[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
[R46] Sviluppo di un'interfaccia web per l'analisi di reti complesse
Descrizione: L'obiettivo del tirocinio consiste nello studio e nell'estensione di VIPNODES, un'applicazione sviluppata per il calcolo e l'approssimazione di indici di centralità, indicatori numerici tipici della teoria delle reti complesse. Inizialmente progettato come un applicativo MATLAB, il software sarà oggetto di un porting verso un'applicazione web, con la necessità di un miglioramento grafico e funzionale. Il tirocinante avrà il compito di acquisire familiarità con strumenti quali Vue.js, JavaScript e Python, al fine di ottimizzare e implementare le funzionalità dell'interfaccia utente e migliorare l'esperienza d’uso. Inoltre, dovrà seguire le migliori pratiche di programmazione e design per lo sviluppo di applicazioni interattive e garantirne la fruibilità attraverso il deployment su un server dedicato.
Sede: Dipartimento di Matematica e Informatica (Cagliari)
Responsabile: Caterina Fenu
Numero studenti: 1
Scadenza proposta: 31/07/2026
[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: 2
Scadenza proposta: 31/12/2026
[A36] Sviluppo e Addestramento di Modelli AI per il Riconoscimento di Insetti da Analisi Video
Descrizione: Il tirocinio si focalizza sullo sviluppo e l'addestramento di modelli di intelligenza artificiale per il riconoscimento automatico di insetti attraverso l'analisi di contenuti video. L'attività rappresenta un'applicazione innovativa delle tecniche di computer vision e machine learning nel campo dell'entomologia digitale e del monitoraggio ambientale.
Il progetto si inserisce nel contesto della ricerca applicata per il monitoraggio della biodiversità e la gestione sostenibile degli ecosistemi, con particolare riferimento al settore apistico e alla tutela degli impollinatori. L'obiettivo principale è sviluppare un sistema automatizzato capace di identificare, classificare e tracciare diverse specie di insetti in tempo reale da flussi video. La ricerca si concentra specificamente sull'identificazione e classificazione delle specie di insetti autoctone della Sardegna, contribuendo alla valorizzazione e tutela dell'ecosistema ambientale regionale.
Obiettivi formativi:
- Acquisire competenze avanzate in computer vision e deep learning
- Approfondire l'uso di framework per l'intelligenza artificiale (TensorFlow, PyTorch, OpenCV)
- Sviluppare competenze nell'elaborazione e analisi di dati video
- Imparare tecniche di data augmentation e preprocessing per dataset biologici
- Acquisire esperienza pratica nell'addestramento e ottimizzazione di modelli neurali
- Sviluppare competenze nell'evaluation e validazione di modelli AI
Sede: CRS4 (Pula)
Responsabile: Cristian Lai
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: 2
Scadenza proposta: 31/12/2026
[A39] Smart City e Big Data: Ottimizzazione della Mobilità Urbana a Cagliari
Descrizione: La città metropolitana di Cagliari, snodo cruciale per l'economia, l'università e il turismo nel Sud Sardegna, affronta quotidianamente sfide legate alla congestione del traffico, specialmente nelle arterie principali (es. Asse Mediano di Scorrimento, Viale Marconi, Via Roma) e durante gli orari di punta pendolari. La gestione della mobilità urbana si scontra attualmente con tre criticità principali:
- Frammentazione dei dati (Silos): Le informazioni sul traffico veicolare, sulla posizione dei mezzi pubblici (CTM/ARST) e sull'occupazione dei parcheggi multipiano/strisce blu sono spesso disaccoppiate e gestite da enti diversi.
- Gestione reattiva e non predittiva: Gli interventi sulla viabilità avvengono spesso ad ingorgo già formato, senza anticipare il problema.
- Difficoltà nel calcolo dei tempi di percorrenza reali: I ritardi del trasporto pubblico dipendono fortemente dalle fluttuazioni del traffico privato, scoraggiando l'uso dei mezzi ecosostenibili.
La Soluzione: Creare un'unica "cabina di regia" digitale basata sull'analisi dei Big Data. Attraverso l'ingestione di Open Data forniti dalla Pubblica Amministrazione (Regione Sardegna, Comune di Cagliari, enti di trasporto), il progetto mira a sviluppare un cruscotto analitico (dashboard) centralizzato. Tramite modelli di Machine Learning, il sistema non si limiterà a mostrare la situazione attuale, ma incrocerà i dati storici e in tempo reale per identificare i colli di bottiglia e suggerire azioni correttive prima che si verifichi la paralisi del traffico.
Obiettivi del Progetto:
- Obiettivo Tecnologico: Progettare e implementare una pipeline di dati scalabile capace di estrarre, trasformare e caricare (ETL) flussi eterogenei (API REST, file spaziali, serie temporali) all'interno di un database NoSQL, per poi addestrarvi modelli predittivi ad alta accuratezza.
- Obiettivo Gestionale: Fornire all'amministratore pubblico o al mobility manager uno strumento di visualizzazione intuitivo (Dashboard) che restituisca una mappa termica predittiva della città, indicando dove e quando si verificheranno le criticità.
Sede: DOMO s.r.l.(Cagliari)
Responsabile: Matteo Atzeni
Numero studenti: 2
Scadenza proposta: 31/12/2026
[R66] Sviluppo e Addestramento di Modelli LLM: Approcci Innovativi per l'Intelligenza Artificiale
Descrizione: Durante questo tirocinio il/la candidato/a avrà l'opportunità di operare in un ambiente dinamico e innovativo, focalizzato sullo sviluppo e addestramento di LLM. Le attività principali includeranno:
- Progettazione e Sviluppo: Definizione degli obiettivi del progetto, progettazione dell’architettura dei modelli e sviluppo di componenti software per la gestione dei dati e il training e/o fine-tuning degli LLM.
- Addestramento dei Modelli: Preparazione e pulizia dei dataset, impostazione degli esperimenti di addestramento e tuning degli iperparametri per ottimizzare le prestazioni dei modelli, monitorando costantemente i risultati ottenuti.
- Validazione e Testing: Analisi dei risultati, esecuzione di test di performance e accuratezza, ed elaborazione di report per valutare il contributo degli LLM alle applicazioni previste.
- Collaborazione e Documentazione: Lavoro in team con esperti del settore, partecipazione a meeting tecnici, e stesura di documentazione dettagliata sulle attività svolte e sugli avanzamenti del progetto.
Questo tirocinio rappresenta un'occasione unica per acquisire competenze avanzate nell'ambito dell’intelligenza artificiale e per contribuire attivamente allo sviluppo di tecnologie all’avanguardia.
Sede: Dipartimento di Matematica e Informatica (Cagliari)
Responsabile: Diego Reforgiato Recupero
Numero studenti: 1
Scadenza proposta: 13/05/2026
[R67] Percezione e sentiment verso l’Intelligenza Artificiale in Sardegna
Descrizione: Il progetto di tirocinio mira a supportare la realizzazione di un’indagine sperimentale sulla percezione dell’Intelligenza Artificiale nel contesto sociale sardo. Lo studente contribuirà alla raccolta e all'organizzazione di dati territoriali relativi ai comuni della Sardegna, alla progettazione e alla gestione di un questionario rivolto alla popolazione e allo sviluppo di una pipeline di analisi dei dati testuali basata sulle tecniche di Natural Language Processing. Le attività includeranno la costruzione di un dataset comunale, l’analisi delle risposte al questionario, la classificazione del sentiment e, ove possibile, l’individuazione di emozioni e temi ricorrenti. Il tirocinio permetterà allo studente di applicare competenze in ambito data management, analisi statistica, text mining e machine learning a un caso di studio reale, con ricadute informative sul rapporto tra cittadini, territorio e tecnologie di IA.
Sede: Dipartimento di Matematica e Informatica (Cagliari)
Responsabile: Gianni Fenu
Numero studenti: 1
Scadenza proposta: 30/05/2026
Informatica
