Background

Info

Sono uno studente magistrale in Computer Science alla Sapienza, attivo tra AI applicata, dati e calcolo scientifico.

Questa pagina raccoglie il contesto dietro ai progetti: come studio, cosa tendo a costruire e quali strumenti uso quando trasformo un’idea in qualcosa di testabile.

Italia Aggiornato: Aprile 2026

Formazione

  • Laurea Magistrale in Computer Science 2025–Presente
    Sapienza Università di Roma
  • Laurea Triennale in Applied Computer Science and Artificial Intelligence 2022–2025
    Sapienza Università di Roma · 110 e lode
  • Diploma di Liceo Scientifico 2017–2022
    Liceo Scientifico A. Romita · 100 e lode

Direzione attuale

  • AI applicata: modelli che risolvono task concreti, mostrano i propri limiti e si valutano in modo chiaro.
  • Dati scientifici: problemi su grafi, visione, serie temporali e bioinformatica.
  • Esperimenti affidabili: notebook leggibili, run riproducibili e diagnostica pratica.
  • Output leggibili: demo, appunti e sintesi che rendono facile ispezionare il ragionamento dietro un risultato.

Strumenti

Toolkit principale

  • Python: NumPy, pandas, Matplotlib, scikit-learn, notebook, pulizia dati
  • Deep learning: PyTorch, PyTorch Lightning, PyTorch Geometric, valutazione modelli
  • Visione e grafi: OpenCV, torchvision, NetworkX, Gephi, post-processing
  • Ingegneria: Git, Docker quando serve, HTML/CSS, JavaScript, OpenAPI, SQL
  • Workflow: run riproducibili, controlli visuali, documentazione compatta, piccole demo

Domini

Dove lo applico

  • Bioinformatica: interactomi, predizione di interazioni proteiche, enrichment workflow, analisi di correlazione
  • Visione artificiale: anomaly detection, localizzazione, mask, bounding box, dati sintetici
  • Sistemi dinamici: forecasting, predizione ricorsiva, reinforcement learning, sistemi caotici, controlli di stabilità
  • Prototipi di ricerca: piccoli tool web/API, demo e sintesi visuali