Simone Ghezzi racconta il suo progetto di tesi magistrale sulla Sentiment Analysis realizzato con ThinkOpen

Author: Redazione

Una tesi di laurea sulla Sentiment Analysis e tanti sogni da realizzare.

Simone Ghezzi, brillante laureando magistrale in Informatica all’Università degli Studi di Milano-Bicocca, racconta perché ha scelto di sviluppare il suo progetto di tesi con ThinkOpen e gli esiti futuri della sua ricerca.

Appassionato di Machine Learning, due anni fa Simone ha avuto la possibilità di svolgere il tirocinio curriculare con noi, ideando un modello di ML in grado di predire i tassi di incidenza delle malattie tumorali.

Entusiasta del suo stage, ha deciso di sviluppare anche la tesi magistrale con ThinkOpen, focalizzando la sua ricerca sulla Sentiment Analysis. In particolare, sulle tecniche di Deep Learning che hanno lo scopo di predire le emozioni umane mediante l’analisi di immagini digitali.

Abbiamo chiesto a Simone di svelare tutti i dettagli del suo entusiasmante progetto.

Come hai conosciuto ThinkOpen? In che modo hai deciso di portare avanti il tuo progetto di tesi con noi?

Sono venuto a contatto con la realtà TOP per la prima volta due anni fa. All’epoca ero laureando presso il corso di Laurea triennale in Informatica.
Ho iniziato a sviluppare il mio progetto di tesi magistrale con Giuseppe Trotta, responsabile aziendale dell’area Formazione e esperto nell’ambito BI e Intelligenza Artificiale. Sin da subito è stato chiaro come il nostro interesse fosse quello di rintracciare, nel vasto campo dell’apprendimento automatico, un potenziale argomento di tesi. E così è stato!

 

Quali sono i punti chiave del tuo progetto? Perché parliamo di un’idea innovativa?

La mia tesi si basa sullo studio dello stato dell’arte del concetto di attenzione neurale, e sulla sua implementazione nel campo dell’elaborazione delle immagini digitali. Attraverso tecniche di Deep Learning, mi sono occupato di analizzare immagini digitali ritraenti volti umani. L’obiettivo di questa ricerca è stato quello di sviluppare una piattaforma in grado di classificare lo spettro delle emozioni umane, a partire dall’analisi delle espressioni facciali. Si tratta di uno studio qualitativo e di dettaglio del principio di attenzione neurale e di come questo possa essere interpretato mediante un’analisi critica della letteratura. Il progetto nasce prevalentemente dal mio interesse verso tale ambito, nonché dalla mia curiosità che coinvolge questa innovativa area di ricerca.

sentiment-analysis-tesi-magistrale-framework-1

Soft-Hard Attention-Guided CNNs, il framework attenzionale creato da Simone.

Quali sono le possibili applicazioni del tuo progetto? E i potenziali sviluppi?

Un sistema di Sentiment Analysis basato su Computer Vision, capace di interagire in tempo reale con l’utente, al fine di prendere una decisione sulla base dell’emozione identificata. Questa è di sicuro una delle possibili applicazioni dirette della mia ricerca.
Senza rendercene conto, siamo già circondati da alcune applicazioni pratiche della Computer Vision: il riconoscimento-oggetti, l’analisi dei difetti in ambito industriale e il tracciamento oggetti. Nell’ambito del riconoscimento di stati d’animo, basti pensare che l’emotion recognition viene utilizzato da alcune aziende per migliorare e testare i processi di business, studiando l’umore del consumatore e costruire, così, una pubblicità mirata. A questo si aggiunge la sua applicazione nel campo della comunicazione e dei media.

In che modo la tua idea potrebbe aiutarci in futuro?

Questa tecnologia offre la possibilità di analizzare immagini digitali a prescindere dalla tipologia. Ciò implica di poter analizzare immagini provenienti da domini che non per forza ricadono nel campo della Face Emotion Recognition. Per esempio, potrebbero essere studiate rappresentazioni digitali provenienti da strumentazioni mediche (si veda il National Institutes of Health Chest X-Ray Dataset) per ottenere “diagnosi” puntuali. I software possono aiutare i medici a diagnosticare malattie celebrali come depressione e demenza tramite l’analisi di diverse fonti di dati, a partire da volto e voce. In particolare, l’impatto di questa tecnologia è fondamentale nella cura dei pazienti anziani, dal monitoraggio delle condizioni di salute alla possibilità di coinvolgere queste persone per combattere la solitudine e tenere il cervello attivo.

Contattaci per scoprire tutte le news e i servizi di ThinkOpen

*I dati raccolti verranno trattati secondo la nostra informativa