Capire
Partire dal problema e dai dati prima di scegliere il modello.
DATA SCIENTIST · STATISTICA · MACHINE LEARNING
CAPIRE I DATI.
CAPIRE IL PROBLEMA.
Sono Andrea Bianco, Data Scientist con una solida formazione statistica ed esperienza di ricerca presso CREST–ENSAI. Sviluppo e valuto modelli di Machine Learning per trasformare problemi complessi in analisi rigorose e risultati utili.
GEOMETRY SURVIVORPLAY MODE · HUMAN
0sBEST 0.0s · NEAR MISS 0
Vuoi scoprire come funziona l’AI che gioca? Scopri il progetto su GitHub ↗
EVITA GLI OSTACOLI · RECORD SALVATO SU QUESTO DISPOSITIVO
♧M.Sc. Data ScienceUniversità di Bologna
▥Research InternshipCREST – ENSAI (FR)
⌘Progetti Data ScienceMachine Learning · NLP · Statistica
◎C1Inglese professionale
PROGETTI IN EVIDENZA
Il lavoro, non solo le parole.
Esperimenti, codice e risultati: progetti raccontati con metodo e attenzione ai limiti.
01↗02↗03↗04↗
High-Dimensional Time Series & Air Quality Forecasting
Da 516 sensori Taiwan a un benchmark PM2.5 su Beijing: come ho affrontato l'alta dimensionalità, costruito baseline credibili e valutato il contributo delle variabili ambientali, senza nascondere i limiti dei risultati.
Matrix Completion su MovieLens
Un confronto tra SVP, SVT, una variante di ADMiRA e due baseline per stimare i rating mancanti. Nel nostro esperimento, una baseline regolarizzata ha ottenuto i risultati migliori.
Statistical Learning & Zeroth-Order Optimization
Dalla teoria del rischio predittivo alla classificazione: sette esperimenti riproducibili per confrontare regressione, gradient descent e ottimizzazione senza gradienti.
Named Entity Recognition: BiLSTM vs DistilBERT
Confronto sperimentale tra una BiLSTM e DistilBERT per riconoscere entità nominate nel testo, con risultati, test automatici e limiti metodologici documentati.
APPROCCIO
Il metodo prima dello strumento.
Non parto da un algoritmo. Parto dalla domanda, cerco di capire cosa raccontano i dati e scelgo gli strumenti di conseguenza.
Modellare
Usare statistica e Machine Learning scegliendo metodi coerenti con il contesto.
Verificare
Confrontare alternative, misurare le prestazioni e cercare i limiti delle soluzioni.
Comunicare
Trasformare risultati tecnici in conclusioni leggibili e utili.
RICERCA · CREST–ENSAI
Quando il dato è poco,
il metodo conta ancora di più.
Durante il tirocinio di ricerca presso CREST–ENSAI ho lavorato sulla stima della struttura di covarianza per dati funzionali sparsi. Ho studiato la letteratura, implementato metodi in R, progettato simulazioni e confrontato approcci alternativi su dati sintetici e reali.
ESPLORA LA RICERCA →PERCORSO
Dalla statistica alla Data Science.
Statistica
Laurea triennale in Scienze Statistiche, Università di Bologna.
Data Science
Laurea magistrale in Scienze Statistiche – Data Science, Università di Bologna.
ENSAI
Master in Smart Data Science, specializzazione AI and Data Science.
CREST
Ricerca su dati funzionali sparsi con Valentin Patilea a Bruz, Francia.
CONTATTI / COLLABORAZIONI
Costruiamo qualcosa
di interessante.
Hai un progetto, una posizione in Data Science o un problema da risolvere con i dati? Scrivimi.
SCRIVIMI UNA EMAIL ↗