L'evento è terminato ma puoi sempre rivedere la registrazione video 😉
Nel mondo del retail e non solo, è di vitale importanza conoscere le abitudini di acquisto del cliente per poter riprogrammare l'offerta e la disposizione dei prodotti all'interno dello shop. La sfida può essere riformulata nella maniera seguente: è possibile tracciare gli spostamenti di ogni singolo soggetto attraverso i flussi video di due o più telecamere installate all'interno di un determinato ambiente? E se le telecamere non dovessero condividere alcuna zona di sovrapposizione, come sarebbe possibile effettuare il matching di un soggetto proveniente da un'altra camera per poter poi ricostruire lo storico completo delle zone visitate?
Durante questa presentazione interattiva vedremo, attraverso uno use-case reale, come l'approccio di Edge Computing insieme all'utilizzo di particolari modelli di Intelligenza Artificiale sia efficace nel risolvere il problema di person matching sopra descritto, in una soluzione privacy compliant e completamente anonimizzata.
Verrà presentata tutta la software pipeline sviluppata, che comprende:
Tutti coloro che parteciperanno alla diretta – e "firmeranno" il registro di presenza :-) – riceveranno il giorno successivo l'attestato di partecipazione!
Dev WorkSpace sono gli appuntamenti mensili dedicati al mondo del lavoro dei Dev!
Partecipa ai nostri tech meetup online ed entra nella Dev Community per:
Anche tu dei nostri?!
Entra nella nostra Dev Community su:
e partecipa ai nostri incontri che trovi su:
R&D Artificial Intelligence Dev
Giovanni Nardini è uno sviluppatore di intelligenza artificiale presso K2, e fa parte del team di R&D focalizzato sui progetti in ambito deep learning e computer vision.
Nato a Latina e trasferitosi a Roma durante gli studi, ha conseguito la laurea in ingegneria meccanica, approfondendo con estremo interesse gli approcci ibridi che prevedevano l'uso dei dati e del machine learning anche nel campo della progettazione meccanica, efficientamento e manutenzione.
Ha iniziato la sua carriera lavorativa nel 2017 come Data Scientist, confrontandosi da subito con progetti reali e sfidanti. Due anni più tardi ha avuto l'opportunità di iniziare a concentrarsi su progetti in ambito edge computing, lavorando nel campo delle immagini e sviluppando soluzioni AI per dispositivi embedded. Ad oggi continua a lavorare nel campo del deep learning con un approccio pragmatico improntato tanto sulla ricerca quanto sulla messa in produzione di soluzioni innovative.
Giovanni crede profondamente che la creatività e lo scambio di idee siano il presupposto per un progetto vincente e che chiunque possa contribuire in maniera diretta o trasversale.