Torna ai risultati della ricercaBando per assegno di ricerca
| Titolo del progetto di ricerca in italiano | Analsi di real-world data con approcci di machine learning per ottimizzare le trattrici agricole |
|---|---|
| Titolo del progetto di ricerca in inglese | Analysis of tractor real-world data with machine learning approach for tractor optimization |
| Campo principale della ricerca | Engineering |
| Sottocampo della ricerca | Agricultural engineering |
| Settore Concorsuale | 07 - Scienze agrarie e veterinarie |
| S.S.D | - |
| Descrizione sintetica in italiano | Il progetto è relativo alle attività inerenti allo sviluppo di una metodologia standard per l’analisi statistica di dati acquisiti da una flotta di trattori con approcci di machine learning. Nello specifico la ricerca si concentrerà nelle seguenti attività: • monitoraggio di flotte di trattori con sistemi canbus; • supportare il gruppo nelle prove di caratterizzazione dei trattori; • sviluppo di algoritmi di classificazione dei dati raccolti; • analisi statistica dei dati calcolati. Il profilo ideale dovrà avere: • Conoscenze nell’uso di Matlab per l’analisi dati. • La conoscenza del linguaggio Python è sicuramente ben apprezzata. • Saper analizzare dataset strutturati e non strutturati con approcci ML nel dominio dell’ingegneria o agrario. • Conoscenze basilari dei sistemi acquisizione dati e sensori ed in particolar modo sistemi CAN-Bus/ISOBUS. • Rudimenti sulle tipologie di macchine agricole e loro funzionamento. |
| Descrizione sintetica in inglese | The project relates to activities pertaining to the development of a methodology for statistical analysis of data coming from a fleet of tractors using machine learning. Specifically, the research will focus on the following activities: • monitoring fleets of tractors with canbus systems; • supporting the working group in tractor tests; • development of classification algorithms; • statistical analysis of data calculated from the damage model to estimate the most severe operating conditions of the monitored fleet of tractors. The ideal profile will need to have: • Knowledge in the use of Matlab for data analysis. • Knowledge of the Python language is certainly well appreciated. • Know how to analyze structured and unstructured datasets with ML approaches in the engineering or agricultural domain. • Basic knowledge of data acquisition and sensor systems and especially CAN-Bus/ISOBUS systems. • Rudiments on types of agricultural machinery and their operation. |
| Data del bando | 25/03/2024 |
| Paesi in cui può essere condotta la ricerca |
Italy |
| Paesi di residenza dei candidati |
All |
| Nazionalità dei candidati |
All |
| Sito web del bando | https://bandi.unibo.it/ricerca/assegni-ricerca |
| Destinatari dell'assegno di ricerca (of target group) |
Early stage researcher or 0-4 yrs (Post graduate) |
|---|---|
| Criteri di selezione in italiano (breve descrizione) | il bando e la modulistica per partecipare alla procedura di valutazione comparativa sono disponibili all'indirizzo: https://bandi.unibo.it/ricerca/assegni-ricerca |
| Criteri di selezione in inglese (breve descrizione) | to apply for research grants fill out the form available at the following address: https://bandi.unibo.it/ricerca/assegni-ricerca |
| Nome dell'Ente finanziatore | ALMA MATER STUDIORUM - UNIVERSITA' DI BOLOGNA - - DIPARTIMENTO DI SCIENZE E TECNOLOGIE AGRO-ALIMENTARI |
|---|---|
| Tipologia dell'Ente | Public research |
| Paese dell'Ente | Italy |
| Città | Bologna |
| Sito web | http://www.unibo.it |
| distal.personale-esternoweb@unibo.it |
| L'assegno finanziato/cofinanziato attraverso un EU Research Framework Programme? | No |
|---|
| Data di scadenza del bando | 19/04/2024 - alle ore 00:00 |
|---|---|
| Come candidarsi | Other |