Sara Piscitelli

AI Research Fellow
  • Profilo
  • Aree di ricerca
  • Pubblicazioni
  • Ricercatrice nel campo dell’Intelligenza Artificiale con un background in Ingegneria informatica e una esperienza lavorativa nello sviluppo di soluzioni informatiche all’avanguardia in campo AI.

    Mi sono laureata in Ingegneria Informatica all’università di Roma Tor Vergata, specializzandomi in Data Science and Engineering. Grazie alla mia laurea magistrale ho appreso le principali metodologie per gestione di big data, machine learning e deep learning. Nella mia tesi di laurea (“A new agent-based NAS(Neural Architecture Search)”) mi sono concentrata su tecniche di Neural Architecture Search capaci di automatizzare il processo ingegnerizzazione di una rete neurale.

    Prima di unirmi ai Leonardo Labs, ho lavorato come Junior Data Scientist in un centro di ricerca a Torino dove mi sono concentrata sull’applicazione di tecniche di natural language processing (NLP) nel contesto di 2 progetti europei. Durante questa esperienza ho applicato NLP per l’estrazione di informazioni da testi di diverse lingue, questo mi ha condotto ad un lavoro di ricerca, descritto nel paper “Multilingual Text Classification form Twitter During Emergencies”  presentato alla 2021 ICCE conference [1], in cui viene affrontato il problema di generalizzare modelli di deep learning per varie lingue specifiche in cui vi è carenza di dati annotati. 

    Attualmente nei Leonardo Labs sono coinvolta in varie aree di ricerca che vanno dalla costruzione di knowledge graphs sfruttando tecniche di NLP fino all’applicazione di generative adversarial networks (GANs) per migliorare la risoluzione di immagini.

  • Generative Adversarial Networks (GANs):
     –  GANs per migliorare risoluzione di immagini (nello specifico volti umani)

    Natural Language Processing:
     – Modelli di linguaggio per molteplici lingue
     – Riconoscimento di entità nel testo
     – Estrazione e classificazione di relazioni tra entità presenti nel testo

    Knowledge Graphs
     – Creation of knowledge graphs from unstructured data (information extraction using NLP) and structured data (data integration from existing sources)
     – Creazione di knowledge graphs da dati non strutturati (estraendo informazioni tramite NLP) e dati strutturati (integrando informazioni da diverse sorgenti dati esistenti)
     – Question answering sui knowledge graphs

  • [1] S. Piscitelli, E. Arnaudo and C. Rossi, "Multilingual Text Classification from Twitter during Emergencies," 2021 IEEE International Conference on Consumer Electronics (ICCE), 2021, pp. 1-6, doi: 10.1109/ICCE50685.2021.9427581.