattaforma hardware ma la loro generazione è legata anche a metodologie note così come all'esperienza pratica su sistemi precedenti. Il riuso della conoscenza è per questo cruciale e moderne tecniche di Artificial Intelligence si sono dimostrate efficaci nell'apprendimento di conoscenze pregresse e loro rielaborazione in contesti simili.
L'obiettivo della tesi è quello di portare le capacità di generazione dei moderni modelli di Artificial Intelligence al test dei sistemi hardware. Il progetto richiederà di studiare la letteratura allo scopo di individuare i modelli ideali da mappare sul problema specifico. In seguito, dovranno essere sviluppate e integrate tecniche di apprendimento che, organizzando la conoscenza di base e pregressa, possano portare ad una accuratezza di generazione che dovrà essere verificata su sistemi reali.
Conoscenze richieste C/C++ e Python
Architetture di Elaborzione (avanzate)
Fondamenti di Machine Learning e Artificial Intelligence
Note La tesi è in collaborazione con ARDUINO
Scadenza validita proposta 26/03/2025
PROPONI LA TUA CANDIDATURA