Le attività di ricerca e studio da me condotte sono inerenti il campo dell'apprendimento federato, in particolar modo in ambienti dinamici ed eterogenei.
Dopo due anni di studio del corso di dottorato, dei quali 18 mesi dedicati all'approfondimento del federated learning applicato nell'ambito della sanità, il percorso di ricerca definito mi porta da Roma a Karlskrona (Svezia), al Blekinge Institute of Technology.
Questo viaggio rappresenta per me non solo uno spostamento geografico importante ma un percorso di crescita accademica e personale prezioso ed atteso.
In tale percorso avrò la possibilità di apprendere il paradigma del federated learning nelle sue molteplici e più peculiari sfaccettature, direttamente da professori altamente qualificati, nel caso specifico il prof. Sadi Alawadi che ho già apprezzato ed avuto modo di seguire durante la frequentazione della summer school "Federated Machine Learning" (Tartu, Estonia).
Nel percorso che mi accingo ad intraprendere avrò l'opportunità di approfondire le conoscenze apprese, perfezionare l'ambito di ricerca, affinare la metodologia di studio e consolidare le competenze scientifiche necessarie in un ambiente internazionale di alta contaminazione.
Al termine di tale percorso mi aspetto di aver maturato solide competenze metodologiche e tecniche, tali da consentirmi di contribuire attivamente allo sviluppo di soluzioni innovative nell'ambito del federated learning e affrontare con sicurezza le future sfide accademiche e professionali.
Qui di seguito è rappresentato il percorso semestrale dal 1 Aprile al 30 Settembre 2025, con le principali milestone previste.
Arrivo in Svezia e prima settimana di orientamento. Incontro con il Prof. Sadi Alawadi e il team di ricerca. Definizione del piano di lavoro dettagliato.
Studio intensivo della letteratura esistente su Federated Learning in ambienti dinamici. Partecipazione ai seminari settimanali del dipartimento.
Implementazione di primi esperimenti con framework di Federated Learning. Analisi comparativa di modelli esistenti su dataset eterogenei.
Presentazione intermedia dei risultati al team di ricerca. Revisione del piano di lavoro e aggiustamento degli obiettivi basandosi sui feedback ricevuti.
Sviluppo e ottimizzazione del modello proposto. Implementazione di nuovi algoritmi per ambienti eterogenei e valutazione delle performance.
Stesura dettagliata dei risultati ottenuti. Preparazione del draft di un potenziale paper scientifico in collaborazione con il Prof. Alawadi.
Presentazione finale dei risultati ottenuti durante il semestre di ricerca. Pianificazione delle attività future e possibili collaborazioni a distanza.