Artificial Intelligence Engineer in UniKey, dove progetto sistemi di AI agentica e soluzioni di machine learning su misura per la sanità e lo sviluppo di farmaci. Laurea Magistrale in AI & Data Engineering all'Università di Pisa, con ricerca su deep learning generativo e geometrico per medicina e genetica.
MSc in AI & Data Engineering
Università di Pisa
Sono un Artificial Intelligence Engineer in UniKey, dove progetto sistemi di AI agentica e soluzioni di machine learning su misura per salute, sanità e sviluppo di farmaci. In precedenza ho sviluppato software di machine vision in tempo reale ad alte prestazioni in C/C++ e CUDA per il settore difesa in Akkodis, e microservizi backend per sistemi di pedaggio su larga scala in RJC Soft.
Ho conseguito la Laurea Magistrale in Artificial Intelligence and Data Engineering all'Università di Pisa (voto 103/110), dopo la Laurea Triennale in Ingegneria Informatica. La mia ricerca è incentrata sul deep learning generativo e geometrico per applicazioni mediche e genetiche, come testimoniano le mie tesi su Aptamer Predictive Triage e sulla predizione della struttura secondaria dell'RNA.
Specializzato in AI generativa, integrazione di LLM e sistemi agentici (LangChain, MCP), oltre a deep learning, reti neurali e modelli predittivi per prodotti reali.
Esperto in elaborazione di big data con Apache Spark, Kubernetes, ElasticSearch e pipeline ETL, per architetture dati scalabili e ad alta affidabilità.
Applico l'AI alla sanità e allo sviluppo di farmaci: pipeline di ML agentiche, design di aptameri, analisi di DNA/RNA, Editing Genetico e Medicina Personalizzata, con focus su longevità e bio-hacking.
Costruisco agenti AI autonomi e capaci di usare strumenti tramite orchestrazione di LLM, retrieval-augmented generation (RAG) ed embedding vettoriali personalizzati con LangChain e il Model Context Protocol (MCP) — progettando ragionamento multi-step, function calling e guardrail di sicurezza affinché gli agenti operino in modo affidabile su compiti reali.
Progetto e addestro architetture neurali profonde — transformer, reti convoluzionali e graph neural network — per riconoscimento di pattern, modellazione di sequenze, forecasting di serie temporali e analisi predittiva, gestendo l'intero ciclo di preparazione dati, addestramento, tuning degli iperparametri e valutazione in PyTorch.
Sviluppo pipeline di computer vision in tempo reale e software critico a bassa latenza, ottimizzando l'inferenza in C/C++ e CUDA con tuning dei kernel GPU e design attento alla memoria per ambienti mission-critical ad alta affidabilità e throughput.
Costruisco pipeline dati distribuite e scalabili con Apache Spark, ElasticSearch e flussi ETL orchestrati su Kubernetes, progettando architetture ad alta affidabilità per l'elaborazione batch e streaming su larga scala.
Rilascio microservizi containerizzati con Docker, Kubernetes e Spring Boot, integrando CI/CD, observability e infrastructure-as-code su infrastrutture cloud e self-hosted.
Applico deep learning generativo e geometrico allo sviluppo di farmaci, al design di aptameri, alla predizione della struttura secondaria dell'RNA e alla medicina personalizzata — costruendo modelli structure-aware per bioinformatica e biologia computazionale.
Scopri l'AI per Sanità e Medicina →Puoi scaricare il mio CV per avere una panoramica più dettagliata delle mie competenze ed esperienze.