Esplorando le intersezioni tra machine learning, intelligenza artificiale e sistemi complessi.
Sono un fisico dedicato con una laurea in Fisica e un master in Fisica dei Dati, con una forte passione per la Data Science e l'Intelligenza Artificiale. Il mio percorso accademico si è concentrato sull'utilizzo di tecniche analitiche e computazionali per affrontare sistemi complessi e sfide del mondo reale utilizzando tecnologie all'avanguardia. In precedenza, ho lavorato come Analista Quantitativo presso XSOR Capital, una boutique di investimento con sede a Londra, dove ho sviluppato modelli di machine learning per il trading e implementato strategie di trading automatizzate. Questa esperienza ha affinato le mie competenze nell'applicare approcci basati sui dati per risolvere problemi finanziari di grande impatto. Attualmente, la mia ricerca si concentra sulle Reti Neurali Spiking, esplorando architetture avanzate come le Liquid State Machines e le SNN profonde addestrate tramite STDP modulato dalla ricompensa. Il mio obiettivo è spingere i confini del calcolo ispirato biologicamente e delle sue applicazioni nei sistemi intelligenti.
Lo studio della materia, dell'energia e delle interazioni tra di esse. La fisica esplora concetti come la forza, il movimento e la natura fondamentale dell'universo. È una pietra angolare della conoscenza scientifica, fornendo intuizioni su tutto, dalle particelle subatomiche all'immensità dello spazio e del tempo.
Il deep learning è un ramo dell'intelligenza artificiale che si concentra sulla costruzione e l'addestramento di reti neurali per simulare i processi di apprendimento umano. Sfruttando grandi quantità di dati e potenza computazionale, i modelli di deep learning vengono utilizzati per risolvere compiti complessi come il riconoscimento delle immagini, l'elaborazione del linguaggio naturale e l'analisi predittiva, consentendo progressi rivoluzionari nella tecnologia e nella scienza.
L'intelligenza artificiale mira a creare sistemi in grado di svolgere compiti che normalmente richiedono intelligenza umana. Questo include la risoluzione dei problemi, la presa di decisioni, la comprensione del linguaggio e l'apprendimento. L'IA guida le innovazioni in numerosi campi, trasformando le industrie e migliorando l'interazione uomo-computer attraverso tecnologie più intelligenti e adattive.
Il trading algoritmico combina finanza e tecnologia per sviluppare sistemi automatizzati che eseguono operazioni basate su strategie predefinite. Questi sistemi analizzano i mercati finanziari, identificano opportunità e ottimizzano le prestazioni del portafoglio. Integrando algoritmi avanzati e machine learning, il trading algoritmico migliora l'efficienza, la velocità e la precisione nelle decisioni finanziarie.
La robotica coinvolge la progettazione, la costruzione e la programmazione di macchine intelligenti in grado di svolgere compiti in vari ambienti. Unisce ingegneria, informatica e intelligenza artificiale per sviluppare sistemi che assistono gli esseri umani in settori come la produzione, la sanità e l'esplorazione, spingendo i confini dell'automazione e dell'innovazione.
La data science è il processo di estrazione di intuizioni significative da dati strutturati e non strutturati attraverso l'analisi statistica, il machine learning e le tecniche di visualizzazione. Guida le decisioni e l'innovazione in vari settori, rivelando modelli, tendenze e relazioni all'interno di dataset complessi.
Ho lavorato sotto la supervisione del Prof. Michele Rossi su ricerche riguardanti le
Reti Neurali Spiking.
Contributi chiave inclusi:
Ho contribuito allo sviluppo di strategie di Machine Learning per il trading
algoritmico, concentrandomi sulla previsione delle serie temporali
finanziarie.
Risultati chiave inclusi:
Ho acquisito esperienza pratica nell'analisi quantitativa e nel trading
algoritmico.
Responsabilità chiave incluse:
🎯 Focalizzato su Sistemi Complessi, Data Science e Deep Learning.
🖼️ Esplorazione di Visione Computazionale 2D e 3D e Gestione di Big Data.
🧠 Conoscenza avanzata in Teoria dell'Informazione.
Voto: 110 e lode / 110
🎯 Specializzato in Fisica Computazionale.
⚛️ Argomenti inclusi Teoria Quantistica della Materia e Fisica Subnucleare.
📈 Calcolo Avanzato e Statistica per la Modellazione e l'Analisi dei Dati.
Voto: 106 / 110
Specializzato in Scienze Applicate, sviluppando una solida base in Fisica, Matematica e Informatica.
Voto: 100 / 100
Al di fuori dei miei impegni accademici e professionali, sono un appassionato di scacchi e mi piace dedicarmi alla strategia e alla risoluzione di problemi sulla scacchiera. Gli scacchi mi hanno insegnato la pazienza, il pensiero critico e l'importanza di pianificare in anticipo. Ho anche una profonda passione per il cinema e la letteratura, con un interesse particolare per film e libri stimolanti che abbracciano una varietà di generi. Puoi trovare alcune delle mie recensioni cinematografiche nella sezione blog di questo sito.
Nel tempo libero, mi piace esplorare temi legati alla statistica e all'analisi dei dati, spesso immergendomi in progetti collaterali per approfondire la mia comprensione dei sistemi complessi. Inoltre, provo grande piacere nell'apprendere continuamente i progressi nell'intelligenza artificiale e nella sua intersezione con la cognizione umana.
Sviluppato un modello di machine learning per rilevare attività delle onde radio da dati grezzi, concentrandosi sull'elaborazione dei segnali e sui sistemi di comunicazione. Utilizzato Python, scikit-learn e visualizzazione personalizzata dei dati per identificare schemi nei segnali radio.
Progettate e implementate architetture di reti neurali a spike per il riconoscimento di pattern temporali, sfruttando l'apprendimento reward-modulated STDP. Esplorate tecniche avanzate di addestramento utilizzando snnTorch e SpykeTorch, con esperimenti su Liquid State Machines e strati convoluzionali ricorrenti.
Creata una strategia di trading quantitativo basata sul volatility carry. Eseguito backtesting e ottimizzazione dei modelli di trading utilizzando librerie Python come pandas, NumPy e matplotlib per analizzare i dati di mercato e valutare le metriche di performance.
Sviluppato un sistema per il riconoscimento in tempo reale di comandi vocali. Integrate tecniche di elaborazione del segnale e modelli di machine learning utilizzando strumenti come Librosa e PyTorch per rilevare parole chiave specifiche nei flussi audio con alta precisione.
Creato un repository di modelli matematici e algoritmi per la finanza, inclusi la valutazione di derivati, l'ottimizzazione del portafoglio e l'analisi del rischio. Focalizzato sulla chiarezza e precisione, con implementazioni in Python.
Costruita una pipeline di dati in tempo reale e una dashboard per monitorare l'attività dei raggi cosmici utilizzando Apache Spark e Kafka. Elaborati flussi di dati ad alta frequenza e visualizzati i risultati in modo dinamico, dimostrando competenze nei sistemi distribuiti e nell'analisi in tempo reale.
Esplorazione delle Reti Neurali a Spike per il riconoscimento di pattern temporali, utilizzando architetture ispirate alla biologia e tecniche avanzate di addestramento.
Investigato il metodo dell'Information Bottleneck per analizzare i compromessi tra compressione della rappresentazione e accuratezza della previsione nei modelli di machine learning.
Sviluppati modelli e simulazioni per reti veicolari utilizzando la teoria dei giochi per ottimizzare le strategie di comunicazione e allocazione delle risorse.
Implementato CSRNet in PyTorch per il conteggio della folla, concentrandosi su dataset ad alta densità di popolazione e migliorando l'accuratezza e la scalabilità del modello.
Se desideri connetterti, discutere collaborazioni o avere domande sui miei progetti e ricerche, non esitare a contattarmi. Sono sempre aperto a opportunità interessanti e conversazioni nel campo della data science, intelligenza artificiale e fisica computazionale.
Se desideri metterti in contatto, puoi usare il modulo di contatto.