Oltion Preka

Oltion Preka, Ph.D.
Alma Mater Studiorum – Università di Bologna Dipartimento di Scienze Politiche e Sociali,
Strada Maggiore 45, 40125 – Bologna
oltion.preka@unibo.it

Istruzione
2014 – Ph.D. in Economia e Statistica Agro-alimentare, Facoltà di Statistica, Alma Mater Università di Bologna
Tesi finale: “L’impatto dei programmi di finanziario del settore agricolo in Albania: un approccio controfattuale".

2008 – Laurea Specialistica in Economia e Diritto (summa cum laude), Facoltà di Economia, Alma Mater Università di Bologna

2006 – Laurea Triennale in Economia e Diritto, Facoltà di Economia, Alma Mater Università di Bologna

Corsi rilevanti nell’ambito di Large Language Models (LLMs)

2021 (Sett.-Dic.) – “Practical Deep Learning for Coders” (Part I), University of Queensland, Australia (una collaborazione con Fast.ai)
2022 (Magg.- Ago.) – “Practical Deep Learning for Coders” (Part II), University of Queensland, Australia (una collaborazione con Fast.ai)

Altri corsi brevi
2019 (Sett.) - Third International School on Open Science Cloud – SOSC 2019, organizzato da Instituto di Fisica Nucleare, Universita di Perugia, e Universita di Bologna, Bologna. https://agenda.infn.it/evet/19049

Esperienze Lavorative Pertinenti
2020-21/2023 – Data Scientist (Consulente), Nucleo di Monitoraggio e Valutazione, Servizio Coordinamento delle politiche europee, programmazione, cooperazione e valutazione Regione Emilia-Romagna, Bologna

Costruzione sistemi di monitoraggio dati dei (1) Fondi Europei per politica di Coesione 2014-2020 e (2) PNRR – Next Generation EU, con l’obiettivo di assistere i decisori pubblici ad assumere decisioni basate sui dati in tempo reale (data-driven decision making).

Identificazione fonti di dati interni e/o da database open source; costruzione dei modelli relazionali dati; trasformazione, elaborazione e armonizzazione dati; alimentazione continuo del database; costruzione di cruscotti di visualizzazione dati per una rapida comprensione della situazione complessiva e dettagliata;

Utilizzato una serie di strumenti tecnici, incluso PowerBI, Python, Tableau

Utilizzato vari framework di Machine Learning & Deep Learning, tra cui PyTorch

2020;2022 – Assegnista di Ricerca e Consulente Statistico (progetto di ricerca Jedi-Euiburs), Dipartimento di Scienze Politiche e Sociali, Alma Mater Studiorum, Università di Bologna

• In assenza di dati primari dell’industria della difesa Europea, adottato metodi innovatici di acquisizione dati basati sulla tecniche di web scraping e Natural Language Models (NLP).
• Approfondito la letteratura sugli aspetti fondamentali dell’innovazione nel settore della difesa a livello Europeo.
• Provato di scoprire delle relazioni di causalità tra l’innovazione nel settore militare e quello civile in Europa, attraverso l’analisi del testo dei brevetti depositati nei uffici competenti.
• Effettuato analisi dati quali-quantitative.
• Applicato vari algoritmi, incluso cluster analysis, basate su Machine Learning.
• Analizzato le caratteristiche principali dai cluster dell’industria della difesa, emersi a livello Europeo.
• Visualizzazione interattiva dei cluster di cui sopra, costruite con il pacchetto Folium in Python.

2020 (Mar.-Giu.) – Consulente Statistico (progetto di ricerca AlmaIdea2017) Dipartimento di Scienze Politiche e Sociali, Alma Mater Università di Bologna.

• Identificazione fonte dati, e raccolta di milioni di osservazioni sui flussi commerciali tra i paesi del medio oriente a nord-africani (MENA), sia tra di loro, sia con i paesi piu industrializzati; dati sullo sviluppo economico; dati sulle relazioni politiche internazionali
• Trasformazione, elaborazione e armonizzazione dati.
• Sperimentato con alcune analisi statistiche dati, nonche analisi basate su algoritmi di Machine Learning, specie per la verificare la formazione dei cluster.
• Analisi di variazione delle relazioni dei flussi prima e dopo le primavere arabe. Non sono stati evidenziati cluster e variazioni chiare e significative.

2017, 2018 – Analista Statistico (consulente), Food and Agricultural Organization of the United Nations (FAO), Roma.

• Indagare come il fenomeno della migrazione impatta sulle condizione economiche a livello micro-economico nei paesi dell’asia centrale, applicando sia modelli statistici sia tecniche di Machine Learning.
• Raccolta, elaborazione, armonizzazione (tra le varie fonti) di dati sul reddito delle famiglie.
• Analisi statistica dati e costruzione di modelli statistici al fine di valutare l’impatto della migrazione sul reddito delle famiglie.
• Stesura report finale pubblicato sulla web-page ufficiale della FAO.

2015-2016 – Statistical Researcher (Research Fellowship), School of Agriculture and Food Science, University College Dublin (UCD), Dublin, Ireland

• Esplorato il nesso di causalita tra innovazione e competitivita del settore agricolo Irlandese, con l’obiettivo di valutare la performance del sistema innovativo Irlandese a livello Europeo.
• Approfondito l’evoluzione del concetto di innovazione nel tempo e le condizioni (drivers) che la favoriscono.
• Sviluppato indicatori in grado di catturare i vari aspetti del concetto di innovazione.
• Applicato modelli statistici econometrici e modelli non-parametrici al fine di stabilire la relazione esistente tra innovazione e competitivita , utilizzando prevalentemente il software statistico STATA.

2013-2014 – Docente, Facoltà di Economia & Agrobusiness, Università Agricola di Tirana (Albania)

Altri Incarichi di Ricerca
2021-p. – Membro del Centro di Computational Social Science (SCCS), Dipartimento di Scienze Politiche e Sociali, Alma Mater Studiorum - Universita di Bologna. Computational Social Science Center - (CSSC) (unibo.it)

Altri Incarichi di Insegnamento
2022 – Speaker al SICSS - Bologna, affiliata alla rete di “The Summer Institutes in Computational Social Science (SICSS)”, promossa da Princeton University.

Relatore di Tesi, Supervisione di Tesi Post-Doc
2020 – Relatore tesi Master al Dipartimento di Scienze Politiche e Sociali (Universita di Bologna), di Giovanni Zabban (summa cum laude).

Attività di Insegnamento

Programma di Dottorato
Dipartimento di Scienze Politiche e Sociali, Università di Bologna [in lingua inglese]: - Big Data 2021-2022 (con Prof.ssa Chiara Binelli)

Laurea SpecialisticaDipartimento di Scienze Politiche e Sociali, Università di Bologna

Docente a contratto

(i) Big data for the social sciences 8 CFU [in lingua inglese]:

• 2018/2019 (Modulo 1);
• 2019/2020;
• 2020/2021 (Modulo 2)

(ii) Laboratorio di data journalism 4 CFU [in italiano]:

• 2021/2022;
• 2022-2023;
• 2023-2024

Laurea Triennale

Facoltà di Economia e Agrobusiness, Università Agricola di Tirana, Tirana (Albania)
Lettore di I Livello

1. Introduzione alla Statistica - 8 CFU 

• 2013 – 2014

Atre attività didattiche

Teaching Assistant Undergraduate degree - “Introductory to Econometrics”, 2015, Agriculture and Food Centre, University College Dublin (UCD), Ireland.

-“Innovation for Food Business”, 2016, Michael Smurfit Graduate Business School, University College Dublin (UCD), Ireland.

Altri Prodotti di Machine Learning & Deep Learning

2022 – “Wine Similarity”, accessibile al https://www.winesimilarity.com/

Sviluppato un algoritmo che sfrutta le tecniche di Large Language Models, basate su Deep Learning, per analizzare più di 10 mila recensioni su etichette di vini da tutto il mondo con l’obiettivo di trovare quelli più simili tra di loro.

Costruito un’applicazione web in tutte le sue fasi:

- online data scraping
- costruzione e interazione con il database
- back-end
- front-end
- implementazione web

2020 – Proof of concept di uno strumento di analisi quantitativa delle recensioni del settore alberghiero nella città di Verona

• Sfruttando il c.d. web scraping, effettuato la mappatura del settore di ospitalita , includendo AirBnB, B&B, e alberghi; condotte analisi comparative tra AirBnB e alberghi evidenziandone gli aspetti di competitivita tra queste due categorie.
• Analizzato le recensione degli alberghi utilizzando le tecniche di Natural Language Processing (NLP) e Deep Learning al fine di creare una mappa virtuale in uno spazio multi-dimensionale (400 dimensioni) di vicinanza semantica delle parole utilizzate per descrivere le caratteristiche degli alberghi.
• Utilizzato il framework di Deep Learning chiamato FastAi.

Pubblicazioni Scientifiche Rilevanti

Giacomello, Giampiero, Preka, Oltion, Sources of Strength: mapping the defence sector in Europe , «DEFENCE STUDIES», 2023, 23 (4), pp. 531 – 560 Open Access.

Giacomello, Giampiero, Preka, Oltion, Targeting Reputation: A New Vector for Attacks to Critical Infrastructures, «COMPUTER AND INFORMATION SCIENCE», 2021, 14, pp. 63 - 77 Open Access.