Dottorando presso l'Università di Trento in informatica. Interessato a neuro-symbolic machine learning, explainable AI e interactive machine learning.
Questa sezione contiene la descrizione dei progetti più rilevanti a cui ho collaborato o a cui sto collaborando.
Questo progetto è un riassunto del lavoro che ho svolto per la mia tesi di laurea magistrale in Informatica presso l'Università di Trento. Il progetto è un protocollo di debugging interattivo che fonde Interactive Machine Learning e Neuro-Symbolic AI. Esso introduce un approccio multi-round per il debugging del modello, estraendo automaticamente gli argomenti rilevanti e facilitando il dialogo tra utente e macchina.
PSO-OpenMPI è un progetto sviluppato per il corso di High Performance Computing for Data Science per il corso di laurea magistrale in Informatica dell'Università di Trento. Questo progetto fornisce un'implementazione di Particle Swarm Optimization (PSO) su cluster utilizzando OpenMPI, insieme a un'efficiente parallelizzazione dei thread tramite OpenMP.
Neural-PRNU-Extractor è un progetto basato su PyTorch che estende FFDNet, originariamente progettato per image denoising. È stato adattato per estrarre i pattern PRNU delle telecamere. Questo progetto è stato sviluppato per il corso Signal, Image, and Video del corso di laurea magistrale in Sistemi di Intelligenza Artificiale e Informatica dell'Università di Trento.
DarkrAI è un progetto che consiste nell'addestramento di due epsilon-greedy agents di reinforcement learning per le battaglie di Pokémon. È stato sviluppato per il corso di laurea magistrale in Informatica dell'Università di Trento nell'ambito del corso di Bio-Inspired Artificial Intelligence.
Distributed Multi-level Cache è un sistema di cache distribuita a più livelli progettato per gestire i crash a vari livelli gerarchici, garantendo al contempo la coerenza client-centrica. Questo sistema è stato sviluppato nell'ambito del corso di Sistemi Distribuiti 1 del master in Informatica dell'Università di Trento.
UDA è una raccolta di metodi relativi a tecniche unsupervised domain adaptation, sviluppati per il corso di Deep Learning del corso di laurea magistrale in Informatica dell'Università di Trento.
Questo progetto rappresenta il lavoro che ho svolto per la mia tesi di laurea in Informatica presso l'Università di Trento. Consiste nello sviluppo di una strategia efficace per l'estrazione delle lingue parlate dagli utenti di Wikipedia e per l'estrazione degli avvisi degli utenti di Wikipedia e dei Wikibreak, con un focus sullo studio del loro impatto sul livello di attività degli utenti.
Efficiente programma multithread e multiprocesso in C per analizzare ricorsivamente i file contenuti in una cartella e produrre statistiche su di essi.