Politecnico di Torino logo
Personale

Filippo Gandino

Foto di Filippo Gandino

Professore Associato (L.240)
Dipartimento di Automatica e Informatica (DAUIN)

  • Componente Centro Interdipartimentale PIC4SeR - PoliTO Interdepartmental Centre for Service Robotics

Profilo

Keywords

Complex systems
Data-driven systems
Information theory
Internet of things (iot)
Machine learning
Quantum computers
Security and privacy
Wireless sensor network (wsn)

Biografia

Filippo Gandino ha conseguito la laurea magistrale in Ingegneria Informatica nel 2005 e il dottorato di ricerca in Ingegneria Informatica nel 2010 presso il Politecnico di Torino, Italia. Attualmente è Professore Associato presso il Dipartimento di Automatica e Informatica del Politecnico di Torino. I suoi interessi di ricerca includono Internet of Things, sicurezza e privacy, machine learning, sistemi complessi, teoria dell’informazione e sistemi data-driven.

Settore scientifico disciplinare

IINF-05/A - Sistemi di elaborazione delle informazioni
(Area 0009 - Ingegneria industriale e dell'informazione)

Linee di ricerca

  • Agricoltura di precisione, computer vision e machine learning. Questa linea di ricerca riguarda l’applicazione di tecniche di machine learning, computer vision e analisi di immagini all’agricoltura di precisione. L’obiettivo è sviluppare sistemi automatici o semi-automatici capaci di analizzare immagini, video e dati provenienti da sensori per supportare il monitoraggio, la classificazione e la gestione intelligente di colture, piante, frutti, suolo e condizioni ambientali. Le attività includono il riconoscimento automatico di oggetti e pattern visivi, la classificazione di immagini, il rilevamento di anomalie, difetti o condizioni di stress, l’analisi dello stato di crescita e maturazione, e il supporto alla decisione in contesti agricoli. L’impiego di tecniche di apprendimento automatico consente di trasformare dati visuali e sensoriali in informazione utile per ottimizzare interventi, ridurre sprechi, migliorare la qualità della produzione e promuovere pratiche agricole più sostenibili. La linea si colloca all’intersezione tra sistemi intelligenti, IoT, sensoristica, elaborazione di immagini e data-driven decision support, con applicazioni in scenari reali di agricoltura digitale e sostenibile.
  • Bioinformatica, sistemi complessi e teoria dell’informazione. Questa linea di ricerca riguarda l’applicazione di metodi computazionali, information-theoretic e data-driven all’analisi di dati biologici e biomedicali complessi, in collaborazione interdisciplinare con competenze di fisica dei sistemi complessi. L’attività si concentra sullo studio di dati eterogenei, ad alta dimensionalità e spesso rumorosi, con l’obiettivo di estrarre informazione rilevante, individuare pattern significativi e supportare la costruzione di rappresentazioni strutturate della conoscenza. In questo ambito rientrano l’uso di misure basate su entropia, informatività, ridondanza, similarità e complessità, nonché tecniche di clustering, classificazione e analisi di pattern applicate a dati biologici, genomici e biomedicali. Particolare attenzione è rivolta alla trasformazione di dati complessi in informazione interpretabile e utilizzabile, distinguendo segnali rilevanti da rumore, anomalie o contenuti ridondanti. La linea integra competenze in informatica, teoria dell’informazione, sistemi complessi e analisi quantitativa dei dati, con applicazioni alla bioinformatica, all’analisi di dati biomedicali e alla costruzione di modelli informativi a supporto di sistemi data-driven.
  • Giochi, interazione uomo-macchina e analisi dell’esperienza dei giocatori. Questa linea di ricerca riguarda lo studio computazionale dell’esperienza di gioco e dell’interazione tra giocatori, sistemi digitali e ambienti ludici. L’obiettivo è sviluppare metodi e strumenti per osservare, misurare e interpretare emozioni, comportamenti, dinamiche di interazione, cooperazione, competizione, coinvolgimento e coordinamento durante attività di gioco, serious games e simulazioni interattive. La linea ha inoltre lo scopo di supportare studi interdisciplinari sul gioco condotti in altri settori, quali scienze sociali, psicologia, educazione, design dell’interazione, game studies e studi organizzativi. In questo contesto, l’analisi computazionale può fornire strumenti quantitativi e data-driven per studiare come i giocatori interagiscono tra loro e con il sistema, come emergono cooperazione e competizione, come si modifica il coinvolgimento nel tempo e come diverse condizioni di gioco influenzano comportamento, apprendimento, decisione e partecipazione. Le attività possono utilizzare dati eterogenei, tra cui immagini e video, segnali biometrici, audio, testo, log di gioco, dati di interazione, questionari e annotazioni sperimentali. Su questi dati vengono applicate tecniche di machine learning, data mining, analisi multimodale, riconoscimento di pattern e modellazione del comportamento, con l’obiettivo di estrarre indicatori utili per comprendere stati emotivi, attenzione, engagement, stress, frustrazione, collaborazione, strategie di gruppo e qualità dell’interazione. La linea combina human-computer interaction, game analytics, affective computing, machine learning e analisi multimodale dei dati, con applicazioni nei serious games, nei videogiochi adattivi, nelle simulazioni interattive, nella valutazione dell’esperienza utente e nello studio sperimentale di interazione, cooperazione e comportamento in ambienti ludici.
  • Sicurezza, privacy e sistemi ICT distribuiti. Questa linea di ricerca riguarda la sicurezza e la privacy nei sistemi ICT distribuiti, con particolare attenzione a Internet of Things, reti di sensori wireless, sistemi pervasivi e infrastrutture caratterizzate da dispositivi eterogenei e vincoli di risorse. L’attività si concentra sulla progettazione e valutazione di metodi per proteggere dati, comunicazioni e processi di elaborazione in ambienti distribuiti. Tra i temi principali rientrano protocolli sicuri, gestione e distribuzione delle chiavi, meccanismi di protezione in reti di sensori, sicurezza in scenari IoT, controllo dell’accesso, affidabilità delle comunicazioni e trattamento privacy-aware dell’informazione. Particolare attenzione è dedicata a scenari in cui dati sensibili o strategici vengono raccolti, trasmessi, elaborati o condivisi da più dispositivi, piattaforme o attori. La linea mira a sviluppare soluzioni che combinino efficienza, scalabilità, robustezza e protezione dell’informazione, contribuendo alla realizzazione di sistemi distribuiti sicuri, affidabili e attenti alla privacy. Tali competenze sono applicabili a reti di sensori, IoT, sistemi cyber-fisici, infrastrutture intelligenti e pipeline di elaborazione dati in cui la protezione dell’informazione è un requisito centrale.

Competenze

Settori ERC

PE6_1 - Computer architecture, pervasive computing, ubiquitous computing
PE7_8 - Networks, e.g. communication networks and nodes, Internet of Things, sensor networks, networks of robots

SDG

Goal 3: Good health and well-being

Premi e riconoscimenti

  • Best Paper Award conferito da The 6-th International Conference of Broadband and Wireless Computing, Communication and Applications (BWCCA-2011) (2011)

Didattica

Collegi dei Corsi di Studio

Insegnamenti

Corso di laurea di 1° livello

MostraNascondi A.A. passati

Ricerca

Gruppi di ricerca

Dottorandi

Pubblicazioni

Pubblicazioni più recenti Vedi tutte le pubblicazioni su Porto@Iris