DOCENTI
Impara dai migliori
Avv. Laura Cappello, nel 2006 ha fondato lo Studio Legale Cappello, Law Firm specializzata in Legal Engineering, attività di consulenza e progettazione legale a supporto dei progetti imprenditoriali all’interno dell’economia digitale.
Con il suo Studio Legale è entrata a far parte di INATBA (International Association for Trusted Blockchain Applications), l’Associazione promossa dall’Unione Europea che riunisce le più importanti realtà del settore per promuovere lo sviluppo della Blockchain e supportare le autorità di regolamentazione nell’adozione di linee guida e di un nuovo modello globale di governance.
Si occupa dell’organizzazione didattica ed è docente per i tre Corsi di Alta Formazione: “Business & Blockchain Technology” – percorso Professional; “Smart Technologies: la Blockchain” – percorso Basic e Advanced.
È membro del Comitato Tecnico e Scientifico istituito presso il Dipartimento di Economia dell’Università degli Studi Roma Tre.
Relatrice, ospite e testimonial in convegni, workshop, maggiori eventi sull’innovazione digitale e sociale ed eventi organizzati da istituzioni pubbliche e private, imprese e università (Camera dei Deputati, Enea, Luiss, La Sapienza di Roma, Web Marketing Festival, Adl Consulting).
Marco Crotta diventa informatico a 12 anni imparando a programmare da autodidatta il suo C=64. Ricercatore presso l’Università di Milano Bicocca e Consulente informatico e sviluppatore per il mondo industriale, entra nel settore reti-telecomunicazioni e sicurezza, dove ha lavorato a progetti di sicurezza per Magistratura e Forze dell’Ordine.
Attivo da alcuni anni nel settore delle criptovalute, nel 2017 diventa divulgatore col canale youtube “Blockchain Caffè”. È Istruttore per corsi privati ed aziendali e consulente ed Advisor per startups sull’applicazione della Blockchain in diversi settori. Nel 2019 entra a far parte della Fondazione Quadrans per cui segue la parte di sviluppo smart contract e applicazioni distribuite. Diventa Innovation Manager MISE e Membro del dipartimento anti-truffa, blockchain e criptovalute di Consumerismo. Nel 2021 fonda la startup innovativa FaunaLife (https://fauna.life), un’anagrafe animale internazionale basata su blockchain che realizza l’identità digitale per i pet.
Elena Bazzani è consulente e trainer in ambito Analytics e Business Intelligence. Si laurea in Statistica con specializzazione in Analisi Multivariata. Ha ricoperto il ruolo di Analista e lavorato presso un gruppo editoriale in qualità di Responsabile delle strategie aziendali basate sull’analisi dei dati. Ha partecipato a numerosi progetti di Data Analysis per società operanti nei settori editoriale, farmaceutico, retail, manufacturing, turistico, ICT, ricerca di mercato. È Docente in corsi di formazione finanziata e Professore a contratto presso l’Università del Piemonte Orientale nel corso Elective Data Driven Decision Management.
Oscar De Felice, laureato in Fisica presso l’Università di Trieste, oggi è un Data Scientist. Ha fatto un PhD alla Sorbonne Université a Parigi durante il quale ha svolto ricerche sulle Geometrie Generalizate in Teoria delle Stringhe. Una delle attività che preferisce in assoluto è la didattica, perché ama il contatto con gli studenti. Prima del dottorato, ha completato un MSc all’Imperial College London. Il programma si chiamava Quantum Fields and Fundamental Forces.
Paolo Caressa, dopo aver conseguito la laurea e il dottorato di ricerca in matematica si è occupato per qualche anno di ricerca pura e docenza universitaria (facoltà di Ingegneria) per poi passare al mondo dell’industria, prima come consulente IT, poi come quantitative analyst nel campo della finanza e del risk management, per tornare infine al mondo IT come project manager, business analyst, consulente su metodologie, tecnologie, innovazione e formazione. Ha pubblicato due libri di storia della matematica (AlphaTest), un testo universitario di matematica (UAM) e diversi articoli scientifici, divulgativi e didattici su riviste di vario tipo. Tiene conferenze su argomenti fra matematica, IT e data science e corsi come docente a contratto presso la facoltà di Ingegneria dell’Università “La Sapienza”.
Laura Corti è una dottoranda in Scienze ed Ingegneria per l’uomo e l’ambiente presso l’Università Campus Bio-Medico di Roma. Ha ottenuto la laurea magistrale in scienze filosofiche dall’Università degli studi di Firenze nel 2018 con una tesi sulle questioni filosofiche riguardanti l’implementazione delle emozioni nei sistemi robotici. Si occupa principalmente di Filosofia della tecnologia, Epistemologia, Post-fenomenologia, Filosofia della pratica scientifica.
Il corso “Deep learning per l’analisi delle immagini mediche” è erogato da ricercatori, postdoc e dottorandi in ingegneria biomedica ed informatica con la passione per l’intelligenza artificiale.
A coordinare il corso è Sara Moccia, assistant professor e responsabile del laboratorio Artificial Intelligence for Medical Image Analysis all’Istituto di Biorobotica e Dipartimento di Eccellenza in Robotica ed Intelligenza Artificiale della Scuola Superiore Sant’Anna di Pisa.
I docenti afferiscono al laboratorio di Artificial Intelligence for Medical Image Analysis – Scuola Superiore Sant’Anna (Sara Moccia), al Vision Robotics and Artificial Intelligence lab – Università Politecnica delle Marche (Lucia Migliorelli, Maria Chiara Fiorentino, Mariachiara Di Cosmo, Giuseppe Pio Cannata), al Neuroengineering and Medical Robotics lab – Politecnico di Milano (Alessandro Casella) e all’Università di Macerata (Francesca Pia Villani).
Cristiano De Nobili da quattro anni lavora nell’avvincente mondo dell’intelligenza artificiale. Con un approccio sia tecnico che di ricerca, si occupa principalmente di Deep Learning. Ha iniziato questa avventura nell’ambito della Computer Vision (CV) tramite un progetto del CNR e un master in High-Performance Computing (MHPC, SISSA/ICTP). Da circa 2 anni è passato a lavorare sul linguaggio (NLP) oltre a dedicarsi a progetti con forte impatto sociale e ambientale. Il 2021 ha lavorato ad un grosso progetto della EU Commission sulla comprensione del cambiamento climatico attraverso il Deep Learning.
Gianni Prevedi dopo aver fondato e diretto società di consulenza, ora opera in qualità di formatore e coach nelle iniziative di “Innovazione di Valore” dei modelli di business, trasformazione digitale e organizzativa e marketing strategico.
È docente presso l’Università di Modena-Reggio Emilia (Facoltà di scienze della comunicazione economia delle reti e sulla economia di velocità presso la Facoltà di Economia Marco Biagi), oltre che presso la Scuola di management di Confindustria di Modena, Formart-Confartigianato, APIndustria di Mantova, Business School Palo Alto di Milano, Challenge Network e Deep Learning Italia Academy.
Gennaro Vessio ha conseguito il Dottorato di Ricerca in Informatica e Matematica presso il Dipartimento di Informatica dell’Università degli Studi di Bari, dove è attualmente ricercatore. I suoi principali interessi di ricerca riguardano il machine learning e il deep learning, e la loro applicazione a svariati domini, tra cui l’informatica medica e l’informatica umanistica. Gennaro è regolarmente coinvolto nelle attività didattiche del dipartimento di afferenza, e in attività di trasferimento tecnologico e divulgazione scientifica. Svolge regolarmente attività di revisione per riviste internazionali di prestigio, per conferenze internazionali in qualità di membro del comitato di programma e contribuisce all’organizzazione di eventi scientifici. Infine, è membro di società scientifiche e di centri interdipartimentali.
Marta Bertolaso Marta Bertolaso è professoressa di Filosofia della Scienza e Sviluppo Umano presso l’Università Campus Bio-Medico di Roma e professore aggiunto all’Università di Bergen (Norvegia). Il suo lavoro di docenza e di ricerca si centra attualmente sulla rilevanza del fattore umano nella scienza e in particolare nelle scienze della complessità, anche alla luce delle nuove tecnologie di I.A. Al centro dei suoi interessi attuali ci sono le patologie complesse quali il cancro, gli ecosistemi imprenditoriali e le organizzazioni aziendali, nonché i processi che consentono lo sviluppo integrato, sostenibile e adattativo delle organizzazioni e dei sistemi viventi più in generale.
Per circa dieci anni ha lavorato come sviluppatore in due società di consulenza romane. In seguito si è iscritto al corso di laurea in Fisica dell’università La Sapienza di Roma, conseguendo una laurea triennale e, successivamente, al corso di Laurea in Matematica per le Applicazioni, conseguendo una laurea magistrale col massimo dei voti. Dal 2015 si occupa di Machine Learning, Deep Learning con un focus particolare in applicazioni di Reinforcement Learning.
Maurizio Parton
Sono professore associato di matematica all’Università di Chieti-Pescara, dove insegno a Economia, nel corso di laurea in Economia e Informatica per le Imprese. Sono presidente della Federazione Italiana Gioco Go dal 2013.
Mi occupo di intelligenza artificiale dal 28 gennaio 2016, data in cui è apparso per la prima volta AlphaGo.
Da matematico ho potuto fin da subito apprezzare l’immensa potenzialità delle tecniche usate nello sviluppo di AlphaGo e ho cominciato a studiare approfonditamente reti neurali e apprendimento per rinforzo. Da allora ho tenuto corsi per matematici e molteplici conferenze divulgative. Sono profondamente convinto che l’intelligenza artificiale segnerà il nostro futuro, e per questo motivo mi dedico con passione alla disseminazione dei suoi principi fondamentali e tecniche di base.
Claudio Giorgio Giancaterino
Attuario e appassionato di data science, Claudio Giorgio Giancaterino ha sempre guardato al futuro ed è sempre stato attento all’innovazione. Tutto questo lo ha portato a lavorare con i numeri come attuario. Nel tempo libero, negli ultimi anni, si è dedicato alla scienza dei dati ed ha iniziato dalle competizioni su kaggle/hackathons per poi divulgare la scienza dei dati nelle lezioni pratiche di statistica assicurativa presso l’Università Cattolica di Milano, nello scrivere articoli e a partecipare a conferenze con seminari o discorsi.
Gianluigi Mucciolo lavora in Claranet Italia, azienda specialista nei servizi di hosting e di gestione di critical application. Ha maturato esperienza sull’utilizzo delle Metodologie Agile e DevOps ed è un AWS Authorized Instructor, un AWS Community Builder ed opera su Cloud AWS nell’ambito del Machine Learning e dei Big Data.
Giorgio Visani è esperto di Machine Learning e tecniche di spiegazione. Ha maturato anni di esperienza come Data Scientist presso Crif SpA, dove si occupa di sviluppo di tecniche di Artificial Intelligence e delle relative tecniche di spiegazione, legate all’ambito bancario. Oltre all’esperienza professionale, è attualmente Dottorando presso l’Università di Bologna, dipartimento di Ingegneria Informatica, dove si occupa principalmente dei seguenti ambiti: metodi di spiegazione per tecniche di Artificial Intelligence, studio della Causalità nelle basi di dati e metodi per imporre le strutture causali nei modelli di Machine Learning. Precedentemente si è laureato in Scienze Statistiche all’Università di Bologna ed è stato ricercatore presso lo stesso ateneo.
Fabio Valerio Massoli è ricercatore presso l’Istituto di Scienza e Tecnologie dell’Informazione del CNR. Dopo essersi occupato durante il Ph. D. in fisica delle alte energie di tecniche MonteCarlo e modellazione statistica in prestigiose università quali la Columbia University e la Chicago University, quattro anni fa ha deciso di seguire la sua grande passione per le tecnologie d’avanguardia. Diventa così ricercatore presso il CNR, dove si occupa di ricerca nel campo del Deep Learning con particolare attenzione al campo della computer vision. Collabora attivamente con diverse realtà sia accademiche che industriali lavorando in ambiti quali Face Recognition, Adversarial Attacks, ed Image Generation. Di recente ha inoltre legato la sua passione per la tecnologia e il suo background in fisica prendendo parte a progetti che prevedono l’impiego di tecnologie quantistiche nell’ambito del Machine Learning.
Grandissimo appassionato di musica, design e ottimizzazione, ho iniziato la mia carriera nel mondo dei dati piuttosto recentemente ma ho scoperto subito un mondo affasciante ed estremamente stimolante.
Ho iniziato come direttore musicale alla radio dell’Università di Padova, RadioBue.it, dove mi sono occupato della programmazione musicale e degli aspetti tecnici della messa in onda. Dopo diversi anni, ho deciso di fare un salto di carriera e sono tornato a scuola: ho fatto un master in Global Entertainment and Music Business a Berklee College of Music, dove ho studiato copyright, talent scouting, economia e altri aspetti amministrativi legati all’industria musicale.
Ho lavorato con PENTATONE, etichetta discografica olandese, come Project Manager Data and Analytics, dove mi sono occupato di organizzare la strategia dati dell’etichetta, così come processare e automatizzare diversi processi relativi al data-entry e all’organizzazione del loro database, così come della visualizzazione dei dati di vendita e di ascolto utilizzando Tableau.
Attualmente lavoro con Warner Music Group come Data Visualization & Automation Engineer, dove mi occupo di costruire o di utilizzare ETL pipelines per automatizzare i processi di acquisizione, pulizia e visualizzazione dati. Inoltre, costruisco dashboards per l’intero gruppo su Tableau Online.
Antonio Macaluso è laureato magistrale in Scienze Statistiche all’Università di Bologna. Ha conseguito un Master in Data Science presso la Bologna Business School (Università di Bologna). È esperto di Machine Learning e Quantum Computing. Ha maturato anni di esperienza come Data Scientist presso il Cineca, il più grande centro di High Performance Computing in Italia. Attualmente impiegato come Machine Learning Software Engineer presso Menarini Silicon Biosystems, si occupa di Artificial Intelligence per la detection di eventi rari in ambito medico. Inoltre, è Dottore di ricerca in Computer Science and Engineering presso il Dipartimento di Informatica-Scienza e Ingegneria dell’Università di Bologna con una tesi di dottorato dedicata allo sviluppo di algoritmi quantistici per l’intelligenza artificiale
Claudio Genovese dopo gli studi classici consegue presso l’Università degli Studi “La Sapienza” di Roma la Laurea in Giurisprudenza.
Frequenta i corsi di perfezionamento presso la Scuola Superiore della Pubblica Amministrazione ed abilitato all’insegnamento di materie giuridiche ed economiche. E’ Revisore Contabile regolarmente iscritto all’Albo del relativo Ordine.
E’ stato membro effettivo, in rappresentanza del Min. Industria, del Comitato speciale assegni familiari costituito presso l’I.N.P.S; membro del Comitato di gestione per la realizzazione della Mostra “Arte del ‘900 al Palazzo dell’Industria”; membro, in rappresentanza del Min. Industria, del Consiglio Direttivo del Consorzio interuniversitario nazionale per l’informatica; membro, in rappresentanza del Min. Industria, della Commissione consultiva della prosa presso il Min. Turismo e Spettacolo; membro del Gruppo di lavoro presso il Min. Finanze per la definizione delle modalità tecnico-operative dell’uso del codice fiscale nei rapporti tra P.A. e cittadino; membro, in rappresentanza del Min. Industria, del Gruppo di lavoro “Analisi efficacia ed economicità forniture beni e servizi dello Stato” presso il Min. Tesoro; membro della Conferenza permanente (art. 9,comma 3, DPR 20.2.1998, n. 38) costituita presso il Min. dell’Economia e delle Finanze – Dipartimento Ragioneria generale dello Stato – Ufficio Centrale Bilancio presso il Min. Sviluppo Economico – con compiti di programmazione e monitoraggio dell’attività finanziaria, valutazione tecnica dei costi e degli oneri dei provvedimenti e delle iniziative legislative.
E’ Commendatore dell’Ordine al Merito della Repubblica Italiana e Cavaliere dell’Ordine Equestre del Santo Sepolcro di Gerusalemme.
Giovanni Ziccardi (Castelfranco Emilia, 1969), laureato in Giurisprudenza presso l’Università di Modena, è professore di “Informatica Giuridica” presso l’Università di Milano e Professore Jean Monnet nel corso di “European Union Data Governance and Cybersecurity; insegna criminalità informatica al Master in diritto delle nuove tecnologie dell’Università di Bologna. Coordinatore Scientifico del Centro di Ricerca Coordinato in “Information Society Law” (ISLC), è componente del Comitato Etico e del Comitato Sicurezza dell’Ateneo milanese. Avvocato e pubblicista, è dottore di ricerca presso l’Università di Bologna.
Cecilia Trevisi, Laureata in Giurisprudenza presso l’Università Statale degli Studi di Milano, si occupa da 15 anni di diritto della proprietà industriale ed intellettuale. È partner dello Studio Comma10 di Milano ed è presente anche a Bologna come of Counsel presso lo studio Tebano Corvucci; da settembre 2020 è membro di IUSINTECH (network di consulenza professionale integrata nel settore dell’innovazione) oltre ad essere socia AIPPI (Associazione Internazionale per la Protezione della Proprietà Intellettuale). Assiste la clientela in ambito giudiziale e stragiudiziale in tutti i casi di violazione dei diritti di privativa industriale, know-how, concorrenza sleale oltre al settore pubblicitario. Esperta di regolamentazione degli strumenti di pagamento elettronici, segue le vicende collegate alla vita aziendale nei settori del diritto civile, commerciale e societario e la contrattualistica ad essi relativa.
Relatrice in convegni e autrice di articoli in materia autorale e industriale.
Dott. Ric. Luca Pedrelli ha conseguito la Laurea Magistrale in Informatica all’Università di Pisa nel 2015 e il Dottorato in Informatica all’Università di Pisa nel 2019. Attualmente sta lavorando come assegnista di ricerca al Dipartimento di Informatica dell’Università di Pisa all’interno del gruppo di ricerca Computational Intelligence & Machine Learning (CIML). Inoltre svolge attività di docenza su temi legati al deep learning all’Università di Pisa e in corsi di specializzazione post laurea. I suoi interessi si concentrano negli ambiti del machine learning, reti neurali, deep learning, reservoir computing e in particolare nello studio e nell’analisi delle reti neurali ricorrenti profonde. I suoi interessi applicativi riguardano la classificazione di sequenze (segnali, testi e immagini) e la predizione di serie temporali di vario tipo.
Daniele Riboli è Associate Technical Training Consultant presso SAS. È laureato presso l’Università Cattolica del Sacro Cuore in Scienze dell’Economia e della Gestione Aziendale. Il suo percorso in SAS inizia dalla selezione per una Masterclass, un programma specifico volto a formare giovani neolaureati, in ambito SAS Analytics. All’interno del Team Education, è specializzato in corsi SAS Analytics, BI e Data Mining-Machine Learning, rivolti sia a clienti e partner SAS che agli studenti universitari.
Rosaria Silipo è laureata in ingegneria elettronica all’Università di Firenze (1992) con un dottorato in ingegneria biomedica (1996), ha lavorato nell’analisi dei dati per la maggior parte della sua carriera professionale (Nuance Communications, Viseca, Siemens, e adesso KNIME), occupandosi di machine learning, reti neurali, deep learning, reportistica e intelligenza artificiale nel campo di medicina, cybersecurity, banca e finanza, IoT, customer intelligence, analisi dei social media.
Calogero Zarbo, come appassionato di tecnologie all’avanguardia, ha lavorato al Quantum Computing, portando questo argomento all’attenzione degli Stati Uniti e della FDA presso NCTR Lab. Come hobby personale, lavora su una serie di applicazioni di deep learning utilizzando anche tecnologie blockchain come BigChainDB. Al momento, lavora in Docebo JSC e ha co-fondato la società Algoritmica.ai, il cui prodotto si basa sull’analisi predittiva del rischio dei portafogli di prestiti utilizzando il Deep Learning applicato al più grande database europeo.
Alan Perotti studia Informatica a Torino. Nel 2015 consegue il dottorato in Intelligenza Artificiale, sotto la supervisione della City University di Londra, con una tesi a titolo ‘Neural-Symbolic Rule-Based Monitoring’. Lavora come ricercatore, applied data scientist e docente. L’attività di ricerca si focalizza sul tema dell’eXplainable Artificial Intelligence (XAI), con l’obiettivo di spiegare in termini comprensibili all’uomo i processi decisionali che emergono da reti neurali addestrate. L’attività di data scientist si svolge principalmente in ambito finance, healthcare, energy e mobilità, con un grosso focus sulla prototipazione in Python di modelli di machine learning. Infine, l’attività di docente riguarda programmazione ed algoritmi, machine learning, reti neurali per visione artificiale, explainability.
Vittorio Giatti è Product Data Analyst e Solution Engineering Coordinator presso iGenius (https://it.igenius.ai), una delle primissime aziende di Artificial Intelligence in Italia, eletta come Cool Vendor of the Year 2021 da Gartner e che mira con Crystal, il suo SAAS di Augmented Analytics, a rendere accessibile a chiunque l’analisi e la consultazione del dato a livello aziendale. Attualmente si occupa di configurare il software presso i clienti nel modo più efficace ed efficiente possibile, i monitorare le performance delle sue componenti, inoltre partecipa a definire le nuove funzionalità del prodotto.
Appassionato di dati, e della connessione tra il mondo algoritmico della data science, e la parte più soft della visualizzazione e del racconto, che negli anni si son fatti sempre meno distanti. Ha avuto modo di toccare con mano e di confrontarsi con la complessità del dato in realtà come Prysmian, Nexi, Generali, Allianz, Volkswagen Group, Fideuram, Mediaset, Enel, e altri, in progettualità che spaziano tra analytics, business intelligence, e data management.
Ha conseguito la laurea triennale al Politecnico di Milano, e una laurea magistrale in Science Statistiche per la Tecnologia e la Data Science presso l’università degli Studi di Padova. Ha partecipato a contest accademici di Data Science come il “Business Game for Data Scientist” e “Stats Under The Stars V” nel 2019, il più importante in Italia in quel momento, con più di 250 partecipanti, organizzato dall’Università Bocconi, dove ha vinto il premio per il miglior modello di previsione con il suo team di colleghi universitari.
Giuseppe Bonocore è un Solution Engineer appassionato di tecnologia, sviluppo software e digitale in genere. Durante la sua carriera si è occupato di disegnare ed implementare le architetture software in diversi contesti italiani e internazionali, cercando di conciliare le esigenze dei clienti con le soluzioni tecnologiche più innovative. Appassionato di Open Source e di programmazione, ha avuto modo di seguire da vicino importanti progetti in ambito Cloud, Microservizi e DevOps, su vari mercati.
Nel 2022 ha pubblicato il suo primo libro “Hands-On Software Architecture with Java”, che riassume diverse delle sue esperienze ed ha ricevuto un’accoglienza molto positiva.
Ciao sono Daniele Moltisanti, sono un Data Scientist Manager presso Sky Italia, ma anche il Founder di stAI tuned, un progetto di divulgazione per tematiche di AI applicata alla vita di tutti i giorni. A settembre del 2022 sono stato eletto tra i 111 top talenti italiani under 35 da Nova Talent, in un contest in collaborazione con l’università Bocconi di Milano e con una giuria a supporto. Sono stato eletto tra le migliori 10 figure professionali italiane nell’ambito di Entertainment, Media & Communication. Ho un background ingegneristico, nel dettaglio provengo da studi di ingegneria informatica presso il Politecnico di Milano, conclusi nel 2020. Sono un appassionato di intelligenza artificiale e delle sue applicazioni pratiche principalmente. Il mio obiettivo personale è quello di mostrare le potenzialità dell’intelligenza artificiale nella vita di tutti i giorni.
Francesco Gozzi ha iniziato la sua attività informatica come Tecnico dell’area Software Architettonica, inizialmente come software developer in ambito ingegneristico. Dagli anni 90 svolge attività di formatore presso istituti di formazione locali e in seguito anche in istituti tecnici. A partire dalla metà degli anni 2000 ha iniziato attività di data analisys in ambito ingegneristico in particolare nella analisi e validazione dei dati mareografici del nord Adriatico. Negli anni 2010 e anche attualmente si occupa di software development in collaborazione con aziende che operano nel campo del Field Service Management. È consulente/formatore di data analisys in Power BI in particolare con aziende PMI e istituti di formazione del Friuli-Venezia Giulia. Dal 2018 è Microsoft Certified in data analisys con Power BI.
Francesco Lescai è Professore Associato di Bioinformatica, ed è responsabile del Laboratorio di Genomica Computazionale al Dipartimento di Biologia e Biotecnologie dell’Università di Pavia. Ha una Laurea in Biotecnologie Mediche e un Dottorato in Patologia Sperimentale. Ha sviluppato un expertise in Bioinformatica, Genomica e Statistica Genetica.
Francesco ha lavorato presso lo University College di Londra, dove ha sviluppato alcune fra le prime pipeline di analisi dati per la UCL Genomics, ed ha successivamente guidato la bioinformatica al Centro di Genomica Translazionale, una partnership tra lo UCL Institute of Child Health e il Great Ormond Street Hospital, il più grande ospedale pediatrico d’Europa.
È stato chiamato successivamente ad Aarhus come Professore Associato in Genomica e Bioinformatica, dove ha guidato le analisi sulla malattia Bipolare e la Schizofrenia nel consorzio iPSYCH. Ha lavorato per QIAGEN Bioinformatics, come membro del Global Product Management Team del portfolio di CLC. Prima di spostarsi a Pavia, è stato Direttore della Bioinformatica per MHRA, l’Agenzia del Farmaco Inglese, presso il National Centre for Biological Standards and Control a Londra.
Federico Francone lavora come Data Scientist nel Research and Applied Science Team di Amazon.
Ha conseguito una laurea in Ingegneria Gestionale presso Sapienza Università di Roma, durante la quale ha acquisito conoscenze fondamentali in diverse tematiche tra cui Ricerca Operativa, Programmazione, Serie Storiche e Basi di Dati.
Si è avvicinato al mondo del Machine Learning durante la laurea Magistrale, vedendo in questo il punto di connessione tra tutti gli ambiti tecnici di cui sopra. Ha presentato il suo progetto di tesi nel 2018 in una conferenza di Big Data e ML applicati alla medicina di precisione, alla quale hanno partecipato l’Università di Harvard e Sapienza. Il lavoro è stato poi pubblicato, nel 2021, sulla rivista peer-reviewed Genes – MDPI (https://www.mdpi.com/2073-4425/12/11/1713/htm).
Scoperta questa passione, ha conseguito un Master di II livello in Data Science presso l’Università di Tor Vergata, dopo il quale ha lavorato come Data Scientist per importanti aziende come Enel e McKinsey & Company.
Da Giugno 2021 è docente di due corsi – Programmazione in Python e Machine Learning – nel Master in Data Science (CESMA) all’Università di Tor Vergata.
Python
Dove lavorano i nostri docenti
