ML for Innovation @DET - 17 novembre 2023
Innovation@DET è una serie di eventi organizzati dal Dipartimento di Elettronica e Telecomunicazioni per mettere in contatto le esigenze delle imprese con le soluzioni tecnologiche sviluppate dal DET.
Il primo evento, dedicato alle applicazioni del Machine Learning, avrà luogo il 17/11/2023 alle ore 9:00 presso la Sala Maxwell del Dipartimento, 5° piano, C.so Castelfidardo 39, Torino
Programma:
- 9.00 - 10.30 Presentazione di soluzioni da parte dei docenti DET
- Industry & Health
- Enrico Magli - Deep learning for image processing with applications to remote sensing and industry
- Marina Indri - Machine Learning per interazioni sicure fra robot e umani in ambienti industriali
- Eros Pasero - Reti Neurali Artificiali per applicazioni industriali avanzate
- Jorge Tobon - Microonde e Machine Learning per il monitoraggio di accidenti cerebrovascolari e l'ispezione di prodotti alimentari e bevande
- Paolo Manfredi - Machine Learning Based Surrogate Models for the Statical Analysis and Optimization of Electronic Circuits and Devices
- Alessio Carullo - Il ruolo dell'incertezza nelle tecniche di machine learning
- Communications & Edge-AI
- Fabio Dovis - Detection and classification of jamming signals
- Roberto Gaudino - Reti Neurali per l'Ottimizzazione di Comunicazioni Intra-Data-Center ad Altissimo Bit-Rate mediante la modellizzazione di Laser VCSEL a Basso Consumo
- Paolo Bardella - Device and system modeling with ML
- Carla Chiasserini - Support and design of ML tasks at the edge of the network
- Hardware & embedded systems
- Mario Casu - Machine learning inference acceleration using embedded and datacenter-class FPGAs
- Mihai Lazarescu - Application and Performance Oriented Neural Network Optimizations for Embedded Systems
- Guido Masera - Deep Learning Inferencing in Edge Devices
- Industry & Health
- 10.30 - 10.45 Coffee break
- 10.45 - 11.15 Presentazioni di problemi aperti da parte di aziende
- 11.15 - 11.30 Wrap-up
Locandina Machine Learning for Innovation @DET 
(209.33 kB)