Progetti

Un attacco veloce a livello di forma d’onda che addestra una U-Net residuale 1D a generare perturbazioni audio piccole e vincolate in un singolo forward pass, mantenendo il parlato comprensibile ma degradando nettamente la trascrizione di Whisper.

• Risultato: il WER di Whisper Small sale da 0,047 a 3,825 con il 99% di successo.
• Transfer: lo stesso generatore addestrato su Small resta efficace su Whisper Medium e Large-v3 senza riaddestramento.

Progetto d’esame che combina reinforcement learning e guida basata su LLM per navigazione in un ambiente PyBullet stocastico con goal nascosto, sensing locale, embedding di guida e controllo ricorrente.

• Lavoro: progettazione dell’interfaccia dell’oracolo LLM e output strutturati vincolati.
• Risultato: 62% di successo in held-out, evidenziando la robustezza come collo di bottiglia.

Pipeline di visione artificiale per immagini da drone molto grandi, con un obiettivo semplice: individuare oggetti o aree insolite e trasformarle in regioni da controllare o classificare.

• Obiettivo: trovare aree candidate dentro frame aerei ad alta risoluzione.
• Perché: i target sono rari e le immagini grandi, quindi restringere la ricerca fa risparmiare tempo.
• Output: heatmap, bounding box e crop da passare a un classificatore o a una demo.

Un piccolo studio di forecasting su un sistema caotico: un modello riesce a prevedere il movimento successivo, e quanto velocemente crescono gli errori quando le previsioni vengono riusate dal modello?

• Obiettivo: prevedere brevi tratti di moto in un sistema molto sensibile a piccole variazioni.
• Perché: è un problema giocattolo pulito per capire i limiti della predizione su serie temporali.
• Lezione: buone predizioni a breve termine non restano automaticamente affidabili su rollout lunghi.

Analisi esplorativa delle elezioni europee 2019: pulizia dei dati, verifica di ipotesi e sintesi tramite visualizzazioni.

• Lavoro: wrangling di tabelle sporche, controlli di consistenza e notebook riproducibili.
• Output: grafici e conclusioni narrative basate su pattern quantitativi.

Un’esperienza in prima persona realizzata con Three.js che trasforma il suono in un luogo da esplorare: una forma d’onda live mostra il segnale nel tempo, mentre uno skyline audio-reattivo ne rivela lo spettro.

• Visualizzazione: una FFT a 70 bande controlla altezza e luminosità degli edifici e il flusso sul terreno.
• Interazione: sorgenti, filtri, pitch e un braccio robotico collegano in tempo reale i cambiamenti udibili al feedback visivo.

Piccola pipeline per generare immagini sintetiche etichettate con domain randomization per training in stile YOLO.

• Lavoro: randomizzazione della scena, variazioni di luce ed esportazione delle label.
• Perché: iterazione rapida quando i dati reali sono costosi, limitati o difficili da raccogliere.

Lavori leggeri di backend/API e piccole app orientate a trasformare funzionalità in qualcosa di usabile e testabile.

• Lavoro: schemi API, endpoint e integrazione pulita con la logica client.
• Stack: OpenAPI, basi SQL, HTML, CSS e JavaScript.

Uno spazio in crescita per simulazioni native del browser, spiegazioni visuali e piccoli strumenti utili da esplorare, ma non sempre abbastanza grandi per pagine progetto autonome.

• Obiettivo: rendere trovabili piccole idee interattive mentre evolvono.
• Perché: simulazioni e slider possono spiegare alcuni concetti meglio del testo statico.