Francesco De Santis

Dottorando in Ingegneria Informatica E Dei Sistemi , 38^o ciclo (2022-2025)
Dipartimento di Automatica e Informatica (DAUIN)

francesco.desantis@polito.it

Profilo

Dottorato di ricerca

Argomento di ricerca

Il processo decisionale seguito dai modelli di machine learning è spesso non osservabile. Per questo motivo, è fondamentale sviluppare metodologie che rendano tale processo più trasparente.

Tutori

Presentazione della ricerca

Poster

Interessi di ricerca

Data science, Computer vision and AI

Biografia

Dopo aver conseguito la laurea in Ingegneria Elettronica, ho completato un percorso in Data Science, sempre al Politecnico di Torino. La mia principale passione è l’intelligenza artificiale, un campo che mi affascina per le sue potenzialità innovative e le sfide complesse che presenta. Nel mio lavoro di ricerca, mi impegno a sviluppare soluzioni avanzate per rendere i modelli di AI più trasparenti e accessibili.

Didattica

Insegnamenti

Corso di laurea di 1° livello

Basi di dati. A.A. 2023/24, INGEGNERIA INFORMATICA. Collaboratore del corso

MostraNascondi A.A. passati

Ricerca

Gruppi di ricerca

DBDM - Database and Data Mining Group (DAUIN)

Pubblicazioni

Pubblicazioni più recenti Vedi tutte le pubblicazioni su Porto@Iris

De Santis, Francesco; Huang, Kai; Valentim, Rodolfo; Giordano, Danilo; Mellia, Marco; ... (2025)
CFA-Bench: Cybersecurity Forensic Llm Agent Benchmark and Testing. In: 2025 IEEE European Symposium on Security and Privacy Workshops (EuroS&PW), Venice (ITA), 30 June - 04 July 2025, pp. 217-225. ISBN: 979-8-3315-9546-3
Contributo in Atti di Convegno (Proceeding)
De Santis, Francesco; Bich, Philippe; Ciravegna, Gabriele; Barbiero, Pietro; Giordano, ... (2025)
Linearly-interpretable concept embedding models for text analysis. In: MACHINE LEARNING, vol. 114. ISSN 0885-6125
Contributo su Rivista
DE SANTIS, Francesco; Giordano, Danilo; Mellia, Marco; Damilano, Alessia (2023)
GLEm-Net: Unified Framework for Data Reduction with Categorical and Numerical Features. In: 2023 IEEE International Conference on Big Data (Big Data), Sorrento, Italy, 15-18 December 2023, pp. 4240-4247. ISBN: 979-8-3503-2445-7
Contributo in Atti di Convegno (Proceeding)