Skip to content

Latest commit

 

History

History
150 lines (74 loc) · 10.8 KB

ita.md

File metadata and controls

150 lines (74 loc) · 10.8 KB
Raw

Ho conseguito un PhD in Intelligenza artificale nel quale mi sono occupato di computational audio processing, nello specifico di sistemi autonomi per il rilevamento delle cadute di umani utilizzando reti neurali. In questo periodo ho approfondito principalmente diverse architetture di reti neurali tra cui:

  • CNN

  • Siamese Neural Network

  • Autoencoder e algoritmi quali:

  • SVC

  • OCSVC

  • Gaussian Mixture Model e svolto attivita di sviluppo relative all'ambito IoT e interoperabilità di sistemi domotici. Dirante il dottorato ho effettuato svariate pubblicazione su riviste e conferenze:

  • Principi, Emanuele, Diego, Droghini, Stefano, Squartini, Paolo, Olivetti, and Francesco, Piazza. "Acoustic cues from the floor: a new approach for fall classification".Expert Systems with Applications 60 (2016): 51–61.

  • Droghini, Diego, Daniele, Ferretti, Emanuele, Principi, Stefano, Squartini, and Francesco, Piazza. "A combined one-class SVM and template-matching approach for user-aided human fall detection by means of floor acoustic features".Computational intelligence and neuroscience 2017 (2017).

  • Droghini, Diego, Emanuele, Principi, Stefano, Squartini, Paolo, Olivetti, and Francesco, Piazza. "Human fall detection by using an innovative floor acoustic sensor".Multidisciplinary approaches to neural computing (2018): 97–107.

  • Vesperini, Fabio, Diego, Droghini, Daniele, Ferretti, Emanuele, Principi, Leonardo, Gabrielli, Stefano, Squartini, and Francesco, Piazza. "A hierarchic multi-scaled approach for rare sound event detection." . In Proc. DCASE 2017-Workshop Detect. Classification Acoust. Scenes Events.2017.

  • Gabrielli, Leonardo, Carmine Emanuel, Cella, Fabio, Vesperini, Diego, Droghini, Emanuele, Principi, and Stefano, Squartini. "Deep learning for timbre modification and transfer: An evaluation study." . In Audio Engineering Society Convention 144.2018.

  • Droghini, Diego, Daniele, Ferretti, Emanuele, Principi, Stefano, Squartini, and Francesco, Piazza. "An end-to-end unsupervised approach employing convolutional neural network autoencoders for human fall detection".Quantifying and Processing Biomedical and Behavioral Signals 27 (2019): 185–196.

  • Droghini, Diego, Fabio, Vesperini, Emanuele, Principi, Stefano, Squartini, and Francesco, Piazza. "Few-shot siamese neural networks employing audio features for human-fall detection." . In Proceedings of the International Conference on Pattern Recognition and Artificial Intelligence (pp. 63–69).2018.

  • Vesperini, Fabio, Diego, Droghini, Emanuele, Principi, Leonardo, Gabrielli, and Stefano, Squartini. "Hierarchic conv nets framework for rare sound event detection." . In 2018 26th European Signal Processing Conference (EUSIPCO) (pp. 1497–1501).2018.

  • Gabrielli, Leonardo, Fabio, Vesperini, Diego, Droghini, and Stefano, Squartini. "Rima Glottidis: Experimenting Generative Raw Audio Synthesis for a Sound Installation." . In XXII Colloquio di Informatica Musicale 22nd Colloquium on Music Informatics Atti della Conferenza Conference Proceedings (pp. 64).2018.

  • Droghini, Diego, Stefano, Squartini, Emanuele, Principi, Leonardo, Gabrielli, and Francesco, Piazza. "Audio metric learning by using siamese autoencoders for one-shot human fall detection".IEEE Transactions on Emerging Topics in Computational Intelligence 5, no.1 (2019): 108–118.

  • Vesperini, Fabio, and Diego, Droghini. "Method and apparatus for checking the production quality of cables that are provided with a protective sheath, in particular electrical cables." (2020).

  • Droghini, Diego, Daniele, Ferretti, Emanuele, Principi, Stefano, Squartini, and Francesco, Piazza. "Research Article A Combined One-Class SVM and Template-Matching Approach for User-Aided Human Fall Detection by Means of Floor Acoustic Features".Computational Intelligence and Neuroscience (2017): 13.

Dopo il dottorato, dal 2018 ho iniziato a lavorare per MFL X dove lavoro tutt'ora. Qui mi sono occupato di sfruttare le tecnologie esponenziali per progettare e costruire macchine industriali intelligenti. In particolare ho sviluppato e gestito i seguenti progetti:

  • Sistema di visione per il monitoraggio della qualità del prodotto. Si sono applicate e sviluppate el conosceinze relative a reti neurali per quanti riguarda lo sviluppo dell'algoritmo. Mi sono occupato della scelta delle camere, ottiche e illuminatori e hardware computazionale oltre che seguire il prpogetto e la realizzazione della struttura fisica del dispositivo stesso. Il sistema sistema si basa su un archietettura a microsevizi docker che si intefaccia con la liena di produzione stessa. Inoltre abbiamo anche sviluppato una intefaccia web per interagire con lo strumento (python flask javascript html css). Questo dispositivo è stato anche soggetto di un brevetto internazionale dal titolo "Metodo e apparato per il controllo della qualità di produzione di cavi provvisiti di guaina protettiva, in particolare di cavi elettrici", di cui sono uno dei 2 inventori. Il brevetto è depositato a nome SEMPLICE SPA.

Droghini, D. (2019, June 27). US20200408696A1 - Method and apparatus for checking the production quality of cables that are provided with a protective sheath, in particular electrical cables          - Google Patents. https://patents.google.com/patent/US20200408696A1/en

  • Sviluppo di una applicazione web IIoT per il monitoriaggio delle linee di produzione offerto ai clienti come SaaS. Il sistema è basato su edge device cloud. La parte edge è deployata su Siemens Industrial IPC con architettura a microservizi docker. La parte cloud è multipiattaforma: midnphere o azure. Durante il progetto ho potuto approfondire i seguenti argomenti/strumenti:

    • microservizi basati su docker e loro orchestrazione
    • CI/CD e sviluppo di relative pipeline (in particlare tramite bitbucket)
    • monitoraggio flotta edge (portainer)
    • Piattafroma Minsphere (conoscenza approfondita delle API)
    • Azure (instanziare e gestire virtual machine, iotHub, blob storage, redis cache,...)

  • Sviluppo di un chatbot basato su LLM (azure openAI) per Q&A su manuali macchina. In questo prgoetto ho approfondito i seguenti tools/librerie: azure cognitive services, azure OpenAI, langChain.

Conosco i seguenti linguaggi di programmazione (in ordine di competenza): python, C, C , matlab, javascript, html, node.js.

Conosco e ho lavorato molto con le seguenti librerie python: tensorflow, keras, opencv, scipy, numpy, langchain, pytorch, pandas

Ho lavorato con i seguenti tool/piattaforme/ide: wandb, dogshub, azure (cli, active directory, blob storage, redis cache, iothub, virtual machine, container registry), git, bitbuket, gitkraken, pycharm, vscode.

per il managmenet dei progetti ho utilizzato piattaforme come microsoft teams, slack, jira.

Ho un ottima conoscenza dedlla piattraforma Linux e derivate (ho sempre utilizzato piattaforme linux per lo sviluppo) e windows.

Principali database: mongodb, sql, influxdb, parquet

Riconosciementi: vincitore del premio "Best Presentation" @ Pattern Recognition And Artificial Inteligence (PRAI 2018) @ Keen University, Union, New Jersey.

Ho conseguito un PhD in Intelligenza artificale nel quale mi sono occupato di computational audio processing, nello specifico di sistemi autonomi per il rilevamento delle cadute di umani utilizzando reti neurali. In questo periodo ho approfondito principalmente diverse architetture di reti neurali tra cui:

  • CNN

  • Siamese Neural Network

  • Autoencoder e algoritmi quali:

  • SVC

  • OCSVC

  • Gaussian Mixture Model e svolto attivita di sviluppo relative all'ambito IoT e interoperabilità di sistemi domotici. Dirante il dottorato ho effettuato svariate pubblicazione su riviste e conferenze:

  • Principi, Emanuele, Diego, Droghini, Stefano, Squartini, Paolo, Olivetti, and Francesco, Piazza. "Acoustic cues from the floor: a new approach for fall classification".Expert Systems with Applications 60 (2016): 51–61.

Dopo il dottorato, dal 2018 ho iniziato a lavorare per MFL X dove lavoro tutt'ora. Qui mi sono occupato di sfruttare le tecnologie esponenziali per progettare e costruire macchine industriali intelligenti. In particolare ho sviluppato e gestito i seguenti progetti:

  • Sistema di visione per il monitoraggio della qualità del prodotto. Si sono applicate e sviluppate el conosceinze relative a reti neurali per quanti riguarda lo sviluppo dell'algoritmo. Mi sono occupato della scelta delle camere, ottiche e illuminatori e hardware computazionale oltre che seguire il prpogetto e la realizzazione della struttura fisica del dispositivo stesso. Il sistema sistema si basa su un archietettura a microsevizi docker che si intefaccia con la liena di produzione stessa. Inoltre abbiamo anche sviluppato una intefaccia web per interagire con lo strumento (python flask javascript html css). Questo dispositivo è stato anche soggetto di un brevetto internazionale dal titolo "Metodo e apparato per il controllo della qualità di produzione di cavi provvisiti di guaina protettiva, in particolare di cavi elettrici", di cui sono uno dei 2 inventori. Il brevetto è depositato a nome SEMPLICE SPA.

  • Sviluppo di una applicazione web IIoT per il monitoriaggio delle linee di produzione offerto ai clienti come SaaS. Il sistema è basato su edge device cloud. La parte edge è deployata su Siemens Industrial IPC con architettura a microservizi docker. La parte cloud è multipiattaforma: midnphere o azure. Durante il progetto ho potuto approfondire i seguenti argomenti/strumenti:

    • microservizi basati su docker e loro orchestrazione
    • CI/CD e sviluppo di relative pipeline (in particlare tramite bitbucket)
    • monitoraggio flotta edge (portainer)
    • Piattafroma Minsphere (conoscenza approfondita delle API)
    • Azure (instanziare e gestire virtual machine, iotHub, blob storage, redis cache,...)

  • Sviluppo di un chatbot basato su LLM (azure openAI) per Q&A su manuali macchina. In questo prgoetto ho approfondito i seguenti tools/librerie: azure cognitive services, azure OpenAI, langChain.

Conosco i seguenti linguaggi di programmazione (in ordine di competenza): python, C, C , matlab, javascript, html, node.js.

Conosco e ho lavorato molto con le seguenti librerie python: tensorflow, keras, opencv, scipy, numpy, langchain, pytorch, pandas

Ho lavorato con i seguenti tool/piattaforme/ide: wandb, dogshub, azure (cli, active directory, blob storage, redis cache, iothub, virtual machine, container registry), git, bitbuket, gitkraken, pycharm, vscode.

per il managmenet dei progetti ho utilizzato piattaforme come microsoft teams, slack, jira.

Ho un ottima conoscenza dedlla piattraforma Linux e derivate (ho sempre utilizzato piattaforme linux per lo sviluppo) e windows.

Principali database: mongodb, sql, influxdb, parquet

Riconosciementi: vincitore del premio "Best Presentation" @ Pattern Recognition And Artificial Inteligence (PRAI 2018) @ Keen University, Union, New Jersey.