Ho ricevuto la laurea triennale in Ingegneria Informatica nel 2016, e la laurea magistrale in Ingegneria Informatica con lode nel 2019.
Da Novembre 2019 a Ottobre 2020, sono stato assegnista di ricerca finanziato dal progetto "Advancements in Empirical Model Learning with Application on Transprecision Computing". Durante questo periodo, ho sviluppato metodi per iniettare conoscenza in modelli di Deep Learning per la risoluzione di Problemi di Soddisfacimento di Vincoli.
Da Novembre 2020, sono uno studente di dottorato in Computer Science and Engineering. La mia ricerca si focalizza sull'integrazione di conoscenza esterna e nota a priori in algoritmi di Machine Learning (le macchine posso essere molto più intelligenti se gli insegniamo quello che già sappiamo!).
Come studente di dottorato, sono attualmente coinvolto nel progetto KINeMA (Knowledge Integration in Neural networks for e-Maintenance) del centro di competenza BI-REX. Questo progetto mi sta permettendo di applicare i risultati della mia ricerca a problemi reali di Manutenzione Predittiva e di collaborare con partner industriali.
Sono anche fortemente interessato all'intersezione tra approcci di Machine Learning e ottimizzazione. Durante la mia tesi magistrale, ho applicato algoritmi di Deep Reinforcement Learning per la risoluzione del problema dell'allocazione di prodotti in un magazzino (un problema di ottimizzazione combinatoria NP-hard). Attualmente sto lavorando ad approcci che permettano una maggiore integrazione tra Deep Reinforcement Learning e ottimizzazione combinatoria. Credo che sfruttare i vantaggi offerti da entrambi i mondi sia la giusta strada da seguire per continuare a migliorare quest'area di ricerca.
