Tesi di laurea | Linee guida di scrittura | Linee guida di sviluppo | Tesi in corso | Tesi svolte

Prima di richiedere la tesi…

Prima di richiedere formalmente la tesi, assicuratevi di avere letto con attenzione questa pagina. Leggere con attenzione significa anche e soprattuto seguire gli hyperlink presenti nelle descrizione perché possiate approfondire gli argomenti di tesi.
Quando infine avrete qualcosa da discutere, contattate il responsabile del Collab, prof. Filippo Lanubile.

 

Tesi da assegnare – supervisionate da un ricercatore del Collab

AI-augmented software development

NLP e LLM in Software Engineering

C’è un crescente interesse nell’applicazione di modelli di Natural Language Processing (NLP), in particolare di Large Language Model (LLM), per assistere lo sviluppo e la manutenzione del software, come la generazione e la comprensione del codice, la generazione di test e la riparazione del programma. Sebbene l’applicazione degli LLM su attività rilevanti per il codice abbia mostrato prestazioni molto promettenti, c’è un enorme potenziale per esplorare ulteriormente questo dominio in crescita.

Possibili tesi:

  • Fine-tuning LLMs for Issue Report Classification
  • Synthetic Issue Report Data Generation
  • Investigating Prompt Variations for Issue Report Classification with Large Language Models
  • Code Comment Classification @ NLBSE25 Tool Competition

Issue  Management in Software Engineering

La corretta gestione degli issue (bug, enhancement, question) è fondamentale per il coordinamento di un progetto di sviluppo software, sia open che closed source.

In questo ambito, attualmente proponiamo le seguenti tesi relative alla gestione degli issue incluso l’uso di generative AI per etichettare automaticamente gli issue.

Emotion detection in Software Engineering

Per garantire il successo di progetti software di successo è importante monitorare le emozioni a livello individuale e i team, poichè le emozioni negative possono rappresentare un ostacolo allo sviluppo collaborativo.

Nell’ambito di queste tematiche, l’attività di ricerca e le relative tesi vertono sul riconoscimento di emozioni a partire dall’analisi dei sensori biometrici su dispositivi indossabili.

Engineering AI-enabled software systems

L’Intelligenza Artificiale (AI) è sempre più al centro dell’attenzione per le applicazioni innovative che è in grado di sostenere. Anche i sistemi software si arricchiscono di funzionalità di AI e si aprono nuove sfide per sviluppare sistemi AI-enabled.

Possibili tesi:

  • Gestione automatica della documentazione di modelli di Machine Learning
  • Confronto di soluzioni di Workflow Orchestration per progetti di MLOps

MLOps for healthcare

Nell’ambito del progetto DARE – Digital Lifelong Prevention, proponiamo tesi per automatizzare l’addestramento e il deployment di modelli predittivi in scenari d’uso clinici. Le tesi si svolgeranno in collaborazione con gruppi di ricerca biomedica.

Possibili tesi:

  • Gestione automatica della documentazione di modelli di Machine Learning relativi al campo sanitario [RegOps]
  • Visualizzazione di genogrammi da dati sanitari

Cybersecurity & Compliance

MLSecOps

Con la rapida diffusione del Machine Learning in vari ambiti, diventa imprescindibile tutelare la sicurezza e l’integrità dei modelli di ML e delle relative pipeline. MLSecOps ha come obiettivo quello di garantire la sicurezza e la privacy dei sistemi end-to-end.

Possibili tesi:

  • VA/PT su ML pipeline
  • Privacy issue nel data collection (con riferimento all’AI Act)

RegOps

RegOps è un campo emergente che integra pratiche di automazione, monitoraggio e governance dei processi di regolamentazione e conformità all’interno di un’organizzazione.

Possibili tesi:

  • Analisi e sviluppo di una componente per la verifica di conformità basata su Checklist.
  • Analisi e sviluppo di una componente per la creazione automatica del Fascicolo Tecnico.

API Security: Anomaly Detection using Machine Learning

Attraverso l’uso del Machine Learning è possibile rilevare anomalie nel traffico delle API, sviluppando modelli che analizzano pattern di utilizzo per identificare comportamenti sospetti indicativi di attacchi o abusi.

Possibili tesi:

  • Analisi e sviluppo di un modello per il monitoraggio della sicurezza di sistemi sanitari basati su API
  • Strategie per il monitoraggio della sicurezza mediante Copilot for Security

Tesi da assegnare su progetti esterni

Un invito sempre valido è quello di partecipare attivamente a un progetto open source di vostro interesse. Questa è un’opportunità concreta per mettere alla prova e migliorare le vostre capacità, confrontandovi con altri sviluppatori di tutto il mondo. E’ importante che la scelta sia dettata dall’interesse in un’applicazione o una tecnologia, soprattutto se già ne conoscete limiti e pregi: questo renderebbe più semplice l’inizio della collaborazione (ciononostante, ogni vuoto è colmabile). L’applicazione con la quale “provare” la tecnologia potreste averla già individuata oppure potreste trovarla consultando una guida alla contribuzione a un progetto open source o l’analizzatore di progetti open source Open Hub. Quello che vi si chiede non è granchè diverso dall’iniziativa Google Summer of Code, in cui un manipolo di studenti valorosi sono ingaggiati per pochi mesi al fine di creare o estendere un progetto di open source software. Nel vostro caso il premio è la tesi di laurea.