Attività didattiche

Corsi di laurea e dottorato

• Algoritmi per dati su larga scala @unimi laurea magistrale 2019-20
• Analisi dei dati su larga scala @unimi laurea magistrale 2018-19
• Basi di dati II @uca DUT 2018-19
• Data mining @uca DUT 2018-19
• Didattica dell'informatica @unimi laurea magistrale 2018-19 – 2019-20
• Programmazione per l'analisi dei dati @uca DUT 2019-20
• Statistica e analisi dei dati @unimi laurea 2018-19 – 2019-20

Altre attività

• Algoritmi per la bioinformatica @unimi master II 2018-19
• Architectural partterns for distributed ML @unimi dottorato 2019-20
• Programmazione per la bioinformatica @unimi master II 2018-19
• Integrazione dati e visualizzazione @unimi master II 2018-19

Ricerca

Tematiche di ricerca

• Induzione di insiemi fuzzy
• Compressione di modelli di machine learning
• Mining di basi di conoscenza nel Web semantico
• Selezione di esempi negativi in ambito bioinformatico
• Applicazione di ML in ambito veterinario e forense
• Divulgazione della cultura informatica

Progetti

• Multicriteria Data Structures and Algorithms: from compressed to learned indexes, and beyond PRIN
• Fostering a correct view of informatics PSR

Pubblicazioni

[Cermenati et al., 2020] Cermenati L., Malchiodi D. e Zanaboni A. Simultaneous Learning of Fuzzy Sets, in A. Esposito, M. Faundez-Zanuy, M. Morabito e E. Pasero (Eds.), Neural Approaches to Dynamics of Signal Exchanges, Singapore: Springer, Smart Innovation, Systems and Technologies, 167-175, 2020 [doi> BIBTEX]

[Lodi et al., 2019] Lodi M., Malchiodi D., Monga M., Morpurgo A. e Spieler B. Constructionist Attempts at Supporting the Learning of Computer Programming: A Survey, Olympiads in Informatics 13 (2019), 99—121 [doi> BIBTEX]

[Malchiodi and Zanaboni, 2019] Malchiodi D. e Zanaboni A. Data-Driven Induction of Shadowed Sets Based on Grade of Fuzziness, in R. Fullér, S. Giove e 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 [doi> BIBTEX]

[Malchiodi et al., 2018] Malchiodi D., da Costa Pereira C. e Tettamanzi A. G. B. Predicting the Possibilistic Score of OWL Axioms through Support Vector Regression, in D. Ciucci, G. Pasi e 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 [doi> BIBTEX]

[Boldi et al., 2018] Boldi P., Frasca M. e Malchiodi D. Evaluating the impact of topological protein features on the negative examples selection, BMC Bioinformatics 19 - 14 (2018), 417.115–417.126 [doi> Open access link BIBTEX]

[Malchiodi and Tettamanzi, 2018] Malchiodi D. e Tettamanzi A. G. B. Predicting the Possibilistic Score of OWL Axioms through Modified Support Vector Clustering, in H. Haddad, R. L. Wainwright e R. Chbeir (Eds.), SAC'18: Proceedings of the 33rd Annual ACM Symposium on Applied Computing, ACM (ISBN 9781450351911), 1984–1991, 2018 [doi> BIBTEX]

[Malchiodi and Pedrycz, 2013] Malchiodi D. e Pedrycz W. Learning Membership Functions for Fuzzy Sets through Modified Support Vector Clustering, in F. Masulli, G. Pasi e 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 [doi> BIBTEX]