Curriculum vitæ de Dario Malchiodi – complet

Ce CV contient la liste de toutes les activités que j'ai réalisé au cours de ma carrière universitaire, et avec toute probabilité vous préférez lire sa version compacte ou courte.

Informations personnelles

Dario Malchiodi
Dipartimento di Informatica – Università degli Studi di Milano
Bureau 5015 – Via Celoria 18 – 20133 Milano ITALY
Mail: prenom . nom arobase unimi . it
Web: http://malchiodi.di.unimi.it
téléphone: +39 02 503 16338 – skype: dariomalchiodi

Résaux sociaux:: dariomalchiodi – @dariomalchiodi – Dario Malchiodi – 0000-0002-7574-697X – Scopus ID: 6507119064 – Dario_Malchiodi – @dariomalchiodi

Clé PGP: 470D 8811 C4B3 787A (keybase)

Position actuelle

Depuis 2011 je suis Professeur associé au Département d'Informatique de l'Université de Milan.

Positions Précédentes

2002 > 2011: Maître de conférences au Département d'Informatique de l'Université de Milan.
2001 > 2002: Chargé de recherche au Département d'Informatique de l'Université de Milan, dans le Laboratoire Réseaux des Neurones.
2000 > 2001: Développeur de logiciels pour Inferentia-DNM, avec le tâche de projeter des architectures statistiques et neuronales pour problèmes financiers.
1997 > 2000: Analyste statistique pour The Continiuity Company S.r.l., dans un projet sur modèles de regression élastique pour données financiers.
1996 > 1997: Développeur de logiciels pour Olivetti S.p.A..

Éducation

2000: Doctorat en Mathématique computationelle et Recherche Opérationelle, Université de Milan.
1996: Maîtrise (cum laude) en Informatique, Université de Milan.
1994: Spécialisation en Administration laboratoire Unix, Regione Lombardia.
1994: Spécialisation en programmation multimédiale avec Motif et C, Regione Lombardia.

Activités de recherche

Induction d'ensembles flous

Un algorithme pour l'apprentissage d'ensembles flous à partir de données étiquétées avec leur degrés d'appartenance a été proposé dans [Malchiodi et Pedrycz, 2013; Malchiodi, 2019a] . Cet algorithme a été appliqué à la fouille d'axiomes au sein du Web sémantique [Malchiodi et Tettamanzi, 2018] et à la sélection d'exemples negatifs dans le domaine bioinformatique [Frasca et Malchiodi, 2017; Frasca et Malchiodi, 2016] . Cette technique a été adaptée à l'apprentissage simultané de plusieurs ensembles flous [Cermenati et al., 2020] et à l'induction de shadowed sets [Malchiodi et Zanaboni, 2019] .

Compression de modèles d'apprentissage automatique

La connaissance induite en utilisant techniques d'apprentissage automatique est souvent encodée et stockée de façon distribuée dans des modèles qui ont été appris à partir des données. Ça peut rendre difficile une intérpretation qualitative des resultats qui ont été obtenues, et poser un potentiel problème de capacité de stockage et d'ampleur de bande quand les ressources sont limitées. Une solution possible à ces problèmes consiste en reduire l'espace nécéssaire pour stocker les modèles après qu'ils ont étés appris. Au sein du projet Multicriteria Data Structures and Algorithms: from compressed to learned indexes, and beyond, financé du Ministère Italien de l'Éducation et de la Recherche dans le cadre du programme PRIN, des indexes de compréssion pour réseaux de neurones profondes sont actuellement étudiés [Marinò et al., 2021] . Leurs implementation est décrite dans [Marinò et al., 2021] .

Fouille de bases de connaissances pour le Web sémantique

La recherche d'axiomes potentiels dans un ensemble de fomules est un problème particulièrement lourd. La solution d'induire ces axiomes à partir de formules étiquétées avec une index (précalculé en élaborant une base de connaissance dans le domaine du Web sémantique) a été appliquée en utilisant des algorithmes d'apprentissage pour ensembles flous [Malchiodi et Tettamanzi, 2018] et techniques de régression basées sur noyaux [Malchiodi et al., 2018] . La dépendance de ce problème à l'égard des algorithmes d'apprentissage utilisés et des techniques de réduction de dimensionnalité employées pour encoder les axiomes avec des vecteurs numériques a étée considérée dans [Malchiodi et al., 2020] .

Sélection d'exemples negatifs en bioinformatique

L'application de méthodes d'apprentissage automatique supervisés en bioinformatique nécessite de sélectionner parmi les données qui ne sont pas étiquetés positivement ceux qui représentent des exemples negatifs et pas des données sur lesquels aucun experiment n'a été effectué. Dans [Frasca et Malchiodi, 2017; Frasca et Malchiodi, 2016] ce problème de selection des negatifs a été appliqué en utilisant un classement basé sur fonctions d'appartenance à ensembles flous, et [Frasca et al., 2017; Boldi et al., 2018] proposent un codage des données qui aide le processus de selection des negatifs dans le problème de la prévision des fonctions des protéines. Enfin, [Frasca et al., 2019] considère une procédure similaire pour le problème du classement des gènes.

Prévision du risque COVID-19 basée sur ML

[Casiraghi et al., 2020] et [Esposito et al., 2021] décrivent l'application de techniques d'apprentissage automatique au problème de la prédiction de la gravité de la COVID-19 pour les patients entrant aux urgences.

Application du ML en médecine vétérinaire et médico-légale

Certaines techniques d'apprentissage automatique et d'analyse statistique des données ont été adaptées à problèmes dans les domaines vétérinaire et médico-légal. Précisemment, [Galizzi et al., 2021] et [Bagardi et al., 2021] décrivent l’application de méthodes statistiques avec le but de classer l’incidence de facteurs cardiovasculaires dans la mort de chiens subissant une thérapie spécifique. De plus, [Casali et al., 2021] discute d'une étude pilote sur l'application d'algorithmes de classification pour prédire le type de véhicule impliqué dans une collision avec un piéton.

Apprentissage basé sur la qualité des données

Les méthodes d'apprentissage automatique ont comme point de départ un échantillon de données qui sont traités de façon homogène (c'est-à-dire, chaque élément a la même importance). Dans [Malchiodi, 2008] le modèle général d'apprentissage fondé sur la qualité des données a été proposé. Dans ce modèle, il est possible d'associer à chacune des données disponibles une quantification numérique de son importance en se référant aux données restantes. Ce modèle a été appliqué au problème de classification par Machines à Vecteurs de Support linéaires [Apolloni et Malchiodi, 2006] et basées sur méthodes à noyau [Apolloni et al., 2007] . Une première analyse de la performance de ces applications a été entreprise théoriquement [Apolloni et al., 2007] et expérimentalement [Malchiodi, 2009] . Des applications préliminaires dans le domaine de la bioinformatique sont décrites dans [Malchiodi et al., 2010] . Une approche similaire a également été appliquée au problèmes de régression dans [Apolloni et al., 2010; Malchiodi et al., 2009; Apolloni et al., 2005] et à l'apprentissage d'exemples déséquilibrées da s [Malchiodi, 2013b] .

Projet d'algorithmes d'apprentissage

Plusieurs algorithmes d'apprentissage ont étés conçus, mis en œuvre et analysés. En particulier, [Malchiodi et Legnani, 2014] propose une extension des séparateurs à vaste marge qui peut utiliser soit des donnés partiellement etiquettés, soit des sorties incertes, et [Malchiodi et Pedrycz, 2013] introduit un algorithme d'apprentissage pour la fonction d'appartenance à ensembles flous. Ce dernier à été spécialisé dans [Malchiodi et Zanaboni, 2019] aux shadowed set.

Vulgarisation de la culture informatique

Concernant la pédagogie à niveau universitaire, deux ouvrages ont été publiés: un manuel pour l'utilisation d'un logiciel de calcul automatique et un livre d'exercices sur les systèmes d'exploitation [Malchiodi, 2007; Malchiodi, 2015] . Pour ce qui concerne l'audience générale, [Monga et al., 2017] est centré autur de la figure de Alan Turing, et [Malchiodi, 2019a] décris une possible évolution des technolgies basées sur les ensembles flous.

Formation des professeurs d'informatique

L'approche algomotrique a été introduit dans [Bellettini et al., 2014] avec le but d'enseigner l'informatique comme la science qui étudie l'élaboration automatique de l'information, plutôt que de l'identifier avec la connaissance du fonctionnement de spécifiques instruments technologiques [Lonati et al., 2015; Bellettini et al., 2014] . Cet approche a été évalué dans le contexte de l'habilitation à l'enseignement [Bellettini et al., 2015] , avec une attention spécifique aux perspectives constructivistes [Bellettini et al., 2018; Bellettini et al., 2018] . La rélation entre enseignement et concours liés à la pensée informatique a été étudiée dans [Lonati et al., 2017] , en approfondissant l'impact de la présentation des questions sur leur efficacité [Lonati et al., 2017] .

Pédagogie de la programmation

À partir d'une analyse des modalités d'enseignement de l'informatique dans les écoles italiennes [Bellettini et al., 2014] et d'une critique à l'identification de la programmation avec l'utilisation d'un langage pour traduire un algorithme [Lonati et al., 2015] , la thématique de la pédagogie de la programmation a été étudié en considerant son introduction par projets et outils spécifiques [Bulgheroni et Malchiodi, 2009; Paterson et al., 2015] , en termes interdisciplinaires avec les disciplines musicales [Ludovico et al., 2017; Baraté et al., 2017; Baratè et al., 2017] jusqu'à considérer des sujets avancées [Lonati et al., 2016; Lonati et al., 2017] . Une approche constructioniste pour l'enseignement de la programmation a enfin été analysée dans [Monga et al., 2018; Lodi et al., 2019] , et la conception d'un enseignement sur les architectures pour les mégadonnées effectuée en collaboration avec le monde industriel est illustrée dans [Condorelli et Malchiodi, 2022] .

Concours sur la pensée algorithmique

Au sein de l'organisation de concours sur la pensée informatique à niveau national [Lissoni et al., 2012; Lissoni et al., 2013; Lissoni et al., 2014; Lissoni et al., 2015] et à l'évaluation critique des leurs résultats [Bellettini et al., 2015; Lonati et al., 2017] , une analyse de la possibilité d'exploiter cet outil en tant que ressource pour l'apprentissage dans les écoles primaires et sécondaires à été effectuée [Lonati et al., 2017; Calcagni et al., 2017; Morpurgo et al., 2018] .

Apprentissage informel de l'informatique

L'approche algorithmique introduit dans [Bellettini et al., 2014; Bellettini et al., 2014] a été appliqué à l'introduction des sujets fondamentaux dans l'informatique, comme la répresentation de l'information [Bellettini et al., 2012; Bellettini et al., 2013; Baraté et al., 2017] , les bases de la programmation [Baratè et al., 2017] et les stratégies recursives et gourmandes [Lonati et al., 2016; Lonati et al., 2017; Lonati et al., 2017] .

Analyse des relations entre le calcul granulaire e l'apprentissage automatique

Le modèle de calcul granulaire, donnant à l'information un sens granulaire et permettant son analyse et son traitement à différents niveaux d'abstraction, est décrit dans [Apolloni et al., 2008] , où les liens avec l'apprentissage automatique sont analysés. Les effets d'une fusion de ces deux modèles ont été étudiés dans le domaine général de la régression, en proposant des nouveaux algorithmes basés sur Machines à Vecteurs de Support [Apolloni et al., 2008; Apolloni et al., 2006] ou sur techniques de recherche locale [Apolloni et al., 2005] .

Techniques de bootstrap pour algorithmes de régression

Les techniques de bootstrap sont basées sur le rééchantillonage des données dans le but d'approximer la distribution d'une population. Une spécialisation de ce type de techniques, initialement proposée dans [Apolloni et al., 2006] et ensuite peaufinée dans [Apolloni et al., 2009; Apolloni et al., 2007] , permet d'obtenir des régions de confiance pour les courbes de régression, en évitant les hypothèses habituelles sur la répartition des erreurs de mesure. L'utilisation de cette technique pour résoudre problèmes de régression linéaire et non linéaire est montrée dans [Apolloni et al., 2008] , tandis que [Apolloni et al., 2007] décrit des applications dans le domaine médical.

Développement de modèles d'inférence pour problèmes d'apprentissage

Le tâche d'intégrer sous un unique modèle théorique de problèmes d'inférence dans le domaine des statistiques (estimation ponctuelle et par intervalle des paramètres de distribution) et de l'informatique (estimation de l'erreur d'approximation dans l'apprentissage automatique) est étudié dans [Apolloni et al., 2006; Apolloni et al., 2005; Apolloni et al., 2002; Apolloni et al., 2002; Apolloni et Malchiodi, 2001; Malchiodi, 2000] , peaufinant des résultats précédemment obtenus sur la complexité d'échantillon [Apolloni et Malchiodi, 2001] et décrivant le modèle d'inférence algorithmique. Ce modèle a été utilisé dans le but d'estimer le risque de problèmes de classification basés sur Machines à Vecteurs de Support [Apolloni et al., 2007; Apolloni et al., 2005; Apolloni et Malchiodi, 2002; Apolloni et Malchiodi, 2001] , l'apprentissage des régions de confiance pour lignes de régression en écartant l'hypothèse classique nécessitant une distribution gaussienne pour les erreurs de mésure [Apolloni et al., 2005; Apolloni et al., 2002] , et régions de confiance pour la fonction de risque des temps de survenue de pathologies tumorales particulières [Apolloni et al., 2007; Apolloni et al., 2005; Apolloni et al., 2002] .

Applications des systèmes pour le calcul scientifique

Les systèmes pour le calcul scientifique peuvent être utilisés pour exécuter des simulations et pour analyser les problèmes mathématiques d'un point de vue interactive et incrémentel; à ce sujet, ces systèmes offrent des occasions intéressantes afin de concevoir des activités éducatives [Bulgheroni et Malchiodi, 2009; Malchiodi, 2008a] . Une version commerciale de ce type de systèmes, décrite en détail dans [Malchiodi, 2007] , a été élargie pour résoudre aucuns aspects purement informatiques associés à l'encodage de l'information [Malchiodi, 2006c] , à l'invocation de méthodes à distance [Malchiodi, 2006b; Malchiodi, 2006] , à la production de documentation scientifique [Malchiodi, 2011] et à la résolution de problèmes d'optimisation [Malchiodi, 2006a] et d'apprentissage automatique basés sur vecteurs de support [Malchiodi et al., 2009; Malchiodi et al., 2009] , ainsi que pour efféctuer validation de logiciels [Malchiodi, 2013a] . Le code relatif a été utilisé pour exécuter les simulations dans [Apolloni et al., 2007; Apolloni et Malchiodi, 2006] . Enfin, [Malchiodi, 2010a] décrit un progiciel pour le traitement des problèmes d'apprentissage au sein d'un système open source de calcul scientifique.

Conception the systèmes hybrides d'apprentissage

Les systèmes hybrides d'apprentissage sont généralement organisées en couplant modules sous-symboliques (généralement basés sur le paradigme des réseaux de neurones) et modules symboliques (décrits en termes de circuits logiques). Un tel système, qui extrait des données disponibles un ensemble de composantes booléennes indépendantes, est décrit dans [Apolloni et al., 2005; Apolloni et al., 2004] . Ces composantes, interprétées comme valeurs de vérité, sont utilisées afin d'en déduire des formules logiques décrivant de manière symbolique les relations entre les données originales [Apolloni et al., 2006; Apolloni et al., 2003; Apolloni et al., 2002; Apolloni et al., 2000] . Ce système est appliqué dans [Apolloni et al., 2004] au problème de reconnaissance des émotions sur la base des signaux de voix, tandis que [Apolloni et al., 2004; Apolloni et al., 2004; Apolloni et al., 2003; Apolloni et al., 2003; Apolloni et al., 2003] décrivent une application à la surveillance de l'attention à la conduite d'une voiture en fonction des signaux biologiques, dans le projet de recherche IST-2000-26091 ORESTEIA (mOdular hybRid artEfactS wiTh adaptivE functIonAlity, financé entre 2001 et 2003 par la CE au sein du cinquième programme-cadre, dans l'initiative IST-FET). Enfin, [Apolloni et Malchiodi, 2006; Apolloni et al., 2005] étudient deux systèmes hybrides obtenus grâce à l'intégration d'un système flou pour la mesure de la qualité des données disponibles, respectivement, avec une classificateur linéaire à vecteurs de support et avec un modèle de régression linéaire.

Simplification automatique de descriptions symboliques

Dans la théorie l'apprentissage automatique, le principe de minimisation du risque structurel concerne le problème d'équilibrer la complexité d'un modèle avec sa précision dans la description des données expérimentales. Ce principe a été appliqué aux algorithmes de classification basés sur des expressions logiques construites en termes de formes normales booléenes disjuctives et conjonctives. Un algorithme de simplification pour ces formes a été développée dans [Apolloni et al., 2006; Apolloni et al., 2005; et al., ; Apolloni et al., 2002; Apolloni et al., 2002] , mettant l'accent sur l'optimisation stochastique des paramètres pour des ensembles flous décrivant les formes mentionnées ci-dessus.

Étude de la dynamique des populations

Dans ce sujet les activités ont été centrées sur le problème de la modélisation des situations conflictuelles en utilisant une approche alternative à celle de la théorie des jeux classique. En particulier, ces conflits ont été modélisés en termes de l'approximation de la solution à un problème NP-difficile [Apolloni et al., 2006; Apolloni et al., 2003; Apolloni et al., 2002; Apolloni et al., 2002] , en applicant le modèle d'inférence algorithmique afin d'attribuer des ressources computationelles limitées à deux joueurs, et étendant par la suite cette technique aux jeux d'équipe [Apolloni et al., 2006] . Ce modèle est appliqué dans [Apolloni et al., 2007; Apolloni et al., 2005] dans le domaine biologique, tandis que [Apolloni et al., 2010] utilise cette approche dans le but de bien dimensionner le temps d'exécution pour les algorithmes d'apprentissage basées sur minimisation locale d'erreur.

Systèmes intelligents pour l'informatique diffuse et omniprésente

Le projet de recherche ORESTEIA (mOdular hybRid artEfactS wiTh adaptivE functIonAlity, financé entre 2001 et 2003 par la CE au sein du cinquième programme-cadre, dans l'initiative IST-FET) a été fondée sur la conception, la mise en œuvre et l'analyse des systèmes intelligents pour l'informatique diffuse et omniprésente. Ces champs sont caractérisés par des ordinateurs hautement spécialisés, consacrés à exécuter des tâches spécifiques. Ces ordinateurs spéciaux peuvent être produits en réduisant considérablement leur taille et leur coût, êtant donc possible les immerger dans un environnement. Se concentrant spécifiquement sur la détection de l'attention [Kasderidis et al., 2003] , un prototype pour la surveillance à la conduite sur la base de biosignaux [Apolloni et al., 2004; Apolloni et al., 2004; Apolloni et al., 2003; Apolloni et al., 2003; Apolloni et al., 2003] a été développé.

Classification automatique des émotions

Au sein du projet de recherche PHYSTA (Principled Hybrid Systems: Theory and Applications, financé entre 1998 et 2000 par la CE dans le quatrième programme-cadre, au sein de l'initiative TMR), le modèle d'inférence algorithmique décrit dans [Apolloni et al., 2006; Malchiodi, 2000] a été appliquée au problème de la classification automatique des émotions sur la base de signaux de voix [Apolloni et al., 2004; Apolloni et al., 2002] . Les résultats obtenus ont été présentés dans une école internationale sur l'apprentissage computationel dans le même projet de recherche.

Conception de statistiques implementables en materiel

La disponibilité des circuits matériels qui peuvent traiter directement les informations dans le but de les synthétiser en utilisant des estimateurs permet un raccourcissement remarquable du temps machine. Leur utilisation implique pourtant un ensemble de contraintes essentiellement lié à l'architecture des circuits eux-mêmes. Le modèle de inférence-entre-commères, développée dans [Malchiodi, 1996] , a été appliquée dans ce cadre avec le but d'obtenir une famille d'estimateurs pour des populations de Bernoulli directement applicables sur cartes pRAM [Apolloni et al., 1997] . Le même modèle à été appliqué dans [Apolloni et al., 2013] à l'étude des exchanges d'information dans les résaux sociaux.

Participaiton à projets de récherche

2019 > 2021: Multicriteria Data Structures and Algorithms: from compressed to learned indexes, and beyond (Ministère Italien de l'enseignement et de la recherche, PRIN) – membre
2016 > 2018: Fostering a correct view of informatics (Université de Milan, PSR) – coordinateur
2015 > 2017: SMILE: Slow down, Move your body, Improve your diet, Learn for life, and Enjoy school time (Commission Européenne, Erasmus+) – coordinateur d'unité
2015: Teaching advanced informatics concepts to high school students (Université de Milan, PSR) – coordinateur
2012 > 2015: SandS: Social AND Smart (Commission Européenne, Erasmus Programme) – membre
2012 > 2014: VIOPE: Learning computer programming in virtual environment (Commission Européenne, 6th Framework Programme) – membre
2008 > 2013: PASCAL2: Pattern Analysis, Statistical Modelling and Computational Learning (Commission Européenne, 7th Framework Programme) – membre
2005 > 2008: PASCAL: Pattern Analysis, Statistical Modelling and Computational Learning (Commission Européenne, 6th Framework Programme) – membre
2002 > 2004: Processi stocastici (Ministère Italien de l'enseignement et de la recherche, PRIN) – membre
2001 > 2003: ORESTEIA: mOdular hybRid artEfactS wiTh adaptivE funtIonAlity (Commission Européenne, 5th Framework Programme) – membre
1998 > 2000: PHYSTA: Principled Hybrid Sistems: Theory and Applications (Commission Européenne, 4th Framework Programme) – membre
2000: Metodi statistici e neurali di supporto alle decisioni in ambito finanziario (Inferentia-DNM) – membre
2000: Metodi statistico-neurali per lo studio di popolazioni (Università degli Studi di Milano) – membre
1999: Processi stocastici con natura spaziale (Ministère Italien de l'enseignement et de la recherche, PRIN) – membre

Gestion de fonds de recherche

2018: Piano sostegno alla ricerca, Università degli Studi di Milano
2017: Osservatorio Milano Duomo
2017: Computer science department, Università degli Studi di Milano
2017: Social Thingum
2017: Piano sostegno alla ricerca, Università degli Studi di Milano
2016: Consorzio Sardegna Ricerche
2016: SMILE project, European Commission
2016: Piano sostegno alla ricerca, Università degli Studi di Milano
2015: Piano sostegno alla ricerca, Università degli Studi di Milano
2010: Centro Orientamento Scuola e Professioni, Università degli Studi di MIlano

Adhésion à associations académiques et groupes de recherche

2022 >: Laboratoire Algorithmique pour la Toile, Département d'Informatique de l'Université de Milan
2021 >: Laboratoire CINI Big Data
2020 >: Laboratoire CINI Artificial Intelligence and Intelligent Systems (AIIS)
2020 >: NIH National COVID Cohort Collaborative (N3C)
2020 >: COVID-19 International Research Team
2016 >: Visiting scientis à INRIA/Université de la Côte d'Azur au sein du projet WIMMICS
2019 >: Centre de recherche en Sciences des données de l'Université de Milan
2002 >: GRIN: Association Italienne des Enseignants Universitaires d'Informatique
2008 > 2019: Laboratoire ALaDDIn
2002 > 2013: Societé Italienne Réseaux de Neurones
1996 > 2011: Laboratoire Réseaux de Neurones, Département d'Informatique de l'Université de Milan

Prix

2018: CSEDU 2018 best poster award (Carlo Bellettini, Fabrizio Carimati, Violetta Lonati, Riccardo Macoratti, Dario Malchiodi, Mattia Monga and Anna Morpurgo, A Platform for the Italian Bebras)
2016: Informatics Europe Best Practices in Education Award (laboratoire ALaDDIn)

Publications

Livres

Monga et al., 2017: Monga Mattia, Malchiodi Dario, Morpurgo Anna et Torelli MauroTuring: la nascita dell'intelligenza artificiale, Corriere della Sera, Grandangolo Scienza, 2017
Malchiodi, 2015: Malchiodi DarioSistemi operativi – esercizi risolti e commentati, (ISBN 978-88-91091-41-3), 2015
Apolloni et al., 2008: Apolloni Bruno, Pedrycz Witold, Bassis Simone et Malchiodi DarioThe Puzzle of Granular Computing, Berlin: Springer, Studies in Computational Intelligence, Vol. 138 (ISBN 978-3-540-79863-7), 2008
Malchiodi, 2007: Malchiodi DarioFare matematica con Mathematica, Milano: Pearson Addison Wesley (ISBN 978-88-7192-365-9), 2007, en italien
Apolloni et al., 2006: Apolloni Bruno, Malchiodi Dario et Gaito SabrinaAlgorithmic Inference in Machine Learning, 2nd Edition, Magill, Adelaide: Advanced Knowledge International, International Series on Advanced Intelligence, Vol. 5 (ISBN 0-9751004-2-4), 2006

Articles dans revues internationales

Malchiodi et al., 2024: Malchiodi Dario, Raimondi Davide, Fumagalli Giacomo, Giancarlo Raffaele et Frasca MarcoThe role of classifiers and data complexity in learned Bloom filters: insights and recommendations, Journal of Big Data 11 - 45 (2024)
Valentini et al., 2023: Valentini Giorgio, Malchiodi Dario, Gliozzo Jessica, Mesiti Marco, Soto-Gomez Mauricio, Cabri Alberto, Reese Justin, Casiraghi Elena et Robinson Peter N.The promises of large language models for protein design and modeling, Frontiers in Bioinformatics 3 (2023), 1304099
Marinò et al., 2023: Marinò Giosuè C., Furia Flavio, Malchiodi Dario et Frasca MarcoEfficient and Compact Representations of Deep Neural Networks via Entropy Coding, IEEE Access 11 (2023), 106103—106125
Ruschioni et al., 2023: Ruschioni Giulia, Malchiodi Dario, Zanaboni Anna M. et Bonizzoni LetiziaSupervised learning algorithms as a tool for archaeology: classification of ceramic samples described by chemical element concentrations, Journal of Archaeological Science: Reports 49 (2023), 103995
Marinò et al., 2023a: Marinò Giosuè C., Petrini Alessandro, Malchiodi Dario et Frasca MarcoDeep neural networks compression: a comparative survey and choice recommendations, Neurocomputing 520 (2023), 152—170
Condorelli and Malchiodi, 2022: Condorelli Andrea et Malchiodi DarioDesigning a Master Course on Architectures for Big Data: A Collaboration Between University and Industry, Informatics in Education 4 (2022), 635—653
Casali et al., 2021: Casali Michelangelo, Malchiodi Dario, Spada Claudio, Zanaboni Anna M., Cotroneo Rosy, Furci Domenico, Sommariva Andrea, Genovese Umberto et Blandino AlbertoA pilot study for investigating the feasibility of supervised machine learning approaches for the classification of pedestrians struck by vehicles, Journal of Forensics and Legal Medicine 84 (2021), 102256
Bagardi et al., 2021: Bagardi Mara, Locatelli Chiara, Zanaboni Anna M., Galizzi Alberto, Malchiodi Dario et Brambilla Paola G.Multiple retrospective analysis of survival and evaluation of cardiac death predictors in a population of dogs affected by degenerative mitral valve disease in ACVIM class C treated with different therapeutic protocols, Polish Journal of Veterinary Sciences 24 - 1 (2021), 109—118
Esposito et al., 2021: Esposito Andrea A., Casiraghi Elena, Chiaraviglio Francesca, Scarabelli Alice, Stellato Elvira, Plensich Guido, Lastella Giulia, Di Meglio Letizia, Fusco Stefano, Avola Emanuele, Jachetti Alessandro, Giannitto Caterina, Malchiodi Dario, Frasca Marco, Beheshti Afshin, Robinson Peter N., Valentini Giorgio, Forzenigo Laura et Carrafiello GianpaoloArtificial Intelligence in Predicting Clinical Outcome in COVID-19 Patients from Clinical, Biochemical, and a Qualitative Chest X-Ray Scoring System, Reports in Medical Imaging 14 (2021), 27—39
Galizzi et al., 2021: Galizzi Alberto, Bagardi Mara, Stranieri Angelica, Zanaboni Anna M., Malchiodi Dario, Borromeo Vitaliano, Brambilla Paola G. et Locatelli ChiaraFactors affecting the urinary aldosterone-to-creatinine ratio in healthy dogs and dogs with naturally occurring myxomatous mitral valve disease, BMC Veterinary Research 17 - 1 (2021), 1—14
Casiraghi et al., 2020: Casiraghi Elena, Malchiodi Dario, Trucco Gabriella, Frasca Marco, Cappelletti Luca, Fontana Tommaso, Esposito Andrea A., Avola Emanuele, Jachetti Alessandro, Reese Justin, Rizzi Alessandro, Robinson Peter N. et Valentini GiorgioExplainable machine learning for early assessment of COVID-19 risk prediction in emergency departments, IEEE Access 8 (2020), 196299—196325
Lodi et al., 2019: Lodi Michael, Malchiodi Dario, Monga Mattia, Morpurgo Anna et Spieler BernadetteConstructionist Attempts at Supporting the Learning of Computer Programming: A Survey, Olympiads in Informatics 13 (2019), 99—121
Boldi et al., 2018: Boldi Paolo, Frasca Marco et Malchiodi DarioEvaluating the impact of topological protein features on the negative examples selection, BMC Bioinformatics 19 - 14 (2018), 417.115–417.126
Baraté et al., 2017: Baraté Adriano, Ludovico Luca A. et Malchiodi DarioFostering Computational Thinking in Primary School through a LEGO®-based Music Notation, Procedia computer science 112 (2017), 1334–1344, Special issue: KES 2017 - Proceedings of the 21st International Conference on Knowledge-Based and Intelligent Information & Engineering Systems
Frasca and Malchiodi, 2017: Frasca Marco et Malchiodi DarioExploiting Negative Sample Selection for Prioritizing Candidate Disease Genes, Genomics and Computational Biology 3 - 3 (2017), e47
Bellettini et al., 2014: Bellettini Carlo, Lonati Violetta, Malchiodi Dario, Monga Mattia, Morpurgo Anna, Torelli Mauro et Zecca LuisaInformatics Education in Italian Secondary School, ACM Transactions on Computing Education (TOCE) – Special Issue on Computing Education in (K-12) Schools 14 - 2 (2014), 15.1–15.6
Apolloni et al., 2013: Apolloni Bruno, Malchiodi Dario et Taylor John G.Learning by Gossip: A Principled Information Exchange Model in Social Networks, Cognitive Computation 5 - 3 (2013), 327-339
Apolloni et al., 2010: Apolloni Bruno, Malchiodi Dario et Valerio LorenzoRelevance regression learning with support vector machines, Nonlinear Analysis 73 (2010), 2855-2867
Apolloni et al., 2010a: Apolloni Bruno, Bassis Simone, Gaito Sabrina, Malchiodi Dario et Zoppis ItaloPlaying monotone games to understand learning behaviors, Theoretical Computer Science 411 - 25 (2010), 2384-2405
Apolloni et al., 2009: Apolloni Bruno, Bassis Simone et Malchiodi DarioCompatible worlds, Nonlinear Analysis: Theory, Methods & Applications 71 - 12 (2009), e2883-e2901
Malchiodi, 2009: Malchiodi DarioAn experimental analysis of the impact of accuracy degradation in SVM classification, International Journal of Computational Intelligence Studies 1 - 2 (2009), 163-190
Apolloni et al., 2008a: Apolloni Bruno, Bassis Simone, Malchiodi Dario et Pedrycz WitoldInterpolating Support Information Granules, Neurocomputing 71 (2008), 2433-2445
Apolloni et al., 2008b: Apolloni Bruno, Bassis Simone, Gaito Sabrina et Malchiodi DarioBootstrapping Complex Functions, Nonlinear Analysis: Hybrid Systems 2 - 2 (2008), 648-664
Malchiodi, 2008: Malchiodi DarioEmbedding Sample Points Uncertainty Measures in Learning Algorithms, Nonlinear Analysis: Hybrid Systems 2 - 2 (2008), 635-647
Apolloni et al., 2007: Apolloni Bruno, Bassis Simone, Gaito Sabrina et Malchiodi DarioSolving complex regression problems via Algorithmic Inference: a new family of bootstrap algorithms, Far East Journal of Theoretical Statistics 22 - 2 (2007), 141-180
Apolloni et al., 2007a: Apolloni Bruno, Bassis Simone, Clivio Alberto, Gaito Sabrina et Malchiodi DarioModeling individual's aging within a bacterial population using a pi-calculus paradigm, Natural Computing 6 - 1 (2007), 33-53
Apolloni et al., 2007b: Apolloni Bruno, Bassis Simone, Gaito Sabrina et Malchiodi DarioAppreciation of medical treatments by learning underlying functions with good confidence, Current Pharmaceutical Design 13 - 15 (2007), 1545-1570
Apolloni et al., 2006a: Apolloni Bruno, Brega Andrea, Malchiodi Dario, Palmas Giorgio et Zanaboni Anna MariaLearning Rule Representations From Data, IEEE Transactions on Systems, Man and Cybernetics, Part A 36 - 5 (2006), 1010-1028
Apolloni et al., 2006b: Apolloni Bruno, Bassis Simone, Gaito Sabrina et Malchiodi DarioElementary team strategies in a monotone game, Nonlinear Analysis 64 - 2 (2006), 310-328
Apolloni et al., 2006c: Apolloni Bruno, Bassis Simone, Gaito Sabrina, Malchiodi Dario et Zoppis ItaloControlling the losing probability in a monotone game, Information Sciences 176 - 10 (2006), 1395-1416
Apolloni et al., 2004: Apolloni Bruno, Esposito Anna, Malchiodi Dario, Orovas Christos, Palmas Giorgio et Taylor John G.A General Framework for Learning Rules From Data, IEEE Transactions on Neural Networks 15 - 6 (2004), 1333-1349
Apolloni et al., 2002: Apolloni Bruno, Malchiodi Dario, Orovas Christos et Palmas GiorgioFrom synapses to rules, Cognitive Systems Research 3 (2002), 167-201
Apolloni and Malchiodi, 2001: Apolloni Bruno et Malchiodi DarioGaining degrees of freedom in subsymbolic learning, Theoretical Computer Science 255 (2001), 295-321
Apolloni et al., 1997: Apolloni Bruno, Malchiodi Dario et Taylor John G.Functional bootstrap: a hardware constrained implementation of on-line bootstrap, InterStat October (1997)

Articles dans actes de conférences internationales

Paravisi et al., 2024: Paravisi Mattia, Visconti Andrea et Malchiodi DarioSecurity Analysis of Cryptographic Algorithms: Hints from Machine Learning, in Proceedings of the 25th International Conference on Engineering Applications on Neural Networks, Springer, 2024, En presse
Frasson and Malchiodi, 2024: Frasson Marco et Malchiodi DarioSupport Vector Based Anomaly Detection in Federated Learning, in Proceedings of the 25th International Conference on Engineering Applications on Neural Networks, Springer, 2024, En presse
Nicolini et al., 2024: Nicolini Marco, Malchiodi Dario, Cabri Alberto, Cavalleri Emanuele, Mesiti Marco, Paccanaro Alberto, Robinson Peter N., Reese Justin, Casiraghi Elena et Valentini GiorgioFine-Tuning of Conditional Transformers Improves the Generalization of Functionally Characterized Proteins, in BIOSTEC 2024 - 17th International Joint Conference on Biomedical Engineering Systems and Technologies - Proceedings, Vol. 1, SCITEPRESS (ISBN 978-989-758-688-0), 561-568, 2024
Gliozzo et al., 2024: Gliozzo Jessica, Marinò Giosuè, Bonometti Arturo, Frasca Marco et Malchiodi DarioResource-Limited Automated Ki67 Index Estimation in Breast Cancer, in Proceedings of the 2023 10th International Conference on Bioinformatics Research and Applications (ICBRA '23), New York, NY, USA: ACM, 165–172, 2024
Malchiodi et al., 2023: Malchiodi Dario, Raimondi Davide, Fumagalli Giacomo, Giancarlo Raffaele et Frasca MarcoA Critical Analysis of Classifier Selection in Learned Bloom Filters: the Essentials, in L. Iliadis, I. Maglogiannis, S. Alonso Castro, C. Jayne et E. Pimenidis (Eds.), Engineering Application of Neural Networks — 24th International Conference — EAAAI/EANN 2023 — León, Spain, June 14—17, 2023 —Proceedings, Springer Nature, Communications in Computer and Information Science 1826, 47—61, 2023
Zanaboni et al., 2022: Zanaboni Anna M., Malchiodi Dario, Bonizzoni Letizia et Ruschioni GiuliaClassification of Pottery Fragments Described by Concentration of Chemical Elements, in P. L. Mazzeo, E. Frontoni, S. Sclaroff et C. Distante (Eds.), Image Analysis and Processing. ICIAP 2022 Workshops. ICIAP 2022., Vol. 13373, Cham: Springer, Lecture Notes in Computer Science (ISBN 978-3-031-13320-6), 141—151, 2022
Fumagalli et al., 2022: Fumagalli Giacomo, Raimondi Davide, Giancarlo Raffaele, Malchiodi Dario et Frasca MarcoOn the Choice of General Purpose Classifiers in Learned Bloom Filters: An Initial Analysis Within Basic Filters, in Proceedings of the 11th International Conference on Pattern Recognition Applications and Methods — ICPRAM, SciTePress (ISBN 978-989-758-549-4), 675—682, 2022
Marinò et al., 2021: Marinò Giosuè C., Ghidoli Gregorio, Frasca Marco et Malchiodi DarioReproducing the sparse Huffman Address Map compression for deep neural networks, in B. Kerautret, M. Colom, A. Krähenbühl, Adrien, D. Lopresti, P. Monasse et H. Talbot (Eds.), Reproducible Research in Pattern Recognition, Cham: Springer International Publishing, Lecture Notes in Computer Science 12636, 161—166, 2021
Marinò et al., 2021a: Marinò Giosué C., Ghidoli Gregorio, Frasca Marco et Malchiodi DarioCompression strategies and space-conscious representations for deep neural networks, in 2020 25th International Conference on Pattern Recognition (ICPR), IEEE, 9835—9842, 2021
Malchiodi et al., 2020: Malchiodi Dario, da Costa Pereira Célia et Tettamanzi Andrea G.Classifying Candidate Axioms via Dimensionality Reduction Techniques, in V. Torra, Y. Narukawa, J. Nin et N. Agell (Eds.), Modeling Decisions for Artificial Intelligence. 17th International Conference, MDAI 2020 Sant Cugat, Spain, September 2–4, 2020 Proceedings, Cham, Switzerland: Springer, Lecture Notes in Computer Sciencce 12256, 179—191, 2020
Malchiodi and Zanaboni, 2019: Malchiodi Dario et Zanaboni Anna MariaData-Driven Induction of Shadowed Sets Based on Grade of Fuzziness, in R. Fullér, S. Giove et F. Masulli (Eds.), Fuzzy Logic and Applications — 12th International Workshop, WILF 2018 Genoa, Italy, September 6–7, 2018 — Revised Selected Papers, Cham: Springer Nature Switzerland AG, Lecture Notes in Artificial Intelligence 11291 (ISBN 978-3-030-12543-1/978-3-030-12544-8), 17—28, 2019
Malchiodi, 2019a: Malchiodi DarioSome Thoughts About Appealing Directions for the Future of Fuzzy Theory and Technologies Along the Path Traced by Lotfi Zadeh, in R. Fullér, S. Giove et F. Masulli (Eds.), Fuzzy Logic and Applications — 12th International Workshop, WILF 2018 Genoa, Italy, September 6–7, 2018 — Revised Selected Papers, Cham: Springer Nature Switzerland AG, Lecture Notes in Artificial Intelligence 11291 (ISBN 978-3-030-12543-1/978-3-030-12544-8), 240—243, 2019
Bellettini et al., 2018: Bellettini Carlo, Lonati Violetta, Malchiodi Dario, Monga Mattia et Morpurgo AnnaInformatics and Computational Thinking: A Teacher Professional Development Proposal Based on Social-Constructivism, in Informatics in Schools. Fundamentals of Computer Science and Software Engineering., Springer, Lecture Notes in Computer Science 11169 (ISBN 9783030027490), 194–205, 2018
Malchiodi et al., 2018: Malchiodi Dario, da Costa Pereira Célia et Tettamanzi Andrea G.Predicting the Possibilistic Score of OWL Axioms through Support Vector Regression, in D. Ciucci, G. Pasi et B. Vantaggi (Eds.), Scalable Uncertainty Management. SUM 2018, Cham: Springer, Lecture Notes in Artificial Intelligence 11142 (ISBN 978-3-030-00460-6/978-3-030-00461-3), 2018
Monga et al., 2018: Monga Mattia, Lodi Michael, Malchiodi Dario, Morpurgo Anna et Spieler BernadetteLearning to Program in a Constructionist Way, in V. Dagienė et E. Jasutė (Eds.), Constructionism 2018: Computational Thinking and Educational Innovation: conference proceedings, Vilnius University (ISBN 9786099576015), 906–929, 2018
Cermenati et al., 2020: Cermenati Luca, Malchiodi Dario et Zanaboni Anna MariaSimultaneous Learning of Fuzzy Sets, in A. Esposito, M. Faundez-Zanuy, M. Morabito et E. Pasero (Eds.), Neural Approaches to Dynamics of Signal Exchanges, Vol. 151, Singapore: Springer, Smart Innovation, Systems and Technologies, 167-175, 2020
Bellettini et al., 2018a: Bellettini Carlo, Lonati Violetta, Malchiodi Dario, Monga Mattia et Morpurgo AnnaInformatica e pensiero computazionale: una proposta costruttivista per gli insegnanti, in G. Adorni, M. Cicognani, F. Koceva et G. Mastronardi (Eds.), Didamatica 2018: Didattica Informatica, AICA (ISBN 978889809147-8), 201–210, 2018
Morpurgo et al., 2018: Morpurgo Anna, Monga Mattia, Malchiodi Dario, Macoratti Roberto, Lonati Violetta, Carimati Fabio et Bellettini CarloA Platform for the Italian Bebras, in Proceedings of 10th International Conference on Computer Supported Education, SCITEPRESS (ISBN 978-989-758-291-2), 350–357, 2018
Malchiodi and Tettamanzi, 2018: Malchiodi Dario et Tettamanzi Andrea G.Predicting the Possibilistic Score of OWL Axioms through Modified Support Vector Clustering, in H. Haddad, R. L. Wainwright et R. Chbeir (Eds.), SAC'18: Proceedings of the 33rd Annual ACM Symposium on Applied Computing, ACM (ISBN 9781450351911), 1984–1991, 2018
Lonati et al., 2017: Lonati Violetta, Malchiodi Dario, Monga Mattia et Morpurgo AnnaHow presentation affects the difficulty of computational thinking tasks: an IRT analysis, in Proceedings of 17th Koli Calling International Conference on Computing Education Research, ACM (ISBN 9781450353014), 60–69, 2017
Calcagni et al., 2017: Calcagni Annalisa, Lonati Violetta, Malchiodi Dario, Monga Mattia et Morpurgo AnnaPromoting Computational Thinking Skills: Would You Use this Bebras Task?, in V. Dagienė et H. Hellas (Eds.), Informatics in Schools: Focus on Learning Programming, Springer, Lecture Notes in Computer Science (ISBN 978-3-319-71482-0), 102–113, 2017
Ludovico et al., 2017: Ludovico Luca A., Malchiodi Dario et Zecca LuisaA Multimodal LEGO®-based Learning Activity Mixing Musical Notation and Computer Programming, in MIE 2017 Proceedings of the 1st ACM SIGCHI International Workshop on Multimodal Interaction for Education, ACM (ISBN 978-1-4503-5557-5), 44–48, 2017
Frasca et al., 2019: Frasca Marco, Fontaine Jean F., Valentini Giorgio, Mesiti Marco, Notaro Marco, Malchiodi Dario et Andrade-Navarro MiguelDisease-Genes Must Guide Data Source Integration in the Gene Prioritization Process, in M. Bartoletti, A. Barla, A. Bracciali, G. W. Klau, L. Peterson, A. Policriti et R. Tagliaferri (Eds.), Computational Intelligence Methods for Bioinformatics and Biostatistics. CIBB 2017, Cham: Springer, Lecture Notes in Computer Science 10834 / Lecture Notes in Bioinformatics 10834 (ISBN 978-3-030-14159-2/978-3-030-14160-8), 60—69, 2019
Lonati et al., 2017a: Lonati Violetta, Malchiodi Dario, Monga Mattia et Morpurgo AnnaLearning Greedy Strategies at Secondary Schools: An Active Approach, in A. Sforza et C. Sterle (Eds.), Optimization and Decision Science: Methodologies and Applications, Springer, Proceedings in Mathematics & Statistics (ISBN 978-3319673973), 223–231, 2017
Lonati et al., 2017b: Lonati Violetta, Malchiodi Dario, Monga Mattia et Morpurgo AnnaBebras as a teaching resource, in ITiCSE '17 Proceedings of the 2017 ACM Conference on Innovation and Technology in Computer Science Education, ACM (ISBN 9781450347044), 366–366, 2017
Lonati et al., 2017c: Lonati Violetta, Malchiodi Dario, Monga Mattia et Morpurgo AnnaNothing to fear but fear itself: introducing recursion in lower secondary schools, in International Conference on Learning and Teaching in Computing and Engineering (LATICE), 2017, IEEE (ISBN 9781538608920), 91–98, 2017
Frasca et al., 2017a: Frasca Marco, Lipreri Fabio et Malchiodi DarioAnalysis of Informative Features for Negative Selection in Protein Function Prediction, in I. Rojas et F. Ortuño (Eds.), Bioinformatics and Biomedical Engineering 5th International Work-Conference, IWBBIO 2017, Granada, Spain, April 26–28, 2017, Proceedings, Part II, Vol. 10209, 2017
Baratè et al., 2017: Baratè Adriano, Formica Andrea, Ludovico Luca A. et Malchiodi DarioFostering Computational Thinking in Secondary School through Music: An Educational Experience based on Google Blockly, in P. Escudeiro, G. Costagliola, S. Zvacek, J. Uhomoibhi et B. M. McLaren (Eds.), Proceedings of the 9th International Conference on Computer Supported Education, SCITEPRESS (ISBN 978-989-758-240-0), 117–124, 2017
Lonati et al., 2016: Lonati Violetta, Malchiodi Dario, Monga Mattia, Morpurgo Anna et Previtali MauroA playful tool to introduce lower secondary school pupils to recursive thinking, in Proceedings of 9th International Conference on Informatics in Schools: Situation, Evolution, and Perspectives, ISSEP 2016, 51-52, 2016
Bellettini et al., 2015a: Bellettini Carlo, Lonati Violetta, Malchiodi Dario, Monga Mattia, Morpurgo Anna et Torelli MauroHow Challenging are Bebras Tasks? An IRT analysis based on the performance of Italian students, in ITiCSE '15 Proceedings of the 2015 ACM Conference on Innovation and Technology in Computer Science Education, New York: ACM (ISBN 9781450334402), 27-32, 2015
Lonati et al., 2015: Lonati Violetta, Malchiodi Dario, Monga Mattia et Morpurgo AnnaIs coding the way to go?, in A. Brodnik et J. Vahrenhold (Eds.), Informatics in Schools. Curricula, Competences, and Competitions, Springer International Publishing (ISBN 9783319253954), 165-174, 2015
Frasca and Malchiodi, 2016: Frasca Marco et Malchiodi DarioSelection of Negative Examples for Node Label Prediction through Fuzzy Clustering Techniques, in S. Bassis, A. Esposito, F. C. Morabito et E. Pasero (Eds.), Advances in Neural Networks: Computational Intelligence for ICT, Springer International Publishing (ISBN 978-3-319-33747-0), 67-76, 2016
Paterson et al., 2015: Paterson James, Karhu Markku, Cazzola Walter, Illina Irina, Law Robert, Malchiodi Dario, Maximiano Marisa et Silva CatarinaExperience of an International Collaborative Project with First Year Programming Students, in Proceedings of the IEEE 39th Annual Computer Software and Applications Conference (COMPSAC'15), 829–834, 2015
Bellettini et al., 2014a: Bellettini Carlo, Lonati Violetta, Malchiodi Dario, Monga Mattia, Morpurgo Anna, Torelli Mauro et Zecca LuisaExtracurricular Activities for Improving the Perception of Informatics in Secondary Schools, in Y. Gülbahar et E. Karataş (Eds.), Informatics in Schools. Teaching and Learning Perspectives – 7th International Conference on Informatics in Schools: Situation, Evolution, and Perspectives, ISSEP 2014, Istanbul, Turkey, September 22-25, 2014. Proceedings, Vol. 8730, Springer International Publishing, Lecture Notes in Computer Science (ISBN 978-3-319-09958-3), 161–172, 2014
Bellettini et al., 2014b: Bellettini Carlo, Lonati Violetta, Malchiodi Dario, Monga Mattia, Morpurgo Anna et Torelli MauroTeaching Informatics for Fun and Profit, in A. Raschi, A. Di Fabio et L. Sebastiani (Eds.), Proceedings of the International Workshop on Science Education and Guidance in Schools: The Way Forward, Edizioni ETS (ISBN 978-88-903469-2-7), 125–128, 2014
Malchiodi and Pedrycz, 2013: Malchiodi Dario et Pedrycz WitoldLearning Membership Functions for Fuzzy Sets through Modified Support Vector Clustering, in F. Masulli, G. Pasi et R. Yager (Eds.), Fuzzy Logic and Applications. 10th International Workshop, WILF 2013, Genoa, Italy, November 19–22, 2013. Proceedings., Vol. 8256, Springer International Publishing, Switzerland, Lecture Notes on Artificial Intelligence (ISBN 978-3-319-03199-6), 52–59, 2013
Malchiodi and Legnani, 2014: Malchiodi Dario et Legnani TommasoAvoiding the Cluster Hypothesis in SV Classification of Partially Labeled Data, in S. Bassis, A. Esposito et F. C. Morabito (Eds.), Recent Advances of Neural Networks Models and Applications. Proceedings of the 23nd Workshop of the Italian Neural Networks Society (SIREN), May 23-25, Vietri sul Mare, Salerno, Italy, Vol. 26, Springer, Smart Innovation, Systems and Technologies (ISBN 978-3-319-04128-5), 33-40, 2014
Bellettini et al., 2013: Bellettini Carlo, Lonati Violetta, Malchiodi Dario, Monga Mattia, Morpurgo Anna et Torelli MauroWhat you see is what you have in mind: constructing mental models for formatted text processing, in I. Diethelm, J. Arndt, M. Dünnebier et J. (Eds.), Informatics in Schools: Local Proceedings of the 6th International Conference ISSEP 2013 - Selected Papers, Vol. 6, Universitätsverlag Potsdam, Commentarii informaticae didacticae (ISBN 978-3-86956-222-3), 139-147, 2013
Malchiodi, 2013a: Malchiodi DarioMUT: un framework di test automatico per Wolfram Mathematica, in Mathematica Italia User Group Meeting 2013 - Atti del Convegno, Adalta (ISBN 978-88-96810-03-3), 2013
Bellettini et al., 2012: Bellettini Carlo, Lonati Violetta, Malchiodi Dario, Monga Mattia, Morpurgo Anna et Torelli MauroExploring the processing of formatted texts by a kynesthetic approach, in WiPSCE'12 Proceedings of the 7th Workshop in Primary and Secondary Computing Education , ACM (ISBN 9781450317870), 143-144, 2012
Malchiodi, 2013b: Malchiodi DarioAn interpretation of the boundary movement method for imbalanced dataset classification based on data quality, in B. Apolloni, S. Bassis, A. Esposito et F. C. Morabito (Eds.), Neural Nets and Surroundings. 22nd Italian Workshop on Neural Nets, WIRN 2012, May 17-19 2012, Vietri sul Mare, Salerno, Italy, Springer, Smart Innovation, Systems and Technologies 19 (ISBN 978-3-642-35466-3), 21-27, 2013
Malchiodi, 2011: Malchiodi DarioScrivi anche tu un libro con Mathematica!, in Mathematica Italia User Group Meeting 2011 - Atti del Convegno, Adalta (ISBN 9788896810026), 2011
Malchiodi et al., 2010: Malchiodi Dario, Re Matteo et Valentini GiorgioUso di Mathematica per la classificazione di dati di qualità variabile, in Mathematica Italia User Group Meeting - Atti del Convegno 2010, Adalta (ISBN 978-88-96810-00-2), 2010
Bulgheroni and Malchiodi, 2009: Bulgheroni Maria et Malchiodi DarioMathematica per l'introduzione dei rudimenti della programmazione nelle scuole superiori, in Atti del Mathematica Italia User Group Meeting, Adalta, 2009
Malchiodi et al., 2009a: Malchiodi Dario, Bassis Simone et Valerio LorenzosvMathematica: implementazione in Mathematica di algoritmi di machine learning basati su vettori di supporto, in Atti del Mathematica Italia User Group Meeting, Adalta, 2009
Malchiodi et al., 2009c: Malchiodi Dario, Bassis Simone et Valerio LorenzoDiscovering regression data quality through clustering methods, in B. Apolloni, M. Marinaro et S. Bassis (Eds.), New Directions in Neural Networks, 18th Italian Workshop on Neural Networks: WIRN 2008, 22-24 May 2008, Vietri sul Mare, IOS Press, FAIA-KBIES vol. 193 (ISBN 0922-6389), 76-85, 2009
Malchiodi, 2008a: Malchiodi DarioThe head fake, ovvero insegnando è concesso imbrogliare, in Atti del Mathematica Italia User Group Meeting, Adalta, 2008
Apolloni et al., 2007c: Apolloni Bruno, Malchiodi Dario et Natali LucaA Modified SVM Classification Algorithm for Data of Variable Quality, in B. Apolloni, R. Howlett et L. Jain (Eds.), Knowledge-Based Intelligent Information and Engineering Systems 11th International Conference, KES 2007, XVII Italian Workshop on Neural Networks, Vietri sul Mare, Italy, September 12-14, 2007. Proceedings, Part III, Berlin Heidelberg: Springer-Verlag, Lecture Notes in Artificial Intelligence 4694 (ISBN 978-3-540-74828-1), 131-139, 2007
Apolloni et al., 2007d: Apolloni Bruno, Bassis Simone et Malchiodi DarioSVM with Random Labels, in B. Apolloni, R. Howlett et L. Jain (Eds.), Knowledge-Based Intelligent Information and Engineering Systems 11th International Conference, KES 2007, XVII Italian Workshop on Neural Networks, Vietri sul Mare, Italy, September 12-14, 2007. Proceedings, Part III, Berlin Heidelberg: Springer-Verlag, Lecture Notes in Artificial Intelligence 4694 (ISBN 978-3-540-74828-1), 184-193, 2007
Apolloni and Malchiodi, 2006a: Apolloni Bruno et Malchiodi DarioEmbedding sample points relevance in SVM linear classification, in V. Torra, Y. Narukawa, A. Valls et J. Domingo-Ferrer (Eds.), MDAI 2006 - Proceedings of 3rd International Conference on Modeling Decisions for Artificial Intelligence, Tarragona: Universitat Rovira I Virgili (ISBN 8400-08416-0), 2006
Apolloni et al., 2006e: Apolloni Bruno, Bassis Simone, Malchiodi Dario et Pedrycz WitoldInterpolating Support Information Granules, in S. Kollias, A. Stafylopatis, W. Duch et E. Oja (Eds.), Artificial Neural Networks - ICANN 2006 - 16th International Conference, Athens, Greece, September 10-14, 2006, Proceedings, Part II, Berlin/Heidelberg: Springer, Lecture Notes in Computer Science 4132 (ISBN 978-3-540-38871-5), 270-281, 2006
Malchiodi, 2006: Malchiodi DarioImplementing an XML-RPC client in Mathematica, in B. Autin et Y. Papegay (Eds.), eProceedings of the 8th International Mathematica Symposium, Rocquencourt, France: INRIA (ISBN 2-7261-1289-7), 2006
Apolloni et al., 2005: Apolloni Bruno, Brega Andrea et Malchiodi DarioBICA: a Boolean Independent Component Analysis Algorithm, in N. Nedjah, L. Mourelle, M. B. R. Vellasco, A. Abraham et M. Köppen (Eds.), Proceedings of HIS 2005: Fifth International Conference on Hybrid Intelligent Systems, IEEE Computer Society (ISBN 0-7695-2457-5), 131-136, 2005
Apolloni et al., 2005a: Apolloni Bruno, Bassis Simone, Gaito Sabrina et Malchiodi DarioTight Bounds for SVM Classification Error, in M. Zhao et Z. Shi (Eds.), Proceedings - 2005 International Conference on Neural Network & Brain (ICNN&B'05), IEEE Press (ISBN 0-7803-9422-4), 5-8, 2005
Apolloni et al., 2005b: Apolloni Bruno, Iannizzi Domenico, Malchiodi Dario et Pedrycz WitoldGranular Regression, in B. Apolloni, M. Marinaro, G. Nicosia et R. Tagliaferri (Eds.), Neural Nets. 16th Italian Workshop on Neural Nets, WIRN 2005 and International Workshop on Natural and Artificial Immune Systems, NAIS 2005. Vietri sul Mare, Italy, June 2005, Springer, Lecture Notes in Computer Science 3931 (ISBN 3-540-33183-2), 2005
Apolloni et al., 2005c: Apolloni Bruno, Clivio Alberto, Bassis Simone, Gaito Sabrina et Malchiodi DarioAn Evolution Hypothesis of Bacterial Populations, in B. Apolloni, M. Marinaro, G. Nicosia et R. Tagliaferri (Eds.), Neural Nets. 16th Italian Workshop on Neural Nets, WIRN 2005 and International Workshop on Natural and Artificial Immune Systems, NAIS 2005. Vietri sul Mare, Italy, June 2005, Springer, Lecture Notes in Computer Science 3931 (ISBN 3-540-33183-2), 214-230, 2005
Apolloni et al., 2005d: Apolloni Bruno, Bassis Simone, Gaito Sabrina, Malchiodi Dario et Minora AlbertoComputing confidence intervals for the risk ofa SVM classifier through algorithmic inference, in B. Apolloni, M. Marinaro et R. Tagliaferri (Eds.), Biological and Artificial Intelligence Environments, Springer, 225-234, 2005
Apolloni et al., 2005e: Apolloni Bruno, Bassis Simone, Gaito Sabrina, Iannizzi Domenico et Malchiodi DarioLearning continuous functions through a new linear regression method, in B. Apolloni, M. Marinaro et R. Tagliaferri (Eds.), Biological and Artificial Intelligence Environments, Springer, 235-243, 2005
Apolloni et al., 2005f: Apolloni Bruno, Bassis Simone, Gaito Sabrina et Malchiodi DarioAppreciation of medical treatments through confidence intervals, in E. Biganzoli, P. Boracchi, P. Duca et E. Ifeachor (Eds.), Proceedings of the 1t European Workshop on the Assessment of Diagnostic Performance, RCE Edizioni (ISBN 88-8399-084-6), 165-174, 2005
Apolloni et al., 2004a: Apolloni Bruno, Brega Andrea, Malchiodi Dario et Mesiano CristianDetecting Driving Awareness, in J. Boulicaut, F. Esposito, F. Giannotti et D. Pedreschi (Eds.), Knowledge Discovery in Databases - PKDD 2004. 8th European Conference on Principles and Practice of Knowledge Discovery in Databases, Pisa, Italy, September 20-24, 2004. Proceedings, Berlin, Heidelberg: Springer, Lecture Notes in Artificial Intelligence 3202 (ISBN 3-540-23108-0), 528-530, 2004, demonstrating paper
Apolloni et al., 2004b: Apolloni Bruno, Malchiodi Dario et Mesiano CristianAn Attention Monitoring System for High Demanding Operational Tasks, in Proceedings of the 2004 IEEE International Conference on Computational Intelligence for Homeland Security and Personal Safety, IEEE Press (ISBN 0-7803-8381-8), 23-29, 2004, invited paper
Apolloni et al., 2003: Apolloni Bruno, Brega Andrea, Malchiodi Dario, Palmas Giorgio et Zanaboni Anna MariaLearning rule representations from boolean data, in O. Kaynak, E. Alpaydin, E. Oja et L. Xu (Eds.), Artificial Neural Networks and Neural Information Processing - ICANN/ICONIP 2003, Joint International Conference ICANN/ICONIP 2003, Istanbul, Turkey, June 26-29, 2003, Proceedings, Springer, Lecture Notes in Computer Science 2714, 875-882, 2003
Apolloni et al., 2003a: Apolloni Bruno, Bassis Simone, Brega Andrea, Gaito Sabrina, Malchiodi Dario et Zanaboni Anna MariaA man-machine human interface for a special device of the pervasive computing world, in A. Kameas et N. Streitz (Eds.), Proceedings of DC Tales: Tales of the Disappearing Computer, Santorini Greece, June 1-4, 2003, CTI Press (ISBN 960-406-461-4), 263-267, 2003
Apolloni et al., 2003b: Apolloni Bruno, Brega Andrea, Malchiodi Dario, Valcamonica Norberto et Zanaboni Anna MariaA symbolic description of the awareness state in car driving, in A. Kameas et N. Streitz (Eds.), Proceedings of DC Tales: Tales of the Disappearing Computer, Santorini Greece, June 1-4, 2003, CTI Press (ISBN 960-406-461-4), 93-96, 2003
Kasderidis et al., 2003: Kasderidis Stathis, Taylor John G., Tsapatoulis Nicolas et Malchiodi DarioDriving Attention to the Dangerous, in O. Kaynak, E. Alpaydin et E. Oja (Eds.), Artificial Neural Networks and Neural Information Processing - ICANN/ICONIP 2003, Joint International Conference ICANN/ICONIP 2003, Istanbul, Turkey, June 26-29, 2003, Proceedings, Springer, Lecture Notes in Computer Science 2714, 909-916, 2003
Apolloni et al., 2003c: Apolloni Bruno, Bassis Simone, Brega Andrea, Gaito Sabrina, Malchiodi Dario, Valcamonica Norberto et Zanaboni Anna MariaMonitoring of car driving awareness from biosignals, in B. Apolloni, M. Marinaro et R. Tagliaferri (Eds.), Neural Nets: 14th Italian Workshop on Neural Nets, WIRN VIETRI 2003, Vietri sul Mare, Italy, June 4-7, 2003, Springer, Lecture Notes in Computer Science 2859 (ISBN 3-540-20227-7), 269-277, 2003
Apolloni et al., 2003d: Apolloni Bruno, Bassis Simone, Gaito Sabrina et Malchiodi DarioCooperative games in a stochastic environment, in B. Apolloni, M. Marinaro et R. Tagliaferri (Eds.), Neural Nets: 14th Italian Workshop on Neural Nets, WIRN VIETRI 2003, Vietri sul Mare, Italy, June 4-7, 2003, Springer, Lecture Notes in Computer Science 2859 (ISBN 3-540-20227-7), 25-34, 2003
Apolloni and Malchiodi, 2002a: Apolloni Bruno et Malchiodi DarioNarrowing confidence interval width of PAC learning risk function by algorithmic inference, in On-line proceedings of the 7th International Symposium on Artificial Intelligence and Mathematics (Fort Lauderdale, USA, January 2-4 2002), 2002
Apolloni et al., 2002b: Apolloni Bruno, Malchiodi Dario, Orovas Christos et Zanaboni Anna MariaFuzzy Methods for Simplifying a Boolean Formula Inferred from Examples, in L. Wang, S. Halgamuge et X. Yao (Eds.), FSDK'02, Proceedings of the 1st International Conference on Fuzzy Systems and Knowledge Discovery: Computational Intelligence for the E-Age, November 18-22, 2002, Orchid Country Club, Singapore, Vol. 2, (ISBN 981-04-7520-9), 554-558, 2002, version étendue en [Apolloni et al., 2005]
Apolloni et al., 2002c: Apolloni Bruno, Bassis Simone, Malchiodi Dario et Gaito SabrinaCooperative games in a stochastic environment, in E. Damiani, R. Howlett, L. Jain et N. Ichalkaranje (Eds.), Knowledge-Based Intelligent Information Engineering Systems and Allied Technologies - KES 2002 (Proceedings of KES'2002: Sixth Internatinal Conference on Knowledge-Based Intelligent Information & Engineering Systems, Crema, Italy, September 18-19, 2002, Vol. 82, Amsterdam: IOS Press/Ohmsha, Frontiers in Artificial Intelligence and Applications (ISBN 1-58603-280-1), 296-300, 2002
Apolloni et al., 2002d: Apolloni Bruno, Malchiodi Dario, Gaito Sabrina et Zanaboni Anna MariaTwisting features with properties, in M. Marinaro et R. Tagliaferri (Eds.), Neural Nets WIRN Vietri-01: Proceedings of the 12th Italian Workshop on Neural Nets, Vietri sul Mare, Salerno, Italy, 17-19 May, 2001, Springer, Perspectives in Neural Computing (ISBN 1-85233-505-X), 301-312, 2002
Apolloni and Malchiodi, 2001a: Apolloni Bruno et Malchiodi DarioTwisting statistics with properties, in A. Morazevich, V. Levashenko, E. Zaitseva et N. Ichalkaranje (Eds.), Proceedings of ICINASTe 2001: Internatinal Conference on Information, Networks and System Technlogies (Minsk, Belarus, October 2-4, 2001), Minsk: BSEU (ISBN 985-426-692-3), 48-56, 2001
Apolloni et al., 2000: Apolloni Bruno, Malchiodi Dario, Orovas Christos et Palmas GiorgioFrom synapses to rules, in Workshop notes of ECAI 2000: European Conference on Artificial Intelligence - Workshop of connectionist-symbolic integration: representation, paradigm and algorithms (Berlin, Germany, 2000), 2000

Chapitres dans livres

Bellettini et al., 2020: Bellettini Carlo, Lonati Violetta, Malchiodi Dario, Monga Mattia et Morpurgo AnnaAlgomotricità: manipolare i fondamenti dell'Informatica, in et E. Nardelli (Ed.), Coding e oltre: l'informatica nella scuola, Chapter , Liscianilibri (ISBN 978-8892810426), 2020
Bellettini et al., 2015: Bellettini Carlo, Lonati Violetta, Malchiodi Dario, Monga Mattia, Morpurgo Anna et Pedersini FedericoLa formazione degli insegnanti della classe 42/A – Informatica: l'esperienza dell'Università degli Studi di Milano, in et A. Labella (Ed.), E questo tutti chiamano Informatica, Chapter 4, Sapienza Università Editrice (ISBN 978-88-98533-63-3), 53–76, 2015
Apolloni et al., 2005g: Apolloni Bruno, Brega Andrea, Malchiodi Dario, Orovas Christos et Zanaboni Anna MariaA Fuzzy Method for Learning Simple Boolean Formulas from Examples, in S. Halgamuge et L. Wang (Eds.), Computational Intelligence for Modelling and Prediction, Chapter 26, Springer, Studies in Computational Intelligence, Vol. 2 (ISBN 3-540-26071-4), 367-382, 2005, version étendue de [Apolloni et al., 2002]
Apolloni et al., 2002e: Apolloni Bruno, Bassis Simone, Gaito Sabrina et Malchiodi DarioStatistical bases for learning, in B. Apolloni et F. Kurfess (Eds.), From synapses to rules. Discovering symbolic rules from neural processed data, Chapter 1, New York: Kluwer Academic/Plenum Publishers (ISBN 0-306-47402), 5-40, 2002
Apolloni et al., 2002f: Apolloni Bruno, Gaito Sabrina, Iannizzi Domenico et Malchiodi DarioLearning regression functions, in B. Apolloni et F. Kurfess (Eds.), From synapses to rules. Discovering symbolic rules from neural processed data, Chapter 3, New York: Kluwer Academic/Plenum Publishers (ISBN 0-306-47402), 61-73, 2002
Apolloni et al., 2002g: Apolloni Bruno, Bassis Simone, Gaito Sabrina et Malchiodi DarioCooperative games in a stochastic environment, in B. Apolloni et F. Kurfess (Eds.), From synapses to rules. Discovering symbolic rules from neural processed data, Chapter 4, New York: Kluwer Academic/Plenum Publishers (ISBN 0-306-47402), 75-86, 2002
Apolloni et al., 2002h: Apolloni Bruno, Malchiodi Dario, Orovas Christos et Zanaboni Anna MariaFuzzy methods for simplifying a Boolean formula inferred from examples, in B. Apolloni et F. Kurfess (Eds.), From synapses to rules. Discovering symbolic rules from neural processed data, Chapter 7, New York: Kluwer Academic/Plenum Publishers (ISBN 0-306-47402), 117-128, 2002
Apolloni et al., 2002i: Apolloni Bruno, Gaito Sabrina et Malchiodi DarioLearning and checking confidence regions for the hazard function of biomedical data, in B. Apolloni et F. Kurfess (Eds.), From synapses to rules. Discovering symbolic rules from neural processed data, Chapter 13, New York: Kluwer Academic/Plenum Publishers (ISBN 0-306-47402), 251-260, 2002

Thèses

Malchiodi, 2000: Malchiodi DarioAlgorithmic approach to the statistical inference of non-Boolean function classes, Università degli Studi di Milano, 2000, PhD thesis in Computational Mathematics and Operations Research
Malchiodi, 1996: Malchiodi DarioAlgoritmi di apprendimento per reti neurali non standard, Università degli Studi di Milano, 1996, MSc thesis in Computer Science (in Italian)

Logiciel

Malchiodi, 2010a: Malchiodi Darioyaplf: yet another python learning framework, python library, 2010
Malchiodi et al., 2009b: Malchiodi Dario, Bassis Simone et Valerio LorenzosvMathematica: a Mathematica package for SV classification and regression, Wolfram Mathematica library, 2009
Malchiodi, 2006a: Malchiodi DarioThe Mathematica neosAPI package, Wolfram Mathematica library, 2006
Malchiodi, 2006b: Malchiodi DarioxmlRpc: remotely executing code within Mathematica, Wolfram Mathematica library, 2006
Malchiodi, 2006c: Malchiodi DarioA Mathematica bae64 package, Wolfram Mathematica library, 2006

Autres publications

Lissoni et al., 2015: Lissoni Angelo, Lonati Violetta, Malchiodi Dario, Monga Mattia, Morpurgo Anna, Repetto Lorenzo et Torelli MauroVII Kangourou dell'informatica 2014-2015, Edizioni Kangourou Italia (ISBN 978-88-89249-41-3), 2015
Lissoni et al., 2014: Lissoni Angelo, Lonati Violetta, Malchiodi Dario, Monga Mattia, Morpurgo Anna, Repetto Lorenzo et Torelli MauroVI Kangourou dell'Informatica 2013--2014, Edizioni Kangourou Italia (ISBN 9788889249376), 2014
Lissoni et al., 2013: Lissoni Angelo, Lonati Violetta, Malchiodi Dario, Monga Mattia, Morpurgo Anna et Torelli MauroV Kangourou dell'Informatica 2012--2013. Testi, soluzioni e commenti, Edizioni Kangourou Italia (ISBN 978-88-89249-34-5), 2013
Lissoni et al., 2012: Lissoni Angelo, Lonati Violetta, Malchiodi Dario, Monga Mattia, Morpurgo Anna et Torelli MauroKangourou dell'Informatica 2012, Edizioni Kangourou Italia (ISBN 9788889249307), 2012

Organisation d'activités éditoriales et scientifiques

Organization de conférences

2017 > 2023: Membre du comité de programme de DSIR: International Conference on Data Science and Institutional Research
2017: Membre du comité d'organisation locale du 2017 Bebras international workshop
2017: Membre du comité d'organisation locale de 21st Century Strategies to Tackle Early School Leaving
2009 > 2015: Membre du comité scientifique du Mathematica Italia User Group Meeting
2012: Membre du comité d'organisation locale du Italian Agile Day 2012
2011: Membre du comité d'organisation de INFOCULT 2011
2011: Membre du comité de programme de KES2011
2010: Membre du comité de programme de ECML PKDD 2010 (European Conference on Machine Learning / Principles and Practice of Knowledge Discovery in Databases)
2010: Membre du comité d'organization du Mathematica Italia User Group Meeting
2008: Membre du comité technique de WCCI2008
2007: Membre du comité de programme de WIRN 2007/KES2007
2006: Collaboration dans l'organization de CISI2006: Conferenza Italiana sui Sistemi Itelligenti
2003: Collaboration dans l'organization de WIRN2003 (XIV Workshop Italiano Reti Neurali)

Tutoriels, workshops, panels et sessions spéciales

2023: Chair de la session CLASSIFICATION / SECURITY / ETHOLOGY, dans EANN2023
2018: Speaker dans la table ronde Zadeh and the Future of Fuzzy Logic, dans WILF2018
2018: Chair de la session Computational systems for modelling biological processes, dans IWBBIO2017
2013: Speaker dans le panel Computational Intelligence Methods for Big Data Analysis, dans WILF2013
2007: Chair de la session spéciale Learning from uncertain data, dans KES2007/WIRN2007
2006: Co-chair du workshop New paradigms in hybrid learning systems, dans la International Conference on Hybrid Systems and Applications
2005: Tutorial Statistical bases of Machine Learning, dans IDA 2005: Sixth International Symposium on Intelligent Data Analysis
2005: Tutorial Statistical bases of Machine Learning, dans HIS'05: Fifth International Conference on Hybrid Intelligent Systems
2004: Tutorial Statistical approaches used in Machine Learning, dans la 15th European Conference on Machine Learning and 8th European Conference on Principles and Practice of Knowledge Discovery in Databases
2004: Tutorial Statistical approaches used in Machine Learning dans la 15th International Conference on Algorithmic Learning Theory
2004: Tutorial Statistical methods for biomedical data processing dans le XV Workshop Italiano Reti Neurali (WIRN2004)

Membre de comité de rédaction de revues internationales

2008 >: International Journal of Computational Intelligence Studies
2010 > 2018: Mathematics and Computers in Simulation
2010 > 2014: Intelligent decision technologies

Révisions pour revues, conférences et projets

Revues

Conférences

CSTST: International Conference on Soft Computing as Transdisciplinary Science and Technology (2008)
DSIR: International Conference on Data Science and Institutional Research ( 2017 , 2018 , 2019 , 2021 , 2022 , 2023 )
FUN: International Conference on Fun with Algorithms (2010)
HIS: International Conference on Hybrid Intelligent Systems (2005)
ICANN/ICONIP: Joint 13th International Concerence on Artificial Neural Networks and 10th International Conference on Information Processing (2003)
ICTAI: IEEE International Conference on Tools with Artificial Intelligence (2007)
IJCNN: IEEE International Joint Conference on Neural Networks ( 2004 , 2003 , 2002)
IPMU: Information Processing and Management of Uncertainty in Knowledge-Based Systems (2022)
ISSEP: International Conference on informatics in Schools. Situation, Evolution and Perspectives and Automation (2019)
IWBBIO: International Work-Conference on Bioinformatics and Biomedical Engineering and Automation (2017)
KES: International Conference on Knowledge-Based and Intelligent Information & Engineering Systems (2013, 2009, 2008, 2007)
NAIS05: International Workshop on Natural and Artificial Immune Systems ( 2005 )
SOFSEM: International Conference on Current Trends in Theory and Practice on Computer Science (2008)
STACS2003: 20th International Symposium on Theoretical Aspects of Computer Science ( 2003 )
The Web Conference (2022)
WCCI: IEEE World Congress on Computational Intelligence ( 2008 )
WCICA: IEEE World Congress on Intelligent Control and Automation (2016)
WIRN: Italian Workshop on Neural Networks (2014, 2013, 2008, 2007, 2005, 2004, 2003, 2002)

Projets

2022: PhD program – Università degli Studi di Palermo (réviseur)
2021: Research funding scheme A 2020/21 – Université de Mauritius (réviseur)
2019: Research funding scheme B 2019/20 – Université de Mauritius (réviseur)
2019: Bando straordinario per progetti interdipartimentali (SEED) – Université de Milan (réviseur)
2014: SIR 2014 (Scientific Independence of young Researchers) – Ministère Italien pour l'education, l'université et la recherche (réviseur et rapporteur)

Autres activités

2009: Conception du site Web de l'Association Italienne des Enseignants Universitaires d'Informatique (GRIN)
2006: Conception du site web de la Société Italienne pour les Résaux de Neurones

Enseignements

Activités courantes

2020-21 > 2023-24: Algorithmes pour megadonnées (DSE), Master en Data science and economics, Università degli Studi di Milano (20 heures, 3 crédits) – en anglais
2019-20 > 2023-24: F94-156: Algorithmes pour megadonnées, Master en Informatique, Università degli Studi di Milano (48 heures, 6 crédits) – en anglais
2015-16 > 2023-24: F1X-97: Statistique et analyse des données, Licence en Informatique, Università degli Studi di Milano (60 heures, 6 crédits) – 48 heures jusqu'au 2016/17 (en commun avec les licences en Informatique pour la communication numérique et en Informatique musicale), 60 heures à partir du 2017/18

Activités passées

Cours pour Licences et Masters

2023-24: R18-120: Deep learning in bioinformatics, Doctorat en Informatique, Università degli Studi di Milano (4 heures) – en anglais
2023-24: R18-124: Efficacy and efficiency evaluation of machine learning models, Doctorat en Informatique, Università degli Studi di Milano (10 heures) – en anglais
2019-20 > 2021-22: M335: Programmation pour l'analyse des données, DUT en Statistique et informatique décisionnelle, Université de la Côte d'Azur (20 heures) – en français
2019-20: R18-68: Architectural patterns for distributed machine learning applications, Doctorat en Informatique, Università degli Studi di Milano (4 heures) – en anglais
2014-15 > 2019-20: F94-124: Pedagogie de l'informatique, Master en Informatique, Università degli Studi di Milano (16 heures, 2 crédits)
2012-13 > 2018-19: F94-80: Analyse de megadonnées, Master en Informatique, Università degli Studi di Milano (48 heures, 6 crédits)
2018-19: M4103C: Bases des données avancées, DUT en Statistique et informatique décisionnelle, Université de la Côte d'Azur (38 heures) – en français
2018-19: M4101: Data mining, DUT en Statistique et informatique décisionnelle, Université de la Côte d'Azur (18 heures) – en français
2017-18: R18-40: Analyse de données multidimensionnelles, Doctorat en Informatique, Università degli Studi di Milano (10 heures) – en anglais
2006-07 > 2016-17: F94-12: Simulation, Master en Informatique, Università degli Studi di Milano (24 heures, 3 crédits) – édition annuelle jusqu'au 2008/09 et tous les deux ans à partir du 2012/13
2015-16: R18-15: Analytique et technologies pour les mégadonnées, Doctorat en Informatique, Università degli Studi di Milano (6 heures) – en anglais
2015-16: B62-59: Big data and digital methods, Master Communication publique et d'entreprise, Università degli Studi di Milano (40 heures, 3 crédits) – en anglais
2011-12 > 2015-16: F4Y-72: Programmation 3, Master en Mathématique, Università degli Studi di Milano (21 heures, 3 crédits) – tous les deux ans
2010-11 > 2014-15: F3X-34: Systèmes d'exploitation, Licence en Informatique musicale, Università degli Studi di Milano (48 heures, 6 crédits) – entre 2011/12 et 2013/14 valable aussi pour la licence en Communication numérique, dans le 2014/15 valable aussi pour la licence en Informatique pour la communication numérique
2011-12: F3X-36: Programmation 1, Licence en Informatique musicale, Università degli Studi di Milano (72 heures, 9 crédits)
2010-11: F1Y-35: Génie logiciel, Master en Informatique pour la communication, Università degli Studi di Milano (48 heures, 6 crédits)
2003-04 > 2009-10: F2X-54: Laboratoire de programmation 1, Licence en Informatique musicale, Università degli Studi di Milano (48 heures, 3 crédits)
2006-07 > 2009-10: F88011: Systèmes pour l'élaboration de l'information 2, Master en Mathématique, Università degli Studi di Milano (24 heures, 4 crédits)
2002-03 > 2005-06: Bases théoriques de l'apprentissage, Master en Sciences cognitives, Université Victor Segalen Bordeaux 2 (10 heures) – cours organisé en 2002/03 et en 2005/06
2003-04 > 2004-05: Informatique, Licence Enseignement Education Formation, Università degli Studi di Milano (40 heures, 3 crédits)
2003-04 > 2004-05: Informatique, Licence en Logopédie, Università degli Studi di Milano (30 heures)

Cours et conférences pour doctorat et écoles supérieures

2018-19: M39-16: Programmation pour la bioinformatique et la science des donées, Cours de spécialisation en Bioinformatique et génomique fonctionnelle, Università degli Studi di Milano (12 heures) – en anglais
2018-19: M39-11: Algorithmes et organisation des données en bioinformatique, Cours de spécialisation en Bioinformatique et génomique fonctionnelle, Università degli Studi di Milano (10 heures) – en anglais
2018-19: M39-14: Intégration et visualisation des données, Cours de spécialisation en Bioinformatique et génomique fonctionnelle, Università degli Studi di Milano (2 heures) – en anglais
2016-17 > 2017-18: Data science seminars, Master en Informatique (EIT Digital data science), Université de la Côte d'Azur (6 heures) – en anglais
2017-18: M40-2: Introduction à R et python, Cours de spécialisation en Science des données pour l'économie, le business et la finance, Università degli Studi di Milano (10 heures)
2017-18: 91A-4: Informatique appliquée aux études cliniques, Cours de spécialisation Gestion des études cliniques en oncologie et hémato-oncologie, Università degli Studi di Milano (12 heures)
2017-18: M40-10: Élaboration distribuée et parallèle, Cours de spécialisation en Science des données pour l'économie, le business et la finance, Università degli Studi di Milano (20 heures)
2014-15: A42-4: Pédagogie de la programmation, Cours de spécialisation en pédagogie de l'informatique, Università degli Studi di Milano (18 heures)
2013-14: P42-5: Pédagogie de l'informatique, Cours de spécialisation en pédagogie de l'informatique, Università degli Studi di Milano (16 heures)
2012-13: A4205: Stratégies d'enseignement pour laboratoire de systèmes d'exploitation et de réseaux, Cours de spécialisation en pédagogie de l'informatique, Università degli Studi di Milano (14 heures)
2006-07: Laboratoire d'élaboration symbolique, Course pour la spécialisation des enseignants du supérieur, Università degli Studi di Milano (20 heures)
2004-05: Introduction à Mathematica, Doctorat en Informatique, Università degli Studi di Milano (10 heures)
2001-02: From synapses to rules - discovering symbolic rules from neural processed data , International School on Neural Networks "E. R. Caianiello", 6th course (4 heures) – cours en langue anglaise
2001-02: From synapses to rules - discovering symbolic rules from neural processed data , TMR-EC International School on Computational Learning (4 heures) – cours en langue anglaise financé dans le 4me programme cadre EC

Conférences et exercices dans cours universitaires

2004/05: Exercices pour le cours de probabilité et statistique, Licence en Informatique, Università degli Studi di Milano (20 heures)
2000/01 > 2003/04: Conférences dans le cours de Réseaux des neurones, Master en Informatique, Università degli Studi di Milano (4 heures)
2000/01 > 2003/04: Conférences dans le cours de Probabilité et Statistique, Licence en Informatique, Università degli Studi di Milano
1998/99: Exercices pour le cours de Probabilité et Statistique, Licence en Informatique, Università degli Studi di Milano Bicocca

Conférences dans programmes de formation professionelle

2007/08: Développement des systèmes informatiques, Società Italiana Arti e Mestieri (44 heures)
2004/05: Communication scientifique, Università degli Studi di Milano (4 heures)
2002/03 > 2003/04: Systèmes intelligents pur le calcul symbolique, Università degli Studi di Milano (6 heures)
1999/00 > 2000/01: Programmation en Visual Basic, CIAM (120 heures)

Autres activités éducatives

2003/04 > 2004/05: Organization du cours professionel Systèmes intelligents pur le calcul symbolique, financé par le projet FSE, Università degli Studi di Milano
2002: Organization du cours From Synapses to rules – discovering symbolic rules from neural processed data, International School on Neural Networks "E. R. Caianiello", 6th course

Thèses supervisées comme rapporteur ou co-rapporteur

Andrea Yachaya, Analisi della correlazione tra eventi all'interno di un SOC, Laurea in Informatica, Università degli Studi di Milano, 2022/23 (Superviseur)
Antonio Belotti, Algoritmi di classificazione basati su vettori di supporto per la produzione di modelli succinti, Laurea magistrale in Informatica, Università degli Studi di Milano, 2022/23 (Superviseur)
Beatrice Gheli, Integrazione di dati clinici e omici per predizioni in ambito medico, Laurea in Informatica, Università degli Studi di Milano, 2022/23 (Co-superviseur)
Claudio Garanzini, Tecniche di data engineering e algoritmi di apprendimento in ambito veterinario, Laurea in Informatica, Università degli Studi di Milano, 2022/23 (Superviseur)
Davide Raimondi, Studio e progettazione di un'architettura orientata ai servizi per la creazione di una Data Mesh, Laurea magistrale in Informatica, Università degli Studi di Milano, 2022/23 (Superviseur)
Elena Valentina Serbu, Pipeline Reengineering and Optimization -- Rethinking ETL using Pyspark, Laurea magistrale in Data Science for Economics, Università degli Studi di Milano, 2022/23 (Superviseur)
Elia Covino, Analisi comparativa di Filtri di Bloom appresi, Laurea in Informatica per la Comunicazione Digitale, Università degli Studi di Milano, 2022/23 (Superviseur)
Gianmarco Lodi, Development of a Manufacturing-focused Cloud Data platform using Snowflake, Laurea magistrale in Informatica, Università degli Studi di Milano, 2022/23 (Superviseur)
Lorenzo Polli, Data-driven techniques as a support for customer needs understanding and in-store product placement: the Iper La Grande I case study, Laurea magistrale in Data Science for Economics, Università degli Studi di Milano, 2022/23 (Superviseur)
Loris Bartesaghi, Design and development of a music recommendation system based on Markov Chains, Laurea magistrale in Data Science for Economics, Università degli Studi di Milano, 2022/23 (Co-superviseur)
Luca Bertoletti, E-commerce insights: analyzing customer reviews through LDA topic modeling and association rules, Laurea magistrale in Data Science for Economics, Università degli Studi di Milano, 2022/23 (Superviseur)
Marco Lassandro, Tecniche di regressione per problemi di medicina forense, Laurea magistrale in Informatica, Università degli Studi di Milano, 2022/23 (Superviseur)
Massimo Frasson, Support Vector Anomaly Detection in Federated Learning, Laurea magistrale in Informatica, Università degli Studi di Milano, 2022/23 (Superviseur)
Mattia Paravisi, Security analysis of cryptographic algorithms: hints from machine learning, Laurea magistrale in Informatica, Università degli Studi di Milano, 2022/23 (Co-superviseur)
Nicola Manca, Evaluating online and batch machine learning models in production, Laurea magistrale in Informatica, Università degli Studi di Milano, 2022/23 (Superviseur)
Sara Caiello, Uso di tecniche di machine learning per dati sbilanciati in ambito veterinario, Laurea in Informatica, Università degli Studi di Milano, 2022/23 (Co-superviseur)
Stefano De Filippis, The importance of marketing channels: attribution models and forecasts, Laurea magistrale in Data Science for Economics, Università degli Studi di Milano, 2022/23 (Superviseur)
William Biondi, Recommendation system for the fashion industry: a semantic approach, Laurea magistrale in Data Science for Economics, Università degli Studi di Milano, 2022/23 (Superviseur)
Alesia Sommariva, Online machine learning models for a scalable streaming machine learning platform, Laurea magistrale in Informatica, Università degli Studi di Milano, 2021/22 (Superviseur)
Alessandro Beranti, Metodi per la classificazione automatica di pazienti con long-COVID, Laurea magistrale in Informatica, Università degli Studi di Milano, 2021/22 (Co-superviseur)
Alessandro Di Gioacchino, Tecniche di one-class classification per la classificazione di reperti archeologici, Laurea in Informatica, Università degli Studi di Milano, 2021/22 (Co-superviseur)
Ali Rafiei, Towards computer vision-based natural language processing, Laurea magistrale in Informatica, Università degli Studi di Milano, 2021/22 (Superviseur)
Francesca Fazio, Predizione della mortalità in ambito veterinario tramite algoritmi di apprendimento supervisionato, Laurea in Informatica, Università degli Studi di Milano, 2021/22 (Co-superviseur)
Gabriele Garavelli, Implementazione e analisi di estensioni partizionate di Filtri di Bloom appresi, Laurea in Informatica, Università degli Studi di Milano, 2021/22 (Superviseur)
Giulio Lodi, Software architecture for deployment of machine learning models in distributed and reactive environments, Laurea Magistrale in Informatica, Università degli Studi di Milano, 2021/22 (Superviseur)
Ivan Mazzon, Classificazione multitask di etichette in gradi mediante reti di Hopfield, Laurea in Informatica, Università degli Studi di Milano, 2021/22 (Co-superviseur)
Jaspreet Kaur, Bringing natural language processing in the legal domain: state of the art and evolution of Q&A, Laurea magistrale in Informatica, Università degli Studi di Milano, 2021/22 (Superviseur)
Laura Luperto, Metodi ensable per l'analisi di dati omici, Laurea in Informatica, Università degli Studi di Milano, 2021/22 (Superviseur)
Lucia Anna Mellini, Scelta della popolazione iniziale nel problema di compressione di grafi tramite algoritmi genetici, Laurea in Informatica, Università degli Studi di Milano, 2021/22 (Superviseur)
Ruben Popper, Image segmentation and fashion item recognition for luxury brands, Laurea magistrale in Data Science and Economics, Università degli Studi di Milano, 2021/22 (Superviseur)
Alessia Cecere, Apprendimento di insiemi fuzzy nell'ambito del Web semantico, Laurea in Informatica, Università degli Studi di Milano, 2020/21 (Superviseur)
Andrea Marconi, Tecniche di machine learning per la rilevazione di comportamenti anomali in ambito finanziario e anti-riciclaggio, Laurea Magistrale in Informatica, Università degli Studi di Milano, 2020/21 (Superviseur)
Carlos Jordanco Menendez Terrones, Parallelizzazione di algoritmi genetici per la compressione di grafi, Laurea in Informatica, Università degli Studi di Milano, 2020/21 (Co-superviseur)
Davide Gavio, Towards semantic powered insight engines, Laurea Magistrale in Informatica, Università degli Studi di Milano, 2020/21 (Superviseur)
Davide Raimondi, Tecniche supervisionate per l'apprendimento di filtri di Bloom, Laurea in Sicurezza dei sistemi e delle reti informatiche, Università degli Studi di Milano, 2020/21 (Co-superviseur)
Eleonora Di Pierro, Induzione di insiemi fuzzy per la predizione della mortalità in ambito veterinario, Laurea in Informatica, Università degli Studi di Milano, 2020/21 (Superviseur)
Giacomo Fumagalli, Sulla sinergia tra apprendimento automatico e filtri di Bloom, Laurea in Informatica, Università degli Studi di Milano, 2020/21 (Superviseur)
Giacomo Intagliata, Implementazione e confronto di algoritmi di ottimizzazione per l'apprendimento di insiemi fuzzy, Laurea in Informatica, Università degli Studi di Milano, 2020/21 (Superviseur)
Ivan Lamperti, Data pipeline monitoring through machine learning, Laurea Magistrale in Informatica, Università degli Studi di Milano, 2020/21 (Superviseur)
Laura Elena Ciurca, Data science for cybersecurity: a machine learning approach for detecting brute force attacks, Laurea Magistrale in Data Sciencei and Economics, Università degli Studi di Milano, 2020/21 (Co-superviseur)
Luca Fumagalli, Metodi di deep learning per la predizione di siti di missplicing nel genoma umano, Laurea Magistrale in Informatica, Università degli Studi di Milano, 2020/21 (Co-superviseur)
Marco Cavallari, Modelli di previsione del rischio di mortalità per pazienti COVID Laurea in Informatica, Università degli Studi di Milano, 2020/21 (Co-superviseur)
Marco Zuccolo, Migrazione di un sistema di integrazione dati da IBM DB2 mainframe a Microsoft SQL server in cloud, Laurea in Informatica, Università degli Studi di Milano, 2020/21 (Superviseur)
Pietro Scuttari, Tecniche di machine learning per la classificazione di reperti archeologici, Laurea in Informatica, Università degli Studi di Milano, 2020/21 (Co-superviseur)
Samuel Cestola, Induzione di regole per la classificazione in ambito oncologico, Laurea in Informatica, Università degli Studi di Milano, 2020/21 (Superviseur)
Samuele Beliusse, Conversione di random forest in alberi associativi, Laurea in Informatica, Università degli Studi di Milano, 2020/21 (Co-superviseur)
Alessandra Saitta, Applicazione di algoritmi di apprendimento per la riqualificazione delle aree dismesse nelle regioni italiane, Laurea Magistrale in Informatica, Università degli Studi di Milano, 2019/2020 (Superviseur)
Alessia Lombarda, Confronto tra approcci basati su clustering e SVM nell'induzione di insiemi fuzzy, Laurea in Informatica, Università degli Studi di Milano, 2019/2020 (Co-superviseur)
Andrea Adami, Design and implementation of recommender systems for luxury brands, Laurea Magistrale in Data Science for Economics, Università degli Studi di Milano, 2019/2020 (Superviseur)
Andrea Ferretti, Applying online deep learning in a streaming data platform, Laurea magistrale in Informatica, Università degli Studi di Milano, 2019/2020 (Superviseur)
Cristian Dall'Ozzo, Compressione di grafi tramite algoritmi genetici, Laurea in Informatica, Università degli Studi di Milano, 2019/2020 (Co-superviseur)
Gabriele Cerizza, Induzione di shadowed set tramite tecniche di one-class clustering, Laurea in Informatica, Università degli Studi di Milano, 2019/2020 (Superviseur)
Giovanni Laganà, Rilevazione di fake news basata sull'induzione di insiemi fuzzy, Laurea magistrale in Informatica, Università degli Studi di Milano, 2019/2020 (Superviseur)
Gregorio Ghidoli, Compressione di reti neurali mediante quantizzazione probabilistica, Laurea in Informatica, Università degli Studi di Milano, 2019/2020 (Co-superviseur)
Isabella Cadisco, Confronto tra algoritmi per l'induzione di insiemi fuzzy, Laurea in Informatica per la comunicazione digitale, Università degli Studi di Milano, 2019/2020 (Co-superviseur)
Manuel Dileo, Induzione di insiemi fuzzy in ambito medico-legale, Laurea in Informatica, Università degli Studi di Milano, 2019/2020 (Superviseur)
Marco Ghezzi, Apprendimento dell'indice PGM tramite reti neurali, Laurea in Informatica, Università degli Studi di Milano, 2019/2020 (Co-superviseur)
Mario Petruccelli, Uso di reti neurali per la classificazione di dati in problemi di medicina legale, Laurea in Informatica, Università degli Studi di Milano, 2019/2020 (Superviseur)
Mauro Mastrapasqua, Analisi della mobilità nel Comune di Milano su dati di servizi di navigazione, Laurea in Sicurezza dei sistemi e delle reti informatiche, Università degli Studi di Milano, 2019/2020 (Co-superviseur)
Rita Folisi, Confronto tra approcci basati su nearest neighbour e reti neurali nell'induzione di insiemi fuzzy, Laurea in Informatica, Università degli Studi di Milano, 2019/2020 (Superviseur)
Simone Quadrelli, Forecasting the occupation of parking slots at Malpensa Airport: a comparison of parametric and machine learning approaches, Laurea magistrale in Data science for economics, Università degli Studi di Milano, 2019/2020 (Co-superviseur)
Stefano Dell'oca, Studio dell'effetto di metodi di data augmentation per la classificazione di dati medici, Laurea in Informatica per la comunicazione digitale, Università degli Studi di Milano, 2019/2020 (Co-superviseur)
Alessio Petralia, Induzione di fuzzy set: una rassegna, Laurea in Informatica per la comunicazione digitale, Università degli Studi di Milano, 2018/2019 (Co-superviseur)
Alessandro Beranti, Analisi di dati per problemi di medicina legale, Laurea in Informatica, Università degli Studi di Milano, 2018/19 (Superviseur)
Filippo Vajana, Progettazione e implementazione di misure di affidabilità per problemi di deep learning, Laurea magistrale in Informatica, Università degli Studi di Milano, 2018/19 (Superviseur)
Giosuè Marinò, Compressione di reti neurali multistrato mediante tecniche di binarizzazione, Laurea in Informatica, Università degli Studi di Milano, 2018/19 (Superviseur)
Leonardo Medici, Analisi e perfezionamento di modelli per la valutazione dell'empatia, Laurea magistrale in Informatica, Università degli Studi di Milano, 2018/19 (Superviseur)
Marco Riva, Making a Time-Series Database "smart": human and machine communication towards conversational analytics, Laurea in Informatica, Università degli Studi di Milano, 2018/19 (Superviseur)
Paolo Galli, Apprendimento e compressione di strutture dati indicizzate, Laurea in Informatica, Università degli Studi di Milano, 2018/19 (Superviseur)
Salvatore Caramazza, Analisi di dati tramite induzione di insiemi fuzzy, Laurea in Informatica, Università degli Studi di Milano, 2018/19 (Superviseur)
Tommaso Amadori, Riconoscimento di volti tramite insiemi fuzzy, Laurea in Informatica, Università degli Studi di Milano, 2018/19 (Superviseur)
Moris Doratiotto, Algoritmi di compressione per reti neurali, Laurea in Informatica, Università degli Studi di Milano, 2017/2018 (Superviseur)
Ettore Tancredi Galante, Deep Neural Networks for Learned Indexes Data Structures, Laurea in Informatica, Università degli Studi di Milano, 2017/18 (Co-superviseur)
Daniele Tria, Delivering online Machine Learning in real-time predictive systems relying on open source distributed streaming processors, Laurea magistrale in Informatica, Università degli Studi di Milano, 2017/18 (Superviseur)
Elvis Nava, SV-based regression techniques for survival analysis: a case study on veterinary data, Laurea in Informatica, Università degli Studi di Milano, 2017/18 (Superviseur)
Francesco Cuccio, Progettazione e realizzazione di un webservice restful per la classificazione di brevi testi in real time mediante l'utilizzo di algoritmi di supervised learning, Diploma universitario in Informatica, Università degli Studi di Milano, 2017/18 (Superviseur)
Giovanni Milani, Progettazione e sviluppo di un'applicazione Web per la raccolta e l'analisi di dati a fini commerciali tramite tecnologia NFC, Laurea triennale in Informatica, Università degli Studi di Milano, 2017/18 (Superviseur)
Giuseppe Crinò, Progettazione di reti neurali robuste rispetto alla tecnica di adversarial examples, Laurea in Informatica, Università degli Studi di Milano, 2017/18 (Superviseur)
Luca Cermenati, Apprendimento simultaneo di fuzzy set, Laurea magistrale in Informatica, Università degli Studi di Milano, 2017/18 (Superviseur)
Simone Quadrelli, Graph-based semisupervised learning algorithms in bioinformatics, Laurea triennale in Informatica, Università degli Studi di Milano, 2017/18 (Co-superviseur)
Ameni Bouaziz, Méthodes d'apprentissage interactif pour la classification des messages courts, École Doctorale Sciences et Technologies de l'Information et de la Communication, Université de Nice - Sophia Antipolis, 2017 (examinateur)
Andrea Cerruti, Interfacciamento di sistemi informativi in ambito real estate, Laurea in Comunicazione Digitale, Università degli Studi di Milano, 2016/17 (Superviseur)
Federica Previ, Utilizzo di tecniche di apprendimento automatico per l'analisi di dati in ambito veterinario, Laurea in Informatica, Università degli Studi di Milano, 2016/17 (Co-superviseur)
Francesco Frontera, Implementazione di una libreria per la valutazione di modelli di Machine Learning in real-time streaming, Laurea in Informatica musicale, Università degli Studi di Milano, 2016/17 (Superviseur)
Leonardo Medici, Utilizzo di support vector machine per l’analisi di dati in ambito veterinario, Laurea in Informatica, Università degli Studi di Milano, 2016/17 (Superviseur)
Simone Colombo, Progettazione di un framework multi-linguaggio per la gestione di esercitazioni basato su notebook, Laurea in Comunicazione Digitale, Università degli Studi di Milano, 2016/17 (Superviseur)
Andrea Formica, Progettazione e realizzazione di percorsi didattici di informatica musicale per studenti delle scuole secondarie, Laurea in Informatica Musicale, Università degli Studi di Milano, 2015/16 (Superviseur)
Cristiano Aitis, Analisi finanziarie anti-riciclaggio basate su algoritmi di apprendimento bayesiani, Laurea Magistrale in Informatica, 2015/16 (Superviseur)
Dario Filippini, Progettazione e implementazione di linguaggi di programmazione e metodologie didattiche attive per l'insegnamento della notazione musicale nelle scuole primarie, Laurea in Informatica Musicale, Università degli Studi di Milano, 2015/16 (Co-superviseur)
Davide Melchiorre, Progettazione e realizzazione di un framework per la gestione di esercitazioni basato su jupyter, Laurea in Comunicazione Digitale, Università degli Studi di Milano, 2015/16 (Superviseur)
Edoardo Trotta, A deep learning framework for rhythmical patterns generation, Laurea in Informatica Musicale, Università degli Studi di Milano, 2015/16 (Superviseur)
Enrico Taglietti, Progettazione e sviluppo di software per la fidelizzazione di clienti in ambito bancario, Laurea in Comunicazione digitale, Università degli Studi di Milano, 2015/16 (Superviseur)
Fabio Lipreri, Tecniche di analisi esplorativa per la ricerca di pattern in reti biomolecolari, Laurea in Informatica, Università degli Studi di Milano, 2015/16 (Superviseur)
Germana Natalia La Rocca, Sviluppo di un percorso didattico sui sistemi concorrenti per la scuola, Laurea Magistrale in Informatica, Università degli Studi di Milano, 2015/16 (Co-superviseur)
Luca Favalli, Algoritmi di apprendimento basati su macchine di Boltzmann ristrette, Laurea in Informatica, Università degli Studi di Milano, 2015/16 (Superviseur)
Marco Forlivesi, Ottimizzazione blackbox di funzioni computazionalmente onerose, Laurea Magistrale in Informatica, Università degli Studi di Milano, 2015/16 (Co-superviseur)
Marco Gibelli, Progettazione e implementazione di software per laboratori di informatica interattivi per studenti delle scuole secondarie, Laurea in Comunicazione Digitale, Università degli Studi di Milano, 2015/16 (Superviseur)
Michelangelo Alcini, Analisi statistica di dataset imprecisi finalizzata al confronto tra metodi per l'identificazione di outlier e per l'attribuzione di dati mancanti, Laurea in Comunicazione digitale, Università degli Studi di Milano, 2015/16 (Co-superviseur)
Paolo Merola, Analisi di tecniche di classificazione monoclasse applicate a problemi di apprendimento di funzioni di membership fuzzy, Laurea in Matematica, Università degli Studi di Milano, 2015/16 (Superviseur)
Simone Scarano, Gestione della coerenza dell'informazione a priori negli algoritmi di label propagation gerarchici, Laurea Magistrale in Informatica, Università degli Studi di Milano, 2015/16 (Superviseur)
Valentina Arrigoni, Unconventional numerical representations for accelerated convolutional neural networks, Laurea Magistrale in Matematica, Università degli Studi di Milano, 2015/16 (Superviseur)
Somsack Inthasone, Biodiversity Knowledge Extraction Techniques, École Doctorale Sciences et Technologies de l'Information et de la Communication, Université de Nice - Sophia Antipolis, 2015 (rapporteur)
Alessio Spini, Progettazione e sviluppo di un tool per il reverse engineering di un'architettura SW automotive a partire dall'analisi automatica di codice sorgente, Laurea in Informatica Muusicale, Università degli Studi di Milano, 2014/15 (Superviseur)
Daniele Grassi, Realizzazione di un motore di ricerca per i quesiti Bebras, Laurea in Comunicazione Digitale, Università degli Studi di Milano, 2014/15 (Superviseur)
Fabio Ramaglia, Sviluppo di applicazioni in ambito turistico basate su big data, Laurea in Comunicazione Digitale, Università degli Studi di Milano, 2014/15 (Superviseur)
Manuel Previtali, Progettazione e sviluppo di un percorso didattico sulla ricorsione come approccio alla soluzione per il problem solving e di un'architettura software di supporto, Laurea Magistrale in Informatica per la Comunicazione, Università degli Studi di Milano, 2014/15 (Co-superviseur)
Roberto Mapelli, Studio e realizzazione di un prototipo funzionale per piattaforma di monitoraggio di giardini/orti casalinghi, Laurea in Informatica Musicale, Università degli Studi di Milano, 2014/15 (Superviseur)
Leonardo Andrea Calvi, Analisi dell'attendibilità di siti Web per previsioni meteorologiche, Laurea Magistrale in Informatica, Università degli Studi di Milano, 2013/14 (Superviseur)
Maria Haddad, Progettazione di attività in ambito informatico per le scuole secondarie, Laurea in Informatica, Università degli Studi di Milano, 2013/14 (Co-superviseur)
Paolo Riccobaldi, Detection and classification of graphical patterns through computational algebraic topology algorithms: an application to musical notation, Laurea in Informatica Musicale, Università degli Studi di Milano, 2013/14 (Superviseur)
Simone Robutti, Classificazione di dati con etichette incerte tramite metodi basati su vettori di supporto, Laurea Magistrale in Informatica, Università degli Studi di Milano, 2013/14 (Superviseur)
Andrea Venturelli, Progettazione e realizzazione di un ambiente online per la fruizione di gare informatiche rivolte a studenti degli istituti secondari di primo e di secondo grado, Laurea Magistrale in Informatica per la Comunicazione, Università degli Studi di Milano, 2012/13 (Superviseur)
Cristiano Aitis, Analisi della qualità di cifre manoscritte utilizzando metodi di clustering, Laurea in Informatica musicale, Università degli Studi di Milano, 2012/13 (Superviseur)
Matteo Borriero, Sviluppo di un'applicazione Web per la gestione dei fascicoli personli del «Centro Diagnostico Polispecialistico», Laurea in Informatica, Università degli Studi di Milano, 2012/13 (Co-superviseur)
Omar Negri, Aggregazione e visualizzazione interattiva di dati provenienti da reti sociali, Laurea Magistrale in Tecnologie dell'Informazione e della Comunicazione, Università degli Studi di Milano, 2012/13 (Superviseur)
Simone Bettini, «Messaggi cifrati»: progettazione di un'attività didattica in ambito informatico per la scuola secondaria secondo un approccio costruttivista, Laurea in Comunicazione digitale, Università degli Studi di Milano, 2012/13 (Co-superviseur)
Christian Fraccola, Tirocinio Formativo Attivo, Classe di abilitazione A042 – Informatica, Università degli Studi di Milano, 2011/12 (Superviseur)
Tommaso Legnani, Utilizzo delle macchine a vettori di supporto nell'apprendimento semi-supervisionato, Laurea Magistrale in Matematica, Università degli Studi di Milano, 2011/12 (Superviseur)
Andrea Galasso, Progettazione di uno strumento software a supporto dell'analisi dei testi strutturati in percorsi didattici per la scuola secondario di primo grado, Laurea in Informatica, Università degli Studi di Milano, 2010/11 (Co-superviseur)
Emanuele Galiano, Progettazione di uno strumento software a supporto dell'analisi di immagini in percorsi didattici per la scuola secondaria di primo grado, Laurea in Informatica, Università degli Studi di Milano, 2010/11 (Co-superviseur)
Riccardo Mena, Progettazione e sviluppo di software per automazione di test relativi ad apparecchiature avioniche, Laurea in Comunicazione Digitale, Università degli Studi di Milano, 2008/09 (Superviseur)
Maria Bulgheroni, Utilizzo di Mathematica come primo approccio alla programmazione, Scuola Interuniversitaria Lombarda di Specializzazione per l'Insegnamento Secondario, 2008 (Superviseur)
Giuseppe Lopes, Algoritmi di controllo del traffico di rete mediante utilizzo di tecniche di granular computing, Laurea in Scienze dell'Informazione, Università degli Studi di Milano, 2007/08 (Co-superviseur)
Lorenzo Valerio, Progettazione e analisi di algoritmi di regressione per dati di qualità variabile, Laurea Magistrale in Tecnologie dell'informazione e della comunicazione, Università degli Studi di Milano, 2006/07 (Superviseur)
Luca Natali, Progettazione e analisi di algoritmi di apprendimento per SVM basati su misure di rilevanza, Laurea Magistrale in Informatica, Università degli Studi di Milano, 2006/07 (Superviseur)
Paolo Rotta, Frequenze di pattern in parole generate a caso in linguaggi regolari, Laurea in Informatica, Università degli Studi di Milano, 2006/07 (Co-superviseur)
Simone Mattia Tuveri, Sviluppo di sistemi di interrogazione di database tramite tecnologie J2EE, Laurea in Comunicazione Ditigale, Università degli Studi di Milano, 2006/07 (Superviseur)
Jean Coravu, A graphical editor for UML diagrams for Java language and a Java code generator for these diagrams, University of Craiova, Romania, 2006 (Co-superviseur)
Hannes Perathoner, Development of a framework for the design of hypermedia and web applications based on J2EE, Laurea in Comunicazione Digitale, Università degli Studi di Milano/Universidad Carlos III de Madrid, 2005/06 (Co-superviseur)
Antonio Zippo, Implementazione di metodi di inferenza algoritmica in un package di Mathematica, Laurea in Informatica, Università degli Studi di Milano, 2004/05 (Superviseur)
Stefano Pilia, Un progetto di e-Democracy e e-Government. Il caso Sardegna, Laurea Magistrale in Informatica, Università degli Studi di Milano, 2004/05 (Superviseur)
Alberto Minora, Algoritmi di apprendimento basati su modelli dinamici per il flusso delle informazioni, Laurea in Informatica, Università degli studi di Milano, 2003/04 (Co-superviseur)
Marco Testa, Modelli di apprendimento di algoritmi approssimati per problemi di ottimizzazione combinatoria, Laurea in Scienze dell'Informazione, Università degli Studi di Milano, 1997/98 (Co-superviseur)

Nominations académiques

Comités d'évaluation

2023: Membre du comité pour l'attribution d'une poste de technicien au Département des Sciences Agronomiques et Environnementales - Production, Territoire, Agroénergie de l'Université de Milan.
2023: Membre du comité pour de prix AIFOS «Il punto sulla ricerca in materia di salute e sicurezza in Italia: analisi analitica (data analytics) degli elaborati della biblioteca tesi sicurezza AIFOS».
2020: Membre du comité d'ammission pour le projet de doctorat «Applications of artificial intelligence to study the interaction between genetic and environmental factors underlying human diseases», multi-annual work-programme in genomics and bioinformatics, Université de Milan et Centre commun de recherche de la Commission européenne, Ispra.
2017: Membre du jury de soutenance de l'École doctorale des sciences et technologies de l'information et de la communication, Université de la Côte d'Azur.
2015: Membre du jury de soutenance de l'École doctorale des sciences et technologies de l'information et de la communication, Université de Nice – Sophia Antipolis.
2014: Président du comité pour l'ammision à la spécialisation en Pédagogie de l'Informatique
2006 > 2008: Secrétaire du Comité pour l'attribution des subventions de spécialisation des étudiants à l'étranger pour l'informatique, Division des sciences, Université de Milan.
2007: Secrétaire du comité pour l'attribution d'un poste de mâitre de conférénces d'informatique dans la Faculté de Droit de l'Université "Naples Parthenope"
2007: Membre du comité pour le renouvellement d'un poste de chargé de recherche an informatique au Département d'Informatique de l'Université de Milan.
2006: Sécretaire du comité pour l'attribution d'un poste de chargé de recherche en informatique au Département d'Informatique de l'Université de Milan.
2005: Sécretaire du comité pour l'attribution d'un poste de chargé de recherche en informatique au Département d'Informatique de l'Université de Milan.
2002: Membre du comité pour l'attribution d'un poste de chargé de recherche en informatique au Département d'Informatique de l'Université de Milan.
2002: Membre du comité pour l'attribution d'une poste de technicien au Département d'Informatique de l'Université de Milan.
2002: Membre du comité pour l'attribution d'une poste de technicien au Département d'Informatique de l'Université de Milan.

Outres comités et unités représentatives

2021 > 9999: Membre du comité Erasmus du Département d'Informatique, Université de Milan.
2022: Coordonnateur du comité pour l'accès des étudiants étrangers au master en Informatique de l'Université de Milan.
2020 > 2021: Membre du comité pour l'accès des étudiants étrangers au master en Informatique de l'Université de Milan.
2020: Membre du comité pour l'accès au cours de spécialisation de deuxième niveau en bioinformatique et génomique fonctionnelle de l'Université de Milan.
2017 > 2018: Membre du comité d'organisation du cours de spécialisation en Science des données pour l'économie, le business et la finance de l'Université de Milan.
2017: Membre du comité d'organisation du cours de spécialisation Gestion des études cliniques en oncologie et hémato-oncologie de l'Université de Milan.
2013 > 2017: Coordonnateur de la commission pour l'orientation des étudiants de la Facolté di Sciences et Tecnnologies de l'Université de Milan.
2012 > 2017: Directeur adjoint du Département d'Informatique de l'Université de Milan pour les activités liées à la promotion et au counselling pour les futurs étudiants.
2012 > 2017: Membre du comité executif du Département d'Informatique, Université de Milan.
2010 > 2017: Coordonnateur du comité pour les futur étudiants en informatique, Faculté de Sciences, Université de Milan.
2013 > 2015: Membre du comité des Spécialisations pour l'Enseignement de Mathématique, Physique et Informatique, Université de Milan.
2013 > 2014: Membre du groupe de travail sur l'orientation des étudiants du Conseil Scientifique de l'Université de Milan.
2009 > 2012: Membre du comité executif dans le Département d'Informatique, Université de Milan
2008 > 2010: Membre du comité pour les futur étudiants en informatique, Faculté de Sciences, Université de Milan.
2006 > 2007: Membre du comité pour l'orientation des étudiants en informatique
2002 > 2005: Représentant des mâitres des conférénces dans la Faculté de Sciences de l'Université de Milan.

Langues etrangères

Langue maternelle: Italien

	Comprendre		Parler		Écrire
	Écouter	Lire	Prendre part à une conversation	S'exprimer oralement en continu	Écrire
Anglais	C2 (expérimenté)	C2 (expérimenté)	C2 (expérimenté)	C2 (expérimenté)	C2 (expérimenté)
Français	C2 (expérimenté)	C2 (expérimenté)	C2 (expérimenté)	C2 (expérimenté)	C2 (expérimenté)
Espagnol	B1.1 (indépendant)	B1.1 (indépendant)	B1.1 (indépendant)	B1.1 (indépendant)	B1.1 (indépendant)