Lavoro su applicazioni AI e data-driven con un focus pratico: predictive modeling, data analysis, LLM e sistemi che portano il modello dentro un prodotto utile. Mi occupo di sviluppo, integrazione tecnica e delivery.
Ruolo attuale
Profilo sintetico, formazione e direzione tecnica
Sono un AI Engineer in NTTDATA Italia, con una laurea magistrale in Informatica alla Sapienza di Roma e una specializzazione in Machine Learning e Deep Learning.
Mi piace applicare AI e data science a problemi reali, con particolare interesse per predictive modeling, data analysis e l’uso dei Large Language Models. Lavoro bene quando devo collegare ricerca, sviluppo e prodotto.
Ho esperienza diretta su progetti di AI, deep learning e software development. Mi interessa scrivere soluzioni semplici da leggere, robuste da mantenere e abbastanza flessibili da crescere con il contesto.
Puoi trovare gli altri miei lavori su GitHub e nella mia pagina Linktree.
Ruoli e progetti che raccontano il mio lavoro meglio di una lista generica
Raggruppati per come li uso davvero: linguaggi, frontend, backend, data science e strumenti
Mi muovo tra Python, C#, Java e JavaScript, con esperienza anche su TypeScript, Solidity e LaTeX quando il progetto richiede un cambio rapido di contesto.
Clicca per tornareLavoro su interfacce web e mobile con HTML, CSS, SCSS, React, React Native e Unity quando l’esperienza richiede un livello interattivo più ricco.
Clicca per tornareCostruisco servizi backend, API e persistenza dati con FastAPI, Node.js e database relazionali, usando Docker e HardHat quando lo stack lo richiede.
Clicca per tornareUso PyTorch, PySpark, Scikit-Learn, Pandas e librerie di visualizzazione per costruire, analizzare e spiegare modelli e dataset in modo pratico.
Clicca per tornareStrumenti che uso per version control, test di API, containerizzazione, handoff di design e documentazione, mantenendo fluido il lavoro di delivery.
Clicca per tornarePercorso accademico e credenziali coerenti con il focus AI
Percorso con focus su Machine Learning, Deep Learning, Big Data e Computer Vision.
Tesi: studio su LLM, analisi dei dati e strategie di trading Bitcoin con dataset social e sentiment analysis.Basi solide di algoritmi, reti, sistemi, ingegneria del software e sviluppo applicativo.
Tesi: GeneroCity - applicazione per facilitare la ricerca e la gestione dei parcheggi urbani.Certificazione cloud AI
Certifica le competenze di progettazione e integrazione di soluzioni AI nell’ecosistema Microsoft Azure.
Certificazione linguistica B2
Certificazione Cambridge English di livello B2 che attesta competenze di lettura, scrittura, ascolto e conversazione.
Tutti i progetti principali: applicazioni personali, lavori universitari e prodotti sviluppati in team
Applicazione offline cross-platform per trascrivere audio e video con OpenAI Whisper e analizzare l’output con LLM come Gemini o modelli locali via Ollama.
Applicazione Android moderna per semplificare la scansione, l’elaborazione e la condivisione di documenti tramite Google Play Services ML Kit.
Applicazione Android orientata alla privacy per la trascrizione audio e la rifinitura del testo, con AI on-device e modelli cloud.
Studio sull’uso di LLM per assistere trader Bitcoin tramite analisi del sentiment da news, social media e dati testuali.
Implementazione di modelli deep learning per analisi multimodale del sentiment pubblicitario tramite voce, espressioni facciali e remote photoplethysmography.
Modelli di deep learning per la classificazione di lesioni cutanee tramite CNN, Vision Transformers e StyleGAN.
DApp su blockchain che permette ai clienti di verificare l’autenticità dei prodotti acquistati.
Modelli di machine learning per prevedere il prezzo di Bitcoin tramite feature di mercato e dati blockchain.
Clone di TheFork con architettura a microservizi, servizi backend indipendenti e ricerca vettoriale.
Add-on di Voicefork che implementa una skill Alexa per prenotare al ristorante con la voce.
Web app per l’accesso biometrico alla mensa universitaria tramite riconoscimento facciale.
Protocollo di routing per reti wireless ad-hoc UAV sviluppato tramite Q-learning.
Modello di machine learning per stimare il rischio di ictus, sviluppato per il corso Fundamentals of Data Science.
App Android per trovare parcheggio. Sviluppo del frontend per la home screen, la lista dei parcheggi e i flussi di sosta.
Se vuoi parlarmi di AI applicata, data science, LLM o di una collaborazione, puoi contattarmi tramite email, telefono o LinkedIn.