Muhammad Tanveer Jan

Introduction

International student studying a Master’s degree in Computer Science with main area of specialization in “Internet of Things”. Studied “Serverless Computing” in my first year of the curriculum by Prof. Scarano, which opened my mind to wide-area of research to be done in IoT with sub-domain as cloud-computing. Serverless Computing acts as the backbone for IoT because of a large amount of data that need to be processed an stored on the cloud to be used for further decision making.

Thesis

Working on it.

Seminar

Introduction to blogging with Jekyll

Skills

Jekyll – Static Site Generator
Javascript
Bootstrap

Portfolio

Chrome Extension for data analysis
Website Application for generating Hypergraphs

Luca Postiglione

Sono uno studente della Triennale di Informatica che ha deciso di seguire il Tirocinio/Tesi in questo laboratorio.
Docente di riferimento: Alberto Negro
Dottorando di riferimento: Maria Angela Pellegrino


Lavoro di tesi: Syntactical Errors Detection

Il lavoro si basa sulla creazione di una libreria Python/Javascript in grado di individuare (ed eventualmente proporre una correzione) per errori sintattici in collezioni di stringhe omogenee (es: regioni, province, comuni).

Per la realizzazione della libreria si è deciso di sfruttare tecniche di clustering, quindi la prima fase di studio si è basata sulla ricerca di:

  • Individuare algoritmi di clustering in grado di lavorare su stringhe
  • Individuare le metriche per il calcolo della distanza sulle stringhe
  • individuare metriche di valutazione di algoritmi di clustering

Lo studio e l’analisi delle tecniche individuate ha portato alla seguenti scelte per strutturare la libreria:
  • L’implementazione di un algoritmo ibrido per la pre-computazione della matrice delle distanze utilizzando due tecniche (Levenshtein e Fuzzy String Searching), più l’utilizzo di un dizionario relativo al dataset da analizzare;
  • L’utilizzo di AgglomerativeClustering (fornito dalla libreria ScikitLearn) come tecnica di clustering, grazie alla sua alta scalabilità, sia come numero di campioni che di cluster;
  • L’implementazione di 2 algoritmi per individuare il numero giusto di cluster per quel dataset e per correggere gli errori presenti nel dataset;

    Link Github del progetto: https://github.com/isislab-unisa/syntactical-errors-detection

Giuseppe D’Ambrosio

Introduzione

Studente del dipartimento di Informatica a seguito della laurea triennale mi sono iscritto al curriculum Cloud Computing della laura magistrale in Informatica, interessato agli argomenti di tale ambito. Questo interesse mi ha avvicinato ai corsi tenuti dai docenti di ISISLab permettendomi di avviare un nuovo tipo di percorso verso la tesi di laurea. Tale percorso prevede di proporre come progetto per gli esami caratterizzanti il curriculum Cloud Computing un unico progetto che andrà a svilupparsi a partire dal primo anno della Laurea Magistrale.

Tesi di indirizzo

Debug mode on FLY.

Primo seminario

Debug mode on FLY using LocalStack

Abstract
FLY è un Domain Specific Language per il calcolo scientifico su multi-cloud che fornisce un ambiente totalmente trasparente rispetto al provider fornitore dei servizi. Sviluppare un’applicazione è un processo che richiede diversi tentativi di esecuzione per riuscire a rendere il tutto funzionante. Quando si lavora in cloud ciò può risultare particolarmente costoso, vi è quindi la necessità di poter testare le proprie funzioni in un ambiente totalmente locale, che non dipenda dei servizi del cloud, ma che allo stesso tempo ne simuli fedelmente l’esecuzione. 
Lo scopo di questo seminario è presentare un ambiente di test, per il linguaggio FLY, in cui è possibile eseguire funzioni simulando l’ambiente AWS su macchina locale, senza alcuna dipendenza dai servizi in cloud e senza nessun costo.