Data Shack

Nell’ambito delle attività di ricerca accademica del Centro di Ricerca Gianfranco Ferré si inserisce la collaborazione con la Harvard John A. Paulson School of Engineering and Applied Sciences (SEAS), sviluppata in sinergia con il Data Science Lab e il Fashion in Process Lab del Politecnico di Milano per il progetto Data Shack. L’iniziativa coinvolge studenti e docenti dei programmi di Master in Data Science e in Computational Science and Engineering della Harvard SEAS, oltre a partecipanti ai corsi di Laurea Magistrale in Computer Science and Engineering, Communication Design e Design for the Fashion System del Politecnico di Milano.

Il progetto Data Shack propone agli studenti sfide basate su casi reali, che richiedono l’applicazione e lo sviluppo di competenze quali gestione dei dati, machine learning, analisi e visualizzazione dei dati, statistica, matematica e progettazione dell’esperienza utente. Gli studenti sono guidati nello sviluppo di metodologie, software, visualizzazioni e componenti ad alte prestazioni, fino al testing, alla finalizzazione delle soluzioni e alla redazione di articoli scientifici.

Il progetto sviluppato con il Centro di Ricerca Gianfranco Ferré, durante la prima edizione, prende avvio dal vasto patrimonio dell’archivio digitale per creare un modello innovativo di vector database capace di integrare tecniche di machine learning per lo sviluppo di ontologie culturali. L’iniziativa combina competenze di fashion design, data science e human-computer interaction per sperimentare nuovi metodi di classificazione semantica e di interazione con i contenuti archivistici, esplorando inoltre processi di co-creazione nelle fasi di sviluppo creativo, con l’obiettivo di connettere il patrimonio culturale della moda con approcci progettuali innovativi.

Nell’ambito della seconda edizione, il progetto approfondisce l’impiego di strumenti di intelligenza artificiale generativa — come modelli multimodali, LLM e tecnologie affini — con l’obiettivo di sviluppare pipeline capaci di migliorare le prestazioni degli strumenti di IA applicati alla moda, includendo in particolare chatbot, LLM specializzati tramite fine-tuning e altre soluzioni avanzate.

I risultati del progetto aprono nuove prospettive per la fruizione creativa degli archivi: interfacce dialogiche basate su IA generativa consentono esperienze esplorative più immersive e personalizzate, a beneficio della ricerca, dell’educazione e della valorizzazione del patrimonio culturale della moda.