[A08] Sviluppo di Funzionalità Avanzate per l'Automazione della Riconciliazione Bancaria e delle Scritture Contabili
Descrizione: L'obiettivo del progetto è sviluppare funzionalità avanzate per automatizzare la riconciliazione bancaria e le scritture contabili su una piattaforma interna di automazione contabile. Gli studenti saranno suddivisi in due team: un team di back end, che lavorerà con tecnologia .NET, e un team di front end, che utilizzerà React per l’interfaccia utente. Entrambi i team sfrutteranno tecniche di Intelligenza Artificiale e Machine Learning, comprese soluzioni di Generative AI, per implementare procedure di verifica automatica e riconciliazione dei dati contabili e bancari. Il progetto consentirà agli studenti di acquisire competenze avanzate nello sviluppo software, nell'integrazione di AI e nella gestione di flussi contabili automatizzati.
Sede: Maxtrino s.p.a. (Cagliari)
Responsabile: Enrico Casula
Numero studenti: 1
Scadenza proposta: 31/12/2026
[A12] Progettazione e Sviluppo di Funzionalità Avanzate per l'Automazione del Processo Contabile Passivo
Descrizione: Il progetto di tirocinio prevede lo sviluppo di funzionalità avanzate per una piattaforma di automazione del ciclo passivo, con gli studenti divisi in due team: uno dedicato al back-end (tecnologia .NET) e l'altro al front-end (tecnologia React). Le attività includeranno la progettazione e implementazione di moduli che utilizzano AI, Machine Learning e Generative AI per automatizzare e migliorare le procedure di verifica e riconciliazione dei dati contabili. La metodologia prevede un approccio collaborativo per garantire l'integrazione fluida tra i moduli e un ciclo di sviluppo agile per favorire un costante avanzamento del progetto.
Sede: Maxtrino s.p.a. (Cagliari)
Responsabile: Enrico Casula
Numero studenti: 3
Scadenza proposta: 31/12/2026
[A31] Intelligenza artificiale e ottimizzazione dei flussi editoriali per radio e streaming
Descrizione: Unica Radio propone un tirocinio curricolare rivolto a studentesse e studenti interessati ad approfondire l’applicazione dell’intelligenza artificiale ai processi editoriali e tecnici di una realtà radiofonica e multimediale.
Il percorso di tirocinio è orientato all’analisi e all’ottimizzazione dei flussi di lavoro della linea editoriale, con particolare attenzione ai processi di produzione, gestione e distribuzione dei contenuti audio e video. Il tirocinante collabora con la redazione e con il team tecnico per sperimentare strumenti di intelligenza artificiale a supporto delle attività di scrittura, archiviazione, indicizzazione dei contenuti e pianificazione editoriale.
All’interno del percorso è previsto anche il coinvolgimento nelle attività di gestione dei server per lo streaming audio e video, con un focus sul funzionamento delle infrastrutture tecniche, sull’automazione dei processi di pubblicazione e sul monitoraggio delle performance dei flussi di streaming. Il tirocinio consente di osservare e contribuire all’integrazione tra competenze editoriali, tecnologiche e organizzative, all’interno di un contesto reale di produzione mediale.
Sede: Unica Radio (Cagliari)
Responsabile: Carlo Pahler
Numero studenti: 3
Scadenza proposta: 31/12/2026
[R54] Smart contracts analysis and verification
Descrizione: L'attività del tirocinio riguarda lo studio e la sperimentazione di tecniche avanzate di analisi e verifica per smart contracts su blockchain. Gli smart contracts sono programmi che vengono eseguiti in modo sicuro e trasparente da una blockchain, e in grado di gestire e distribuire crypto-asset agli utenti seguendo logiche personalizzate e complesse. La verifica degli smart contracts è un problema di notevole rilevanza pratica, in quanto anche un singolo bug può causare perdite multimilionarie di crypto-asset. L’obiettivo del tirocinio è fornire allo studente una solida introduzione alle nozioni fondamentali degli smart contract, delle blockchain e delle criptovalute, consentendogli di sviluppare competenze pratiche nella progettazione e verifica di sicurezza degli smart contracts e di comprendere i rischi che caratterizzano questo settore in rapida evoluzione.
Nello specifico, il tirocinante dovrà:
- approfondire lo studio di un linguaggio di programmazione per smart contracts;
- studiare uno strumento per l’analisi o la verifica di smart contracts;
- sperimentare lo strumento scelto su un insieme di use cases (vedi ad esempio https://github.com/bitbart/contracts-verification-benchmark);
I dettagli saranno concordati con il responsabile del progetto.
Sede: Dipartimento di Matematica e Informatica (Cagliari)
Responsabile: Massimo Bartoletti
Numero studenti: 2
Scadenza proposta: 31/12/2026
[R55] Rosetta Smart Contracts
Descrizione: L'attività del tirocinio riguarda lo sviluppo di smart contract per blockchain decentralizzate e permissionless. Gli smart contracts sono programmi che vengono eseguiti in modo sicuro e trasparente da una blockchain, e in grado di gestire e distribuire crypto-asset agli utenti seguendo logiche personalizzate e complesse. Esistono numerosi linguaggi di programmazione per smart contracts, ciascuno con caratteristiche, punti di forza e limitazioni specifiche. L'obiettivo del tirocinio è fornire allo studente una solida introduzione ai concetti fondamentali degli smart contracts, delle blockchain e delle criptovalute, consentendogli di sviluppare competenze teoriche e pratiche in un settore altamente innovativo.
Nello specifico, il tirocinante dovrà:
- approfondire lo studio di un linguaggio di programmazione per smart contracts (da concordare con il responsabile del progetto);
- implementare nel linguaggio scelto un insieme di use cases (vedi ad esempio https://github.com/blockchain-unica/rosetta-smart-contracts);
- testare le proprie implementazioni sulla blockchain.
Sede: Dipartimento di Matematica e Informatica (Cagliari)
Responsabile: Massimo Bartoletti
Numero studenti: 4
Scadenza proposta: 31/12/2026
[R59] Processi di modellizzazione e analisi dei dati degli edifici di interesse storico
Descrizione: I modelli BIM (Building Information Modeling) rappresentano gli edifici come insiemi strutturati di dati geometrici, tecnici e descrittivi, generalmente scambiati tramite lo standard aperto IFC (Industry Foundation Classes). Gli edifici storici rappresentano un caso particolare e sono caratterizzati da una grande quantità di informazioni eterogenee: dati geometrici, descrizioni tecniche, documentazione storica, parametri di stato e manutenzione. Tramite i modelli HBIM (Historical Building Information Modeling) si possono organizzare tali informazioni all’interno di modelli digitali strutturati. Questi modelli costituiscono una fonte informativa molto ricca, ma non immediatamente utilizzabile all’interno del sistema informativo o processabile per l'analisi.
Al fine di monitorare lo stato attuale degli edifici e per individuare scostamenti e criticità, si rende necessario mettere in relazione i vari descrittori. Questo è oggi possibile grazie agli strumenti di Intelligenza Artificiale a supporto dell’analisi, in grado di lavorare su dati strutturati e non strutturati, utilizzando una base di conoscenza e regole definite a livello di sistema.
Il tirocinio si concentra sull’analisi della struttura dei modelli IFC e sulla progettazione di flussi di integrazione tra HBIM e DBMS, sperimentando tecniche di estrazione, trasformazione e caricamento dei dati. L’obiettivo è rendere le informazioni contenute nei modelli HBIM accessibili, interrogabili e integrabili in sistemi informativi a supporto del monitoraggio e della gestione degli edifici storici. Il tirocinio include la progettazione e sperimentazione del modello informatico di AI, utilizzando una base di conoscenza e regole di correlazione, e può integrare tecniche di Retrieval-Augmented Generation (RAG) per combinare l’interrogazione dei dati con il recupero di informazioni rilevanti dalla documentazione tecnica e descrittiva.
Obiettivi:
- Comprendere la struttura informativa dei modelli HBIM e utilizzare librerie software per estrarre dati dai modelli IFC.
- Progettare un mapping concettuale tra dati IFC e schemi di database relazionali
- Implementare il flusso ETL (Estrazione, Trasformazione, Caricamento) per l'integrazione dei dati HBIM e costruzione della base di conoscenza.
- Analizzare il problema della correlazione tra dati diversi.
- Utilizzo di tecniche RAG per combinare l’interrogazione dei dati con il recupero di informazioni rilevanti.
Requisiti:
- competenze in programmazione, basi di dati e SQL;
- interesse per intelligenza artificiale e data analysis;
- capacità di analisi e formalizzazione di problemi complessi.
Modalità: Ai tirocinanti verrà fornito il materiale di studio necessario e saranno seguiti in ogni fase del lavoro. Ai tirocinanti verrà assegnata una postazione alla quale potrà accedere durante le ore lavorative, con opportuna flessibilità di orari e date.
Sede: Dipartimento di Matematica e Informatica (Cagliari)
Responsabile: Gavina Baralla
Numero studenti: 1
Scadenza proposta: 31/12/2026
[A38] Edge-AgriSardegna: TinyML per la Smart Agriculture a Basso Consumo
Descrizione: Il settore agricolo in Sardegna, caratterizzato da colture ad alto valore aggiunto (es. viticoltura da vino, olivicoltura, carcioficoltura), affronta sfide critiche legate ai cambiamenti climatici, in primis la scarsità idrica e le prolungate siccità estive. L'Agricoltura di Precisione (Smart Agriculture) utilizza tradizionalmente l'IoT per monitorare i campi, ma le architetture classiche "Cloud-centriche" presentano tre limiti invalidanti nelle aree rurali sarde:
1. Connettività instabile: Assenza o debolezza del segnale 4G/Wi-Fi nelle campagne e nelle zone interne.
2. Consumo energetico elevato: Trasmettere in streaming dati continui (es. temperatura e umidità ogni 10 minuti) scarica rapidamente le batterie dei sensori.
3. Costi e latenza: Dipendenza da server remoti a pagamento e abbonamenti SIM.
La Soluzione (Edge AI): Spostare l'Intelligenza Artificiale dal Cloud direttamente sul campo tramite il paradigma TinyML. Il microcontrollore non invierà più continui flussi di dati grezzi, ma li analizzerà in locale in frazioni di secondo. Tramite reti radio a lungo raggio (LoRaWAN), invierà esclusivamente l'output dell'elaborazione (es. "Rilevato stress idrico severo al filare 4: aprire elettrovalvola"). Questo approccio azzera la dipendenza dalla banda larga e garantisce anni di autonomia a batteria.
Obiettivi del Progetto:
- Obiettivo Tecnologico: Progettare, addestrare (su PC) e quantizzare un modello di Machine Learning "leggero" per eseguirne il deployment su un microcontrollore con severi limiti di memoria (SRAM < 320 KB), ottimizzando il codice C++.
- Obiettivo Agronomico: Sviluppare un algoritmo decisionale per l'ottimizzazione dell'irrigazione, fondendo i dati multisensoriali (umidità e temperatura del suolo, temperatura e umidità dell'aria, radiazione solare) per prevedere il fabbisogno idrico prima che la pianta subisca danni.
- Obiettivo Energetico: Dimostrare un abbattimento del consumo energetico e dell'uso della banda radio di oltre l'85% rispetto ai tradizionali sistemi IoT cloud-based.
Sede: Mediterranei soc. coop. a r.l. (Cagliari)
Responsabile: Matteo Atzeni
Numero studenti: 1
Scadenza proposta: 31/12/2026
[R67] Sviluppo di algoritmi e processi per la Search for Extra-Terrestrial Intelligence (SETI).
Descrizione: Siamo soli nell'universo? Per dare una risposta a questa domanda, gli osservatori astronomici di tutto il mondo collaborano per osservare le onde radio provenienti dallo spazio. La Sardegna contribuisce con le osservazioni di uno dei più grandi radiotelescopi d'Europa, il Sardinia Radio Telescope. L'obiettivo di programmi internazionali come il SETI è quello di identificare i potenziali segnali provenienti da forme di vita e civiltà extra terrestri. Uno dei principali problemi riguarda la capacità di distinguere questi segnali da tutti gli altri, quali il rumore, i segnali naturali o i segnali terrestri. Questi problemi sono affrontati tramite processi e algoritmi definiti e implementati grazie alla collaborazione con gli informatici e all'utilizzo di risorse hardware dedicate.
Le osservazioni, ovvero i segnali provenienti dalle antenne, sono preprocessati e raccolti in opportune sequenze di spettrogrammi che consentono la discriminazione tra segnali terrestri e segnali dallo spazio. Tuttavia, l'enorme quantità di osservazioni effettuate, rende necessario un sistema automatico di classificazione che aiuti ad identificare i segnali extraterrestri. L'intelligenza artificiale trova quindi naturale applicazione. Sono state utlizzate tecniche di machine learning come l'anomaly detection, i transformer per l'analisi degli spettrogrammi e più recentemente si sta esplorando la possibilità di utilizzare LLM o VLM. Queste tecniche possono essere integrate alle tecniche di ricerca computazionale oggi utilizzate per la comparazione, basata sul drift, delle immagini bidimensionali create a partire dai segnali radio.
Obiettivi:
- studiare e sviluppare algoritmi di identificazione di segnali di intelligenza extraterrestre;
- rappresentare ed ideare i processi tramite tecniche di ingegneria del software;
- implementare gli algoritmi ed eseguire, in base all'approccio scelto, l'addestramento, il fine tuning o quant'altro su dati sintetici e reali;
- applicare i modelli ai dataset di osservazioni radio reali ai fini del SETI;
- - validazione degli algoritmi.
Modalità: il tirocinio si svolgerà sotto la supervisione congiunta con l'Osservatorio Astronomico di Cagliari e in collaborazione con gli sviluppatori dei precedenti algoritmi. I tirocinanti avranno l'opportunità di svolgere parte delle ore presso la sede dell'Osservatorio Astronomico di Cagliari e potranno interagire attivamente con il team del Sardinina Radio Telescope ed accedere ai sistemi informativi e ai dati. Inoltre verrà loro assegnata una postazione per le ore che verranno impiegate presso il dipartimento con opportuna flessibilità di orario.
Sede: Dipartimento di Matematica e Informatica (Cagliari)
Responsabile: Andrea Pinna
Numero studenti: 2
Scadenza proposta: 31/10/2026
Informatica
