Giuseppe Luongo Email & Phone Number

Hitachi Rail - Roma, Lazio, Italia

- Sviluppo di un'applicazione mobile e del server backend in ambito smart ticketing, per agevolare lo smart mobility nelle città, automatizzando l’acquisto di biglietti per il trasporto pubblico:- Sviluppo delle seguenti funzionalità lato app, sia per IOS (Swift), sia per Android (Kotlin):- recuperare la posizione corrente dell'utente tramite GPS,- scansionare le reti wifi disponibili nelle vicinanze dell'utente per identificare in maniera automatica il veicolo preso,- l'activity recognition al fine di rilevare se l'utente è sul veicolo oppure no,- scansionare un qr code per identificare il veicolo preso dall'utente,- la comunicazione al backend tramite protocollo HTTP.- Implementazione di un sistema backend in Python, con framework Flask, per ricevere gli eventi collezionati dall’app mobile. Il backend ricostruisce il viaggio fatto dall’utente, individuando tramite distanza geodetica, con il modulo Geopy, lo start point, i midway points e lo stop point e associando per ogni punto il veicolo del trasporto pubblico preso. Infine salva il viaggio ricostruito in un database PostgreSQL.Tecnologie utilizzate:Kotlin, Android, Swift, Flask, Python, Geopy, PostgreSQL, Docker, HTTP, SQLAlchemy, Scipy

Hitachi Rail - Roma, Lazio, Italia

- Manutenzione e miglioramento di HMI per la visualizzazione e il monitoraggio dello stato di affollamento dei mezzi del trasporto pubblico, sviluppate in Angular:- Miglioramento la gestione dei grafici, delle tabelle ed indicatori, mediante l’utilizzo di Apache Superset e Superset UI. - Miglioramento del processo di comunicazione con il backend tramite HTTP.- Supporto e coordinamento delle attività dei colleghi junior, per la risoluzione di bug e miglioramento della visualizzazione della dark mode, dei grafici e dei widget per segnalare lo stato di un veicolo.

Hitachi Rail - Napoli, Campania, Italia

- Sviluppo di un sistema a microservizi per il conteggio dei soggetti (adulti, bambini, valigie, ecc.. ) a bordo veicolo.- Implementazione di un servizio in Python per monitorare il funzionamento dei sensori di conteggio, del GPS, della Central Unit di bordo, del TCMS e degli altri moduli(container Docker). Il servizio si occupa anche di intervenire in caso di malfunzionamenti continui, applicando operazioni di mitigazione come il riavvio dei sensori o dei container docker.- Implementazione di un servizio in Python che si occupa del conteggio tra una vagone ed un altro a bordo veicolo. Il modulo aggrega i dati in arrivo dai sensori di conteggio.- Implementazione di un servizio in Python per gestire la posizione in tempo reale del veicolo. Il modulo si interfaccia con le sorgenti GPS e/o TCMS per recuperarne la posizione attuale.- La communicazione interna tra i microservizi è stata implementata tramite protocollo MQTT, mentre la communicazione con le piattaforme esterne avviene tramite HTTPS e/o MQTTTLS. Ogni modulo salva i dati in un database PostgreSQL.- Bugfixing.Tecnologie utilizzate:Python, Flask, PostgreSQL, Docker, MQTT, RestFul API.

Hitachi Rail - Napoli, Campania, Italia

- Sviluppo di una web HMI per la gestione delle tratte dei treni. - Implementazione di servizi Rest lato backend per la gestione degli allarmi relative alle tratte dei treni e scrittura degli unit test relativi.- Bugfixing sul frontend.- Metodologia Agile con suite Atlassian (Jira, Confluence, ecc...)Tecnologie utilizzate:Java, JavaScript, Spring Boot, jQuery, jUnit, Git, BitBucket

Napoli, Campania, Italia

- Sviluppo di un sistema, in Python, per elaborare i dati dei pazienti al fine di diagnosticare un tumore e/o somministrare il farmaco. - Implementazione di una coroutine asincrona per gestire la comunicazione, tramite socket TCP e UDP, tra un microcontrollore Linduino e la GUI. - Metodologia Agile con suite Atlassian (Jira, Confluence, ecc...)Tecnologie utilizzate:Python, Git, Bitbucket, Gitflow

Napoli, Campania, Italia

Progettazione e sviluppo di un tool di data augmentation a supporto del training di reti neuraliLa mia attività si è concentrata sulla creazione di un tool per la costruzione di un dataset valido ai fini di migliorare l’apprendimento di una rete neurale. In particolare, ho migliorato il dataset sia dal punto di vista quantitativo che qualitativo. Per quanto riguarda la quantità, ho utilizzato tecniche di data augmentation per garantire un numero adeguato di campioni da cui la rete neurale può apprendere. Per quanto riguarda la qualità, ho filtrato i dati utilizzando l’entropia, al fine di garantire che la rete apprenda solo da dati informativi. Inoltre, ho sviluppato un’interfaccia grafica con QT Designer e PySide per semplificare l’utilizzo del tool.Tecnologie utilizzate:Python, PySide, Qt, OpenCV, Pandas, Matplotlib, Numpy, Keras, Tensorflow.