Portfolio — Esame di Maturità

Daniele Vitale

Data-Driven Student / Future Business Engineer

«I dati grezzi sono solo rumore. Il ruolo del Data Analyst è ascoltare quel rumore e tradurlo in decisioni chiare, strategie e innovazione.»
Esplora i progetti → Contatti
Data Analysis Idea
5 Progetti
Dati in pratica
Scorri
L'analisi dati in pratica

I progetti

Esperienze concrete, ognuna con un obiettivo, un metodo e un risultato misurabile. Clicca su una card per i dettagli.

01 · 2023–2024ASOC
Monitoraggio Civico

ASOC

Data Analyst & Designer

A Scuola di Open Coesione — monitoraggio civico di un progetto europeo: dalla lettura dei dati di spesa alla narrazione dei risultati.

Vedi i dettagli →
02 · 2023–2025Li.Fe Radio
Analisi Ascolti

Li.Fe Radio

Music Supervisor & Analyst

Rinnovamento del palinsesto radiofonico basato sull'analisi dei gusti degli ascoltatori (campione: 852 voti).

Vedi i dettagli →
03 · 2024–2025Oura Ring
Analisi di Mercato

STEM Economy

Analista di Mercato

Oura Ring: comprendere la differenza tra semplice "invenzione" e vera "innovazione" commerciale.

Vedi i dettagli →
04 · 2024–2025NAO TecRef
Intelligenza Artificiale

Robotica con NAO

Data Collector & Analyst

Raccolta e organizzazione del dataset di casistiche arbitrali per l'assistente IA del robot NAO.

Vedi i dettagli →
Vista aerea del Complesso della Maddalena — ex Ospedale Psichiatrico S. Maria Maddalena, Aversa
Educazione Civica · 2023–2025

Il Complesso della Maddalena

"Salvaguarda il passato, costruisci il futuro" — un progetto di cittadinanza attiva per riportare alla luce un patrimonio dimenticato.

Di cosa si tratta

Il Complesso della Maddalena, ad Aversa, è l'ex Ospedale Psichiatrico S. Maria Maddalena: un bene pubblico di enorme valore storico oggi in stato di abbandono. Il suo degrado non è solo una perdita culturale, ma una violazione dei principi costituzionali — l'art. 9 (tutela del patrimonio), l'art. 42 (funzione sociale della proprietà) e l'art. 97 (buon andamento della PA).

Presentazione del complesso

Come si può essere cittadini attivi?

  • Conoscere e raccontare la storia dei beni del territorio
  • Partecipare a iniziative di sensibilizzazione (es. Giornate FAI)
  • Usare strumenti digitali per rendere accessibile il patrimonio
  • Stimolare istituzioni e comunità a riappropriarsi degli spazi
Il mio contributo

Dalla locandina al museo 3D

Locandina Giornate FAI — Chiesa della Maddalena e Chiostro di San Bernardino Locandina Giornate FAI di Primavera con foto storica

Realizzazione locandine di presentazione

Per le Giornate FAI di Primavera (23 marzo 2025) ho realizzato le locandine ufficiali con cui la classe 4Q ha guidato i visitatori alla scoperta del complesso.

  • Identità visiva e impaginazione dell'evento
  • Accostamento di foto storiche e immagini attuali
  • Comunicazione chiara di luogo, data e percorso di visita
L'idea finale

Il museo in 3D

Per preservare la memoria storica degli strumenti psichiatrici d'epoca abbiamo creato un museo digitale interattivo con modelli 3D ruotabili. Trascina con il mouse per esplorare.

Lobotomia prefrontale
~67k facce · trascina per ruotare
Sedia rotante
250k facce · trascina per ruotare
Tortura bianca
250k facce · trascina per ruotare
Vedi tutti gli 8 modelli su Meshy AI
⚡ Elettroshock 🪑 Sedia rotante 🛏 Letto di contenimento 🥼 Camicia di forza 🧠 Lobotomia prefrontale ❄ Tortura bianca 🚿 Idrotortura 🔒 Cavigliere e polsiere
Dietro le quinte

Come abbiamo realizzato i modelli

Il percorso tecnico, dalla prima pista fino al museo funzionante.

Pista 1

Blender — qualità alta, complessità proibitiva

  • Modellazione manuale professionale: livello di dettaglio illimitato
  • Richiede decine di ore per singolo oggetto e competenze specialistiche in scultura digitale e rigging
  • Conclusione: non scalabile per il numero di oggetti da ricostruire
Blender
Software open source per modellazione 3D professionale
❌ Scartato — troppo complesso
Interfaccia Meshy AI — la box di testo dove si inserisce il prompt per generare il modello 3D
Pista 2 · la scelta

Meshy AI — generazione text-to-3D

  • Genera modelli con texture PBR in ~1 minuto da una descrizione testuale
  • Limite — costo in crediti: ogni generazione ha un costo, produrre più varianti diventa rapidamente oneroso
  • Limite — imprecisione: l'IA tende ad "allucinare" forme non richieste e a fraintendere le task senza un prompt molto preciso
Competenza chiave

Come si scrive un prompt efficace

Per ogni modello ho strutturato il prompt in modo preciso. Ogni scelta ha una motivazione:

  • Contesto storico esplicito — es. "historical psychiatric restraint": impedisce all'IA di interpretare l'oggetto in chiave moderna o fantascientifica
  • Vincoli espliciti sull'oggetto — es. "no human wearer", "on a museum plinth": evita la generazione di figure umane che consumano crediti e distorcono la forma
  • Materiali e colori precisi — es. "tarnished brass", "off-white canvas": senza indicazioni l'IA sceglie colori arbitrari, non storicamente accurati
  • Dettagli richiesti esplicitamente — es. "highly detailed clasps, buckles, heavy stitching": forza l'IA a concentrarsi sugli elementi significativi
Regola generale per qualsiasi LLM
Un prompt efficace è specifico, contestuale, vincolante e incrementale — meglio due prompt mirati che uno solo sovraccarico.
Esempio del prompt strutturato usato per generare i modelli 3D su Meshy AI
Modello 3D generato su Meshy AI — il camice di forza con texture
Risultato

Il modello generato su Meshy AI

Dopo il prompt engineering, Meshy genera il modello 3D con texture PBR in circa un minuto. Il risultato viene esportato in formato .obj — un file di testo che descrive la geometria, accompagnato da un file .mtl per i materiali e dalle texture in formato immagine.

  • OBJ: formato aperto non compresso, geometria leggibile come testo — molto pesante per oggetti ad alta densità di poligoni
  • La differenza con FBX, GLB: FBX è proprietario (Autodesk), GLB è binario compresso per il web — l'OBJ è invece lo standard più universale e interoperabile
  • Problema: un modello da 1.7M facce in OBJ è troppo pesante da caricare in qualsiasi visualizzatore
Ottimizzazione

MeshLab — Quadric Edge Collapse Decimation

Nel museo digitale abbiamo inserito direttamente i file OBJ, ridotti di facce tramite lo strumento Quadric Edge Collapse Decimation (con texture) di MeshLab:

  • Cosa fa: riduce il numero di facce collassando gli spigoli a minor errore quadratico sulla superficie — preserva la forma percepita e le coordinate UV delle texture
  • Rapporto facce/peso: dimezzare le facce dimezza circa il peso del file; ridurre troppo spezza i dettagli significativi (fibbie, cuciture, catene)
  • Target ottimale: il letto partiva da 1.760.000 facce, ridotto a 250.000 facce — bilanciando fedeltà visiva e peso del file
  • Output: il file OBJ ridotto viene inserito nel museo digitale, mantenendo le texture collegate
MeshLab — Quadric Edge Collapse Decimation con texture applicata al letto di contenimento
L'esito di questo percorso

Dove tutto questo mi porta

KU Leuven, Belgio

  • Rigore analitico applicato a dati reali: raccolta, pulizia, visualizzazione e interpretazione.

  • L'IA come strumento, conoscendone i limiti reali: costo, imprecisione e dipendenza dai dati.

  • Visione economica applicata a prodotti concreti e finanziamenti pubblici.

  • Valorizzazione del patrimonio storico attraverso tecnologie digitali innovative.

Prossimo capitolo
Business Engineering — KU Leuven
Campus Brussel · da settembre 2026