Un gestionale per le Risorse Umane sviluppato in Django
Un'applicazione web per la gestione efficiente del personale in piccole e medie imprese.
Il sistema centralizza e automatizza processi HR chiave, tra cui la gestione dei dipendenti,
il monitoraggio delle presenze, la gestione delle ferie e l'elaborazione delle buste paga.
Ha un login, un sistema di registrazione, autenticazione e offre inoltre funzionalità avanzate
come la generazione di report sulle performance e un sistema di notifiche per le comunicazioni aziendali.
Tecnologie utilizzate:
Backend: Django
Frontend: HTML, CSS, JavaScript e Bootstrap
Database: SQLite
Autenticazione: Django Authentication
Caratteristiche Principali:
Gestione completa dei dipendenti.
Sistema di richiesta e accettazione per presenze e ferie.
Una semplice applicazione web creata con Streamlit che dimostra il funzionamento del RAG (Retrieval Augmented
Generation).
L'app utilizza LlamaIndex per caricare e interrogare contenuti da pagine di Wikipedia relative
all'Intelligenza
Artificiale e al Machine Learning,
fornendo risposte basate sul contesto recuperato.
Tecnologie utilizzate:
Streamlit: Per l'interfaccia utente interattiva.
LlamaIndex: Framework per la costruzione di applicazioni LLM con dati esterni (Wikipedia).
OpenAI: Per modelli di embedding e modello linguistico (LLM).
WikipediaReader: Lettore dati di LlamaIndex per contenuti Wikipedia.
Cybershop è un'app di gestione aziendale fittizia ambientata nell’anno 2079.
Il suo scopo è vendere protesi cibernetiche da visualizzare nell’app
attraverso la realtà aumentata o in 3D sotto forma di file STL, un formato CAD,
che una volta acquistato può essere stampato a casa
utilizzando una stampante 3D abilitata per la stampa di impianti
e circuiti elettronici biocompatibili.
Il progetto e la demo sono stati realizzati per la materia Programmazione Mobile.
Tecnologie e Servizi Utilizzati:
Firebase (Google Cloud Services):
Authentication: gestione email, UID utente e autenticazione
Realtime Database: lista prodotti, utenti e wishlist
Storage: salvataggio immagini e file STL dei prodotti
Le immagini e i testi sono stati generati con Scribble Diffusion e ChatGPT.
La demo è funzionale e responsive.
Il progetto nasce dalla curiosità di esplorare i limiti del protocollo USB e MIDI su un
Novation Launchpad MK1. brInizialmente, tramite fuzzing con PyUSB e pacchetti random,
sono riuscito ad accendere i LED del dispositivo, nonostante non fosse supportato su Linux.
Successivamente ho approfondito il funzionamento interno: il Launchpad è una griglia 9x9 di tasti illuminabili
(3 livelli di rosso e 3 di verde, combinabili in giallo), che risponde a comandi MIDI.
Ho sviluppato tre script Python per descrivere la matrice, controllarne i LED e inviare comandi sistematici,
usando un wrapper che sfrutta amidi come sottoprocesso.
Oltre al controllo delle luci, lo script riceve e stampa gli eventi MIDI dei tasti premuti,
trasformando il Launchpad in un’interfaccia interattiva.
In questo modo ho potuto accendere, spegnere e colorare i LED a piacimento, senza driver ufficiali,
arrivando persino a creare effetti visivi con pacchetti random e sequenze di spegnimento istantanee.
Una minuscola interfaccia grafica per LAMPP, scritta in Bash e tput (mini libreria grafica).
Ha lo scopo di avviare un server locale senza usare la riga di comando.
An AI Agent for automotive, RAG enabled, with voice commands, hosted locally.
QR Code generato
Johnny The CyberCar Assistant è un proof of concept (PoC) di un agente AI in RAG completamente locale innestato
su
un Opel Corsa B del 1997,
frutto della mia tesi triennale in ingegneria informatica all'Università di Catania.
Architettura del progetto
Il progetto è composto da 3 sistemi:
Un server Linux con una 1080 TI su cui gira Cheshire Cat AI, il modello in locale (LLAMA3),
il
sintetizzatore vocale e lo speech recognition (Whisper AI).
Un client montato in auto (Esp32) con modem 4g,un microfon, speaker e un modulo Edge di
speech
recognition con
un piccolo modello di machine learning.
Le interfacce ESP32 con CANBUS per inviare e ricevere i dati della vettura
Descrizione e Funzionalità
Ispirato a
KITT di Supercar (aka Knight Rider)
, Johnny rende l'auto smart:
grazie a un ESP32 collegato al CAN BUS e con modem 4g
abilita in Edge un interfaccia vocale, memoria a lungo termine e controllo intelligente (via Porta
OBD-II).
Tutto il resto del sistema AI viene eseguito da remoto su un server con GPU consumer (GTX 1080TI).
L'assistente è invocato dalla keyword "Hey Johnny!", dopo di che é possibile attraverso comandi vocali
agire in locale sui
dispositivi dell'auto (come alzare i finestrini) o parlare voice2voice in remoto col Chatbot, che risponde con
il
contesto dei
dati della macchina (posizione GPS, velocità, temperatura, etc), senza mai staccare le mani dal volante
Il database vettoriale Qdrant gestisce la memoria a breve/lungo
termine dell'assistente, abilitando una vera esperienza RAG (Retrieval-Augmented Generation).
Tutti i servizi sono orchestrati con Docker Compose.
Pipeline Audio
🎤 Voce utente
↓
❓ Se il comando è locale → esegue azione locale ⚙️
Altrimenti:
↓
🐱 contatta johnny il chatbot remoto
↓
🌐 Cloudflared (autenticazione)
↓
📝 WhisperAI (Voice2Text su GPU)
↓
🧠 LLaMA3 (Ollama, inferenza su GPU)
↓
🔊 Text2Speech (risposta vocale)
↓
❓ Loop: finché non rileva “stop”, torna a johnny 🐱
Esempi di utilizzo
"Che tempo fa ad Amdsterdam?" → "Lorenzo, ad Amsterdam ci sono 23 gradi".
"Arrivo a Berlino per ora di cena?" → "Sì Lorenzo, ma ti conviene fare benzina alla prossima stazione a
33km da
qui".
"Ho sentito un rumore strano, qualcosa che non va con l'auto?"→ "Lorenzo, dal tuo CAN bus leggo che hai un
problema al motore, ti consiglio di accostare il prima possibile".
N.B. Il Progetto é completamente open-source,è stato realizzato in circa 2 mesi e mezzo,
é pensato per il riuso hardware e l'edge computing in ambito
automotive.
architettura, immagini, video e tesi in pdf (ITA ONLY) completa sono disponibili nella repository.
Componenti sviluppate per il
progetto
Local Whisper Cat: An official plugin Cheshire Cat AI to transcript locally on your
gpu/cpu,
in Docker.
Fake e-commerce a tema retro gaming in Laravel (PHP)
Retromuseum è un progetto di sviluppo web universitario su un fake e-commerce di una fittizia azienda catanese,
dove gli utenti potevano acquistare giochi e console usati, con uno stile visivo fortemente ispirato alla
classica grafica a 8 bit
Inizialmente backend implementato in PHP puro,
poi migrata su Laravel.
Utilizza un database MySQL precompilato,
richiama l'API Spotify (OAuth 2.0) per l'ultimo podcast (falso) disponibile,
e utilizza MongoDB come database per il carrello (solo per ottenere punti extra per il progetto).
Include un sistema di login, con validazione client/server, una barra di ricerca e
contenuti dinamicamente generati via JS da api rawg.io.
Una soluzione semplice di cloud gaming locale: su un vecchio laptop viene installato
Debian, un emulatore SNES e il server Sunshine.
In questo modo è possibile streammare giochi retro direttamente in rete e collegarsi da remoto
con Moonlight, senza container o virtualizzazione.
Tecnologie utilizzate: Sunshine, Moonlight, Cloudflared Tunnel, Bsnes, Raspberry, an old PC
as server.
N.B. Configurazione minimale e a costo zero, pensata per il riciclo hardware.
Un progetto di chatbot privato in locale, eseguito su un vecchio portatile
con Docker. Il modello (Gemma2 o LLaMA 3.2) gira in un container Ollama
con interfaccia web via OpenWebUI, accessibile su porta 3000.
In LAN è subito disponibile, mentre un Raspberry Pi con
Cloudflare Tunnel espone il servizio in modo sicuro anche da remoto,
tramite dominio personalizzato (.xyz) e autenticazione.
Tecnologie usate:
Ollama (local hosted AI backend)
LLama3.2 / Gemma2 (modelli opensource)
OpenWebUI (Frontend)
Docker & NVIDIA Container Toolkit
Raspberry Pi come tunnel e access point
Old PC con GPU o CPU multicore e almeno 4GB RAM
Cloudflare Tunnel per accesso remoto sicuro
N.B. Configurazione pensata per riciclare hardware ed evitare e-waste.
