Date: 10 e 17 marzo 2026
Tipo di corso: webinar
Orario: 10.30 - 12.00
Docente: Paola Celio
Profilo Professionale
Paola Celio è Senior Technical Officer presso l'Università degli Studi Roma Tre dal 2002. Vanta oltre 20 anni di esperienza nello sviluppo di software scientifico, calcolo ad alte prestazioni (HPC) e analisi dei dati per la fisica sperimentale. È specializzata nel collegare la ricerca accademica con le soluzioni tecnologiche avanzate.
Competenze Tecniche
- Programmazione: Esperta in Python, C++, Java, Bash e Perl.
- Analisi Dati e ML: Utilizzo avanzato di SQL, pandas, NumPy e Scikit-learn; competenze iniziali in TensorFlow.
- Database: Gestione di sistemi complessi come Oracle, PostgreSQL e MySQL.
- Strumenti Scientifici: Esperienza con LAMMPS, ROOT, Anaconda e Jupyter.
Esperienze Principali e Collaborazioni
- Ricerca Internazionale: ha contribuito a importanti esperimenti di fisica delle alte energie e astroparticelle, tra cui ATLAS (CERN), DarkSide e ARGO-YBJ.
- Sviluppo Software: si occupa di automazione di workflow, pipeline di dati e simulazioni LAMMPS.
- Collaborazioni Esterne: lavora con l'ISPRA su sistemi di dati live in PostgreSQL e con l'Ospedale Gemelli per l'estrazione di feature da dati reali.
- Attività Didattica: docente di programmazione Python e analisi dei dati per dottorandi e studenti di Master (Data Analytics) presso Roma Tre. Relatrice su temi attuali come l'uso dei ChatBot in ambito accademico e l'applicazione del Machine Learning al traffico di rete (corso GARR 2025).
- Formazione e Pubblicazioni: possiede un MSc in Fisica conseguito presso l'Università La Sapienza di Roma, con specializzazione in Fisica delle Astroparticelle. Autrice di numerose pubblicazioni in peer-review su riviste prestigiose come Nature Physics e Physical Review D.
Programma
-
- Introduzione pratica (hands-on)
- Analisi esplorativa di un dataset di rete
- Implementazione guidata di:
- un modello di clustering per anomaly detection
- un semplice modello di classificazione
- Interpretazione dei risultati
- Introduzione pratica (hands-on)
Livello del corso: base
Prerequisiti:
Conoscenze di base di:
- architetture di rete (TCP/IP, routing, switching)
- concetti di monitoraggio e performance (latenza, throughput, packet loss)
- Familiarità con l’uso del computer e dei fogli di calcolo
- Non è richiesta esperienza pregressa in Machine Learning o Data Science
- Conoscenze di programmazione non obbligatorie, ma utili
Target:
- Network engineer
- Network operator
- System administrator
- Personale tecnico coinvolto nel monitoraggio e nella gestione delle reti
- Responsabili IT con ruolo operativo o decisionale
Il corso è pensato per professionisti con competenze tecniche di rete che desiderano comprendere e utilizzare il Machine Learning come strumento di supporto operativo.
Link: verrà inviato agli iscritti il giorno prima del webinar