Progetti

Una selezione di cose che ho costruito e studiato.

ML · Dati · Bioinformatica • Aggiornato: Febbraio 2026

In evidenza: tesi triennale

Unveiling Protein Connections through Graph Neural Networks and ProtT5 Embeddings
Pipeline leggera di link prediction per interazioni proteina–proteina che combina embedding di sequenza (ProtT5) con il contesto di grafo (STRING v12). Include un case study su NOTCH2.

Leggi la tesi (PDF) Slide (PDF)

Per dettagli su setup e metriche, la spiegazione completa è nel PDF della tesi.

Anomaly Detection & Localizzazione (UAV)

Modello sviluppato per il Sapienza Flight Team per individuare e localizzare target in immagini aeree ad alta risoluzione, usando modelli basati su reconstruction error e post-processing (mask → bounding box → crop per classificazione).

  • Focus: localizzazione robusta con assunzione “sfondo statico + oggetti rari”.
  • Lavoro: varianti AE/VAE, strategie di denoising, soglie + componenti connesse per le bbox.
  • Outcome: generazione veloce di candidati, potenzialmente più economica di un detector su tutta l’immagine.

Analisi dati — Elezioni Europee 2019

Analisi esplorativa delle elezioni europee 2019: pulizia dei dati, verifica di ipotesi e sintesi tramite visualizzazioni.

  • Lavoro: wrangling di tabelle “sporche”, controlli di consistenza, notebook riproducibili.
  • Output: grafici + conclusioni narrative basate su pattern quantitativi.

Presentazione (PDF) , è prevista una revisione/espansione del progetto in futuro.

Previsione dell’attrattore di Lorenz (LSTM multi-output)

Notebook “toy” per prevedere il sistema di Lorenz con una LSTM che predice coordinate e derivate, esplorando stabilità nei rollout e dinamiche di training.

  • Lavoro: output multi-head, idee delta/residual, sensibilità alla scala delle derivate.
  • Outcome: quali formulazioni restano stabili nella predizione multi-step.

Notebook (ipynb) • Versione renderizzata (HTML)

Generazione dataset sintetico (Blender)

Piccola pipeline per generare immagini sintetiche etichettate per la competizione SUAS-2025 a cui ha partecipato il Sapienza Flight Team, usando domain randomization per l’addestramento di YOLO.

  • Lavoro: randomizzazione della scena, variazioni di luce, esportazione delle label.
  • Perché: iterazione rapida quando i dati reali sono costosi o limitati.
Esempio render sintetico 1 Esempio render sintetico 2

Piccoli progetti Web / API

Lavori leggeri di backend/API e piccole app per trasformare funzionalità in qualcosa di usabile e testabile.

  • Lavoro: schemi API, endpoint e integrazione pulita con la logica client.
  • Stack: OpenAPI + basi SQL + HTML/CSS/JS per UI semplici.

WasaText • Mood tracker