Info

Ciao, sono Lorenzo. Studente della magistrale in Computer Science alla Sapienza (Roma). Mi piace costruire cose piccole ma concrete: esperimenti, pipeline e prototipi di ML dove si vede davvero cosa cambia quando modifichi un pezzo. La parte che mi diverte di più è quando un dataset confuso smette di esserlo e iniziano a comparire pattern che “raccontano” qualcosa.

Mi interessa soprattutto usare il calcolo come strumento per fare analisi: bioinformatica, fisica, teoria dell’informazione, e in generale contesti in cui dati e modelli aiutano a rispondere a domande reali. Poi sì, mi piace anche l’informatica in generale: scrivere codice, far girare sistemi, e curare i dettagli che rendono un progetto solido.

Italia Aggiornato: Febbraio 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

Cosa progetto

  • Pipeline ML: training + valutazione + interpretazione.
  • Vision: pipeline di detection/localizzazione/segmentazione.
  • Graph ML: reti biologiche, reti sociali e analisi generale di dati su grafi.
  • Analisi dati: pulizia di dataset “sporchi”, estrazione e interpretazione di pattern.
  • 3D / dati sintetici: piccoli workflow Blender per dataset etichettati.
  • Web & app leggere: API e strumenti semplici per siti e piccole applicazioni.

Progetti e writeup sono in Progetti e Appunti.

Strumenti & competenze

ML & dati

  • Base: Python, NumPy, pandas, Matplotlib
  • ML/DL: PyTorch, PyTorch Lightning, scikit-learn
  • Workflow: notebook, esperimenti riproducibili, valutazioni pulite

Vision & grafi

  • Vision: OpenCV, torchvision
  • Grafi: PyTorch Geometric, NetworkX, Gephi
  • Task tipici: heatmap/mask → post-processing → bounding box → classificazione

Bioinformatica / network medicine

  • Tool: SWIMmeR, SaveRunner, WGCNA, Enrichr
  • Attività: enrichment analysis, disease module analysis, correlazioni, interpretazione su rete, workflow su interactomi
  • Supporto: pandas/NumPy per pulizia + notebook riproducibili per analisi

3D, web & ingegneria

  • 3D / rendering: Blender (dataset, luci, domain randomization)
  • Web: HTML/CSS, JavaScript, OpenAPI, REST
  • Backend: basi SQL, piccoli servizi/strumenti
  • Workflow: Git, Docker (quando serve)

Sono principalmente “Python-first”: preferisco usare bene le librerie giuste e scrivere glue code pulito, invece di “collezionare” linguaggi.