Course material will be made available on the Sapienza e-learning platform: https://elearning.uniroma1.it/ .
Information about courses is available under the label "Insegnamenti".
Exam schedules (including "appelli straordinari") are in Infostud.
You may contact me at: tronci@di.uniroma1.it .
Laurea Triennale in Informatica
FALL Semester
Ingegneria del Software (SE) - AA 2024/25.
Codice OPIS: L6W7560F
All info about the course syllabus, material, exams, and projects will be available on the Sapienza e-learning platform: https://elearning.uniroma1.it/ under the course "Software Engineering - AY 2024/25".
Start date: Wednesday, October 2nd, 2024
Class Schedule:
https://drive.google.com/file/d/130c7jinExYW1_R8NQdWJHRmtzU5Wvm-Z/view
Please register with the "Software Engineering" course on https://elearning.uniroma1.it/ to allow easy communication.
Spring Semester
Verifica e Validazione dei Sistemi intelligenti / (V&V) - AA 2024/25
Codice OPIS corso in presenza: REKUSTJ8
Codice OPIS corso in teledidattica: 5U6IQ7F2
Start date: March 4th, 2025
Class Schedule:
Tuesday, 10.30 am - 1 pm, Aula T1, Edificio E, Viale Regina Elena 295, Roma
Wednesday, 11.00 am - 1 pm, Aula S1, Edificio E, Viale Regina Elena 295, Roma
Please register with the "Verifica e Validazione dei Sistemi intelligenti " course at https://elearning.uniroma1.it/ to easy communication.
Master's Degree in Computer Science / Laurea Magistrale in Informatica
FALL Semester
Automatic Verification of Intelligent Systems (AVIS) - AY 2024/25
Codice OPIS: H0KTWIBU
All course syllabus information, material, exams, and projects will be available on the Sapienza e-learning platform: https://elearning.uniroma1.it/ under the course "Automatic Verification of Intelligent Systems - AY 2023/24".
Start date: Wednesday, October 2th, 2024
Class Schedule:
https://drive.google.com/file/d/12k-mOBkSO0JbI7y025RkTGqjiN6MMLHq/view
Please register with the "Automatic Verification of Intelligent Systems" course on https://elearning.uniroma1.it/ to allow easy communication.
Available Theses
Linked to ongoing research projects, I have many theses available for undergraduate students (Laurea Triennale) as well as for graduate students (Laurea Magistrale).
Basically all theses involve, at different degrees, methods and tools from Software Engineering (SE), Artificial Intelligence (AI), Reinforcement Learning (RL) and Model Checking (MC).
Here is a (non-exhaustive) list of topics:
AI, Model-Checking, and Reinforcement Learning for Automated Design of Intelligent Systems
- Automatic Design of Intelligent Systems
- Automatic Design of Cyber-Physical Systems
- Automatic Design of cloud-based systems (e.g., Networks of Containers)
- Simulation-based design of Intelligent Systems from Digital Twins.
- Automatic anomaly detection and forecasting systems (e.g., predictive maintenance, trading agents, etc).
AI, Model-Checking, and Reinforcement Learning for Bioinformatics
- Identification of biomarkers (e.g., for tumors) from gene expression data
- Inferring Gene Regulatory Networks from Time Series Data
- In-silico trial through digital twins (Virtual Patients) based on Biochemical Networks and data from repositories such as https://elixir-europe.org/services/tag/data-resources
AI, Model-Checking, and Reinforcement Learning for Smart Grids
- Software-based management of Smart Grids
- Automatic management of electric grids with renewables and energy storage systems
Available Industrial Theses
Through collaborations with leading Industries, many theses are available for undergraduate (Laurea Triennale) and graduate (Laurea Magistrale) students.
Here is a (non-exhaustive) list of topics (in English or Italian, as they were provided).
- Algoritmi per Fusione dati sensoriali provenienti da veicoli unmanned: la tematica è quella della data-fusione tra i dati provenienti dai sensori afferenti al payload dei veicoli unmanned in movimento, con i dati dei sensori a bordo del veicolo ospitante (es. Nave). Studiare i paper sullo stato dell'arte e progettare/implementare l'algoritmo più idoneo al dominio applicativo. Studenti corso di laurea Magistrale. Contattere Enrico Tronci: tronci@di.uniroma1.it
- Data distribution su dati semi-strutturati e gerarchici nel dominio del Comando e Controllo: studiare lo stato dell'arte, analizzare i cots disponibili (es. Apache Kafka) e realizzare i benchmark, al fine di selezionare il più idoneo al dominio applicativo. Studenti corso di laurea Magistrale. Contattere Enrico Tronci: tronci@di.uniroma1.it
- Avatar per scenari di training cooperante: alcuni sistemi di Comando e Controllo necessitano la cooperazione di più operatori umani con Ruoli operativi distinti per condurre a compimento una operazione militare (es. Catena di ingaggio). Studiare una soluzione basata sull'Intelligenza Artificiale che possa implementare la virtualizzare di uno degli operatori cooperanti (Avatar) con cui l’operatore fisico in training possa cooperare in esercitazioni con scenari reali e interattivi. Studenti corso di laurea Magistrale. Contattere Enrico Tronci: tronci@di.uniroma1.it
- Riconoscimento automatico tramite reti neurali della "classifica" di oggetti sensore: le classficazioni di dominio e categoria degli oggetti effettuate dal software dei radar non sono spesso affidabili e necessitano di interazioni dell'operatore per confermare/sovrascrivere quelli proposti. Studiare una soluzione basata sull'intelligenza Artificiale che, tramite una rete neurale, vada a classificare per gli oggetti rilevati dai sensori (radar) connessi con il C2 il "dominio" (Land, Surface, Air, Undewater, Space) e la categoria (persone, automobili, carri, navi, imbarcazioni, aerei, droni, uccelli, ecc) basandosi sui dati relativi alla dinamicità della loro cinematica (no immagini). Studenti corso di laurea Magistrale. Contattere Enrico Tronci: tronci@di.uniroma1.it
- Data mining sui dati volatili da sensori e da C2: i Big Data sono un tema largamente applicato in molti contesti di business, ma scarsamente nei sistemi real-time o near-real-time come quello del Comando e Controllo, dove la "volatilità" dei dati grezzi dei sensori o dei dati elaborati dal C2 hanno una valenza solo nell'istante di utilizzo da parte degli operatori, per poi perdersi a meno di casi specifici. Data la valenza preziosa che al giorno d'oggi viene attribuita ai dati, si richiede di studiare una soluzione che vada a progettare un framework di Data Mining per la memorizzazione dei dati del sistema C2 al fine di supportare l'operatore con feature di inferenza strategico/tattica e business intelligence. Studenti corso di laurea Magistrale. Contattere Enrico Tronci: tronci@di.uniroma1.it