Ruggiero Seccia
Ruggiero è un dottorando del terzo anno in Operations Research presso l'Università di Roma “La Sapienza”.
Sotto la supervisione della professoressa Laura Palagi, Ruggiero sta lavorando a metodi di decomposizione per l’ottimizzazione di modelli di Machine / Deep Learning. Tra i vari progetti che porta avanti, Ruggiero ha anche lavorato alla definizione di un problema scheduling per la soluzione dei problemi di Curriculum Learning in un contesto di Reinforcement Learning, rendendo la procedura di apprendimento più solida ed efficace.
Ruggiero ha avuto il piacere di svolgere un periodo di ricerca presso l'Università del Wisconsin-Madison, negli Stati Uniti, dove in collaborazione con il professor Steve Wright ha lavorato alla definizione di un nuovo termine di regolarizzazione in grado di ridurre il fenomeno di overfitting per i polinomi di Lagrange.
Da agosto a dicembre è entrato in IBM per un periodo di ricerca nel team Data Science Elite di Monaco, dove ho lavorato sulle applicazioni di Machine Learning e Optimization e sulla loro integrazione.
Oltre alle ricerche teoriche, è stato anche coinvolto in vari progetti pratici supervisionando molti studenti master durante il loro progetto di tesi e prendendo parte ad argomenti di ricerca più pratici. In collaborazione con l'ospedale "Sant’Andrea" di Roma, sta lavorando all'applicazione delle tecniche Machine / Deep Learning per la previsione dell'evoluzione della sclerosi multipla nei pazienti affetti da questa malattia.
In quanto dottorando, è stato anche coinvolto in diverse attività didattiche ricoprendo il ruolo di Tutor in Ricerca Operativa in due diversi dipartimenti di ingegneria dell'Università di Roma "La Sapienza”.
- Algoritmi di Ottimizzazione per il Machine Learning
- Metodi di decomposizione per problemi di ottimizzazione a grandi dimensioni
- Programmazione Non Lineare
- Teoria dellàapprossimazione per Deep Learning
- Applicazioni di ricerca operativa e machine learning nel settore healthcare
Premiato come "Studente eccellente" per l'anno accademico 2017-2018 all'università di Roma “La Sapienza”
Membro di
Ultime pubblicazioni
| Convergence of ease-controlled Random Reshuffling gradient Algorithms under Lipschitz smoothness in COMPUTATIONAL OPTIMIZATION AND APPLICATIONS | 2025 |
| A machine-learning based bio-psycho-social model for the prediction of non-obstructive and obstructive coronary artery disease in CLINICAL RESEARCH IN CARDIOLOGY | 2023 |
| A novel optimization perspective to the problem of designing sequences of tasks in a reinforcement learning framework in OPTIMIZATION AND ENGINEERING | 2022 |
| A machine-learning-based bio-psycho-social model for the prediction of non-obstructive and obstructive coronary artery disease in EUROPEAN HEART JOURNAL | 2021 |
| Machine Learning use for prognostic purposes in Multiple Sclerosis in LIFE | 2021 |
| On the convergence of a Block-Coordinate Incremental Gradient method in SOFT COMPUTING | 2021 |