Istruzione
Universit`a degli Studi di Firenze Nov. 2019 – In corso (Ultimo anno Magistrale)
Laurea Magistrale in Ingegneria Informatica Firenze, Italia
Universit`a degli Studi di Firenze Set. 2016 – Nov. 2019
Laurea Triennale in Ingegneria Informatica Firenze, Italia
ITIS – informatico Set. 2011 – Lug. 2016
Diploma Perito Informatico Brescia, Italia

Corsi frequentati 
• Data Security
• Data and Document Mining
• Computer Graphics and 3D
• Advanced Algorithms and Graph Mining
• Human Computer Interaction
• Software Engineering
• Algorithms and Data Structures
• Progettazione e Produzione Multimediale

Esperienze lavorative
Comune di Trenzano (BS) Lug. 2015 – Ago. 2015
Stage Trenzano (BS)
• Gestione professionale delle varie attivit`a richieste con un approccio metodico e preciso.
• Gestione telematica dei documenti e dati.

Fastweb Lug. 2014 – Set. 2014
Operatore sociale di call center Brescia (BS)
• Esperienza nell’Implementazione di strategie di marketing e comunicazione, con conseguente incremento della base clienti.

Progetti rilevanti
¥ Protein subcellular localization | NLP, ELMo, LSTM Attention Mag. 2021
• Il progetto si basa sulla localizzazione delle posizioni delle proteine all’interno delle strutture cellulari. Si tratta di un problema di classificazione in cui vengono utilizzate una combinazioni di diverse reti neurali come FFN, CNN e le LSTM
con meccanismi di attenzione. Quest’ultime vengono utilizzate per problemi ordinali o temporali quando i dati sono
sequenziali. Le informazioni degli ingressi precedenti (memoria) vengono utilizzate per influenzare l’ingresso e l’uscita correnti.
• La classificazione delle proteine `e basata sui segnali prodotti dagli aminoacidi di cui `e composta la proteina stessa. In particolare, gli aminoacidi che influenzano maggiormente sono i primi N-termini e gli ultmini C-termini della sequenza.
• Il problema della subcellular localization `e stato affrontato anche come un problema di NLP dove la sequenza di
aminoacidi pu`o essere considerata come una ”frase”. A partire da questa sequenza vengono prodotti degli n-grammi che
rappresentano le ”parole”. Su questi n-grammi `e stato effettuato un embedding attraverso ELMo. Infine, questi embeddings sono stati utilizzati per affrontare il problema iniziale come un problema di sentiment analysis.

¥ Blue Blueberries – a cookbook application | Ionic framework con Angular, Cordova, Google Firebase Mar. 2021
• Blue Blueberries `e un’app Andorid di ricette di cucina realizzata con framework Ionic e Apache Cordova, che offre
all’utente anche la possibilit`a di interagire tramite un assistente vocale in-app.
• L’utente ha a disposizione una serie di ricette ospitate su un database di Google Firebase raggruppate in base a delle
collezioni predefinite. Tuttavia `e anche possibile personalizzare le collezioni attraverso la creazione di collezioni private
archiviate localmente sullo smartphone e alle quali si possono aggiungere le proprie ricette.
• C’`e anche una funzione che permette una ricerca avanzata per trovare le ricette attraverso l’impostazione di diversi filtri
messi a disposizione.
• Una funzione per gestire la propria lista della spesa.
• L’utente pu`o anche esprimere le proprie preferenze alimentari che verranno prese in considerazione durante la
visualizzazione dei risultati di una query.

Cindy’s Bad Luck – a Basic Life Support simulator VR | Unity, C# Gen. 2021
• Cindy’s Bad Luck – a Basic Life Support simulator `e un gioco VR sviluppato utilizzando Unity per Oculus Quest 2.
• Ha lo scopo di insegnare, in modo divertente, i principi base del primo soccorso attraverso un sistema multi-livello.
All’interno del gioco vi `e un tutorial che spiega le principali interazioni e le dinamiche del gioco.
• I comportamenti corretti vengono insegnati attraverso sezioni teoriche che forniscono un’introduzione al contesto di ogni
livello (ustioni, incidenti stradali, …). Il giocatore viene quindi guidato all’esecuzione delle azioni da compiere per mezzo
di un sistema di feedback per azioni corrette o non corrette nonch´e per azioni eseguite nel giusto ordine o meno.

¥ COVID-19-analysis | Python, NetworkX, Jupyter Notebook, Pandas, Numpy Giu. 2020
• Lo scopo di questo progetto `e quello di ricavare informazioni utili a partire dai due dataset forniti dall’organizzazione
Protezione Civile Italiana.
• Per utilizzare al meglio i dati `e stato necessario integrare questi due dataset con altri geodata.
• Viene utilizzata la libreria NetworkX per costruire un grafo delle province italiane, dai dati forniti riguardo al
coronavirus. Una volta prodotto il grafo, vengono eseguiti alcuni calcoli utilizzando l’algoritmo di Bellman Ford.
• Viene inoltre realizzata un’implementazione dell’algoritmo di Betweenness Centrality per ricavare eventuali informazioni
aggiuntive a partire dai dati forniti.

Progetti – Altri
¥ Virtual Training Coach with MeTRAbs | MeTRAbs Lug. 2021
• Il problema del riconoscimento delle azioni dalle immagini `e uno degli obiettivi principali della computer vision. Tuttavia,
diverse ambiguit`a geometriche rendono difficile questo obiettivo.
• L’obbiettivo di questo progetto `e stato confrontare l’esecuzione di esercizi effettuati da parte degli utenti con con quelli
eseguiti da parte di un trainer al fine di stabilire se l’esercizio eseguito dall’utente sia stato fatto correttamente o meno.
Per fare ci`o sono state richieste diverse operazioni per normalizzare e confrontare scheletri 3D.
• Per affrontare questa sfida `e stato inoltre utilizzata la libreria MeTRAbs per estrarre pose 3D da immagini
bidimensionali. Come lavoro aggiuntivo `e stato utilizzato un autoencoder per confrontare le prestazioni dell’algoritmo
con pose 3D in uno spazio latente.
¥ Programmazione Python di un dispositivo LEGO MINDSTORMS EV3 | Python Feb. 2020
• Un progetto che realizza un sistema di controllo remoto atto a guidare a distanza un dispositivo di tipo IoT Linux-based
attraverso un gamepad.
• L’implementazione `e stata fatta su di un robot LEGO MINDSTORMS EV3, ma per la sua natura modulare ed il codice
ben strutturato pu`o essere facilmente riadattata ad un qualunque dispositivo IoT basato su Linux ed in grado di
collegarsi in modo wireless ad una rete locale, anche – e soprattutto – a bassa potenza di calcolo.
Identification of line graphs | Python, CNN, Faster RCNN Dic. 2019
• Un progetto in Python che permette di riconoscere e ricavare la posizione dei plot – nello specifico i ”line plot” – presenti
all’interno di un documento scientifico, facendo attenzione ad escludere tutte le altre tipologie di plot (istogramma,
grafico a torta, grafico a dispersione, ecc.) .
• Allo scopo sono state utilizzate reti neurali, nello specifico: una Rete Neurale Convoluzionale per effettuare un data
augmentation a partire da un primo dataset. Il risultato di questo data augmentation `e stato unito ad un secondo
dataset e fornito in ingresso a una Faster RCNN per ottenere le coordinate dei plot.

Tesi Triennale – Face recognition from depth images using CNN | Python, CNN, Pytorch Lug. 2019
• Sono state utilizzate tecniche di Machine Learning e Image Retrieval per migliorare i risultati del riconoscimento
biometrico, nel caso specifico, del riconoscimento facciale che `e stato elaborato partendo da immagini Depth ottenute
grazie a uno scanner 3D.
• Allo scopo di migliorere i risultati, a differenza dello stato dell’arte, si `e integrato alla sola Depth l’informazione
aggiuntiva riguardo all’evaluation e la curvuture presenti sul volto di una persona. Queste feature sono state combinate
insieme attraverso una late fusion con pesi opportuni.
SmartBin | Arduino, Django, ESP8266, Chart.js Lug. 2019
• In questo progetto si `e sviluppato un cestino smart ingrado di riconoscere vari materiali (plastica, vetro, metallo) e
permettere di conseguenza una facile raccolta differenziata.
• Allo scopo si `e utilizzato il modulo ESP8266/Arduino che permetteva di raccogliere i dati inerenti alla raccolta
differenziata e inviarli istantaneamente – attraverso il WIFI – a un database locale.
• All’interno di questo database (Django) vengono raccolti i dati per poi successivamente essere elaborati. Le informazioni
ricavate vengono visualizzate su di un sito web locale, anche attraverso grafici grazie alla libreria chart.js.

Competenze tecniche
Linguaggi: Python, Java, C, HTML/CSS, TypeScript, C#, LaTex, Arduino
Developer Tools: Eclipse, Clion, Pycharm, WebStorm, VS Code, Unity, Shell, Arduino IDE
Tecnologie/Frameworks: Linux, Ionic, Angular, Cordova, Bootstrap, Django, GitHub, Jupyter Notebook, Pytorch,
Django, Chart.js, NetworkX, Pandas, Numpy, Google Firebase