Sono un data scientist con più di 3 anni di esperienza nella ricerca, con un forte background matematico e oltre 5 anni di esperienza nello sviluppo di reti neurali per risolvere problemi di architettura e scalabilità in vari settori. Ho lavorato su tecniche supervisionate e non supervisionate come regressione, classificazione, clustering, machine learning (ML) e deep learning (DL). Ho anche esperienza nell’analisi e gestione dei big data, elaborazione e estrazione dei dati utilizzando Python come linguaggio principale. In genere, queste attività vengono svolte in locale o in cloud utilizzando servizi come Google Cloud Platform o Amazon Web Services.
Durante il mio percorso di studi ho acquisito competenze in metodi e modelli numerici e calcolo automatico. Nell’ambito della mia formazione, ho approfondito argomenti come l’analisi dei dati, la statistica, il machine learning e il deep learning. Inoltre, ho completato una tesi di laurea magistrale sull’applicazione delle reti neurali all’ottimizzazione strutturale, dimostrando la mia capacità di utilizzare modelli matematici e statistici per risolvere problemi di data science.
Successivamente, ho completato diverse specializzazioni online, come la specializzazione in Machine Learning, ML Engineering Production (MLOps) e Natural Language Processing. Ho anche ottenuto certificazioni professionali come il certificato Google in Data Analytics e la specializzazione Google IT Automation with Python.
Ho dimostrato di essere competente nell’utilizzo di diversi strumenti e tecnologie per l’analisi dei dati, come JupyterLab, Pytorch, Python, OpenSees e GCP. Possiedo certificazioni nel campo dell’ MLOps, AWS e NOSQL. Ho dimostrato di avere padronanza della lingua inglese con la certificazione B1 Silver.
Inoltre, ho una buona conoscenza di diversi linguaggi di programmazione e librerie Python come Pytorch, Keras, Matplotlib, NumPy, Pandas, scikit-learn, SciPy e TensorFlow. Ho anche familiarità con database NoSQL come MongoDB e con il linguaggio di query SQL.
In sintesi, le mie competenze includono: Analisi, Fondamenti di informatica, Probabilità e statistica, Metodi e modelli numerici, Calcolo automatico (FEM, PCA), Apprendimento automatico, JupyterLab, Pytorch, Python, OpenSees, GCP, ANN, Latex, Machine learning (ML), Deep learning (DL), Analisi e gestione dei big data (ETL), Elaborazione e estrazione dei dati, AWS, NOSQL, SQL, Statistiche, Teamwork.