
Dottorato in Ingegneria Informatica E Dei Sistemi , 33o ciclo (2017-2020)
Dottorato concluso nel 2021
Tesi:
Explaining black-box deep neural models' predictions, behaviors, and performances through the unsupervised mining of their inner knowledge (Abstract)
Tutori:
Tania Cerquitelli
Presentazione della ricerca:
PosterProfilo
Argomento di ricerca
Investigare il processo decisionale black-box con spiegazioni locali e globali
Interessi di ricerca
Biografia
Durante il mio dottorato, ho imparato cos'è la ricerca e il valore di conoscere, parlare e confrontarsi con ricercatori provenienti da tutto il mondo.
Inoltre, ho appreso l'importanza di analizzare gli impatti che le moderne tecnologie di intelligenza artificiale possono avere sulla nostra società e ho quindi concentrato i miei studi sullo sviluppo di algoritmi trasparenti e spiegabili.
Il principale obiettivo di ricerca della mia tesi di dottorato è quello di progettare soluzioni innovative per spiegare le ragioni e i processi che sono alla base del processo decisionale di algoritmi black-box (ad esempio, reti neurali) e analizzare l'affidabilità dei modelli nel tempo in presenza di concept-drifting.
Inoltre, ho effettuato attività didattiche per corsi di laurea relativi a basi di dati, analisi per Big Data e Machine Learning.
Ho partecipato a diversi progetti di ricerca finanziati da enti pubblici e privati, ho collaborato con aziende internazionali, studiato e sviluppato nuove soluzioni per l'Industria 4.0 e collaborato alla pubblicazione di numerosi articoli di ricerca in conferenze internazionali, cercando, in ogni nuovo progetto, di migliorare me stesso imparando da collaboratori e amici.
Premi e riconoscimenti
- BEST PAPER AWARD for the paper titled "iSTEP, An Integrated Self-Tunin g Engine for Predictive Maintenance in Industry 4.0" published in the 16th IEEE International Symposium on Parallel and Distributed Processing with Applications (ISPA 2018), held in Melbourne, Australia, 11-13 December 2018. (2019)
- BEST PAPER AWARD for the paper titled "Clustering-Based Assessment of Residential Consumers from Hourly-Metered Data" published in the "International Conference on Smart Energy Systems and Technologies", 10-12 September 2018, University of Sevilla, Sevilla, Spain (2019)
Didattica
Insegnamenti
Corso di laurea magistrale
- Big data: architectures and data analytics. A.A. 2017/18, INGEGNERIA INFORMATICA (COMPUTER ENGINEERING). Collaboratore del corso
- Big data: architectures and data analytics. A.A. 2018/19, INGEGNERIA INFORMATICA (COMPUTER ENGINEERING). Collaboratore del corso
- Big data: architectures and data analytics. A.A. 2020/21, INGEGNERIA INFORMATICA (COMPUTER ENGINEERING). Collaboratore del corso
- Data science lab: process and methods. A.A. 2019/20, DATA SCIENCE AND ENGINEERING. Collaboratore del corso
- Data science lab: process and methods. A.A. 2020/21, DATA SCIENCE AND ENGINEERING. Collaboratore del corso
Corso di laurea di 1° livello
- Introduction to databases. A.A. 2017/18, INGEGNERIA INFORMATICA (COMPUTER ENGINEERING). Collaboratore del corso
- Introduction to databases. A.A. 2018/19, INGEGNERIA INFORMATICA (COMPUTER ENGINEERING). Collaboratore del corso
Pubblicazioni
Pubblicazioni durante il dottorato Vedi tutte le pubblicazioni su Porto@Iris
- Ventura, Francesco (2021)
Explaining black-box deep neural models' predictions, behaviors, and performances through the unsupervised mining of their inner knowledge. relatore: CERQUITELLI, TANIA; , 33. XXXIII Ciclo, P.: 141
Doctoral Thesis - Cerquitelli, Tania; Ventura, Francesco; Apiletti, Daniele; Baralis, Elena; Macii, ... (2021)
Enhancing manufacturing intelligence through an unsupervised data-driven methodology for cyclic industrial processes. In: EXPERT SYSTEMS WITH APPLICATIONS, vol. 182 (115269). ISSN 0957-4174
Contributo su Rivista - Attanasio, Giuseppe; Giobergia, Flavio; Pasini, Andrea; Ventura, Francesco; Baralis, ... (2020)
DSLE: A Smart Platform for Designing Data Science Competitions. In: 2020 IEEE 44th Annual Computers, Software, and Applications Conference (COMPSAC), Madrid (Spain), July 13-17, pp. 133-142. ISBN: 978-1-7281-7303-0
Contributo in Atti di Convegno (Proceeding) - Panicucci, S.; Nikolakis, N.; Cerquitelli, T.; Ventura, F.; Proto, S.; Macii, E.; ... (2020)
A cloud-to-edge approach to support predictive analytics in robotics industry. In: ELECTRONICS, vol. 9, pp. 492-513. ISSN 2079-9292
Contributo su Rivista - Cerquitelli, T; Nikolakis, N; Bethaz, P; Panicucci, S; Ventura, F; Macii, E; Andolina, ... (2020)
Enabling predictive analytics for smart manufacturing through an IIoT platform. In: 4th IFAC Workshop on Advanced Maintenance Engineering, Services and Technologies - AMEST 2020, Cambridge (UK), 10 September 2020through 11 September 2020, pp. 179-184. ISSN 2405-8963
Contributo in Atti di Convegno (Proceeding) - Ventura, Francesco; Cerquitelli, Tania (2019)
What's in the box? Explaining the black-box model through an evaluation of its interpretable features. pp. 1-5
Altro - Cerquitelli, Tania; Proto, Stefano; Ventura, Francesco; Apiletti, Daniele; Baralis, ... (2019)
Automating concept-drift detection by self-evaluating predictive model degradation. pp. 1-5
Altro - Proto, Stefano; DI CORSO, Evelina; Ventura, Francesco; Cerquitelli, Tania (2018)
Useful ToPIC: Self-tuning strategies to enhance Latent Dirichlet Allocation. In: BigData Congress 2018, San Francisco (USA), July 2-7, 2018, pp. 33-40. ISBN: 978-1-5386-7232-7
Contributo in Atti di Convegno (Proceeding) - Cerquitelli, T.; Di Corso, E.; Ventura, F.; Chiusano, S. (2017)
Prompting the data transformation activities for cluster analysis on collections of documents. In: 25th Italian Symposium on Advanced Database Systems, SEBD 2017, Squillace Lido, Catanzaro, Italy, June 25th-29th, 2017,, Squillace Lido, Catanzaro, Italy, June 25th-29th, 2017, pp. 1-8
Contributo in Atti di Convegno (Proceeding) - Di Corso, Evelina; Ventura, Francesco; Cerquitelli, Tania (2017)
All in a twitter: Self-tuning strategies for a deeper understanding of a crisis tweet collection. In: Big Data (Big Data), 2017 IEEE International Conference on, Boston (USA), 11-14 Dec. 2017, pp. 3722-3726. ISBN: 978-1-5386-2715-0
Contributo in Atti di Convegno (Proceeding)