CV

Senior Data Scientist, specializzato in modelli di machine learning su GCP e AWS. Progetto e porto in produzione pipeline end-to-end nei settori Telco, Media e Retail.

Esperienza

Senior Data Scientist · Sky Italia, Milano 2024 — oggi
  • Migrazione della documentazione con GenAI (GCP): pipeline multi-agente in LangGraph, su GCP, che riconcilia la documentazione del data lake divisa tra Atlan e Confluence. Un retriever RAG ibrido (BM25 e embedding su ChromaDB, fusi con RRF pesato) recupera il contesto di business corretto per ogni asset; più agenti LLM in parallelo lo trasformano in descrizioni arricchite e documentazione a livello di colonna, validate contro uno schema Pydantic rigido e messe in coda per la revisione umana.
  • Next Best Action Engine (GCP): sistema di raccomandazione basato su algoritmi Learning to Rank per la home dell’app mobile. Ordina dinamicamente card di natura diversa — offerte, contenuti editoriali, servizi — nel carosello principale, per massimizzare engagement e click-through.
  • Modello di propensione all’upselling (GCP): ensemble in stacking per stimare il potenziale di upselling dei clienti. Finestre di previsione multiple per intercettare i segnali digitali di breve periodo e aumentare le conversioni.
  • Next Best Offer Engine (GCP): raccomandatore che ordina e personalizza le offerte giornaliere sull’intera base clienti, ottimizzando ARPU e propensione.
Data Scientist · Everli, Milano 2023 — 2024
  • Modello di churn sugli abbonamenti (AWS): previsione dell’abbandono per il servizio premium, messo in produzione per permettere al marketing di lanciare campagne di retention mirate.
  • Previsione degli stock-out (AWS): modello di classificazione per individuare i prodotti a rischio esaurimento, con trend stagionali e per singolo prodotto, per ridurre i mancati ricavi dovuti alle rotture di stock.
Junior Data Scientist · BIP — xTech, Milano 2021 — 2023
  • Consulenza per clienti internazionali nei settori Energy, Telco e Pharma.
  • Analisi del servizio clienti con LLM (Telco): modelli linguistici di grandi dimensioni su AWS per analizzare le chiamate registrate, automatizzando l’estrazione di topic e sentiment per migliorare la qualità del servizio.
  • Marketing Mix Modeling (Telco): modelli di regressione log-log per prevedere le vendite annuali e quantificare il ROI dei singoli canali media, a supporto delle scelte di allocazione del budget.
  • Churn prediction spiegabile (Telco): pipeline di Gradient Boosting su AWS per calcolare periodicamente le probabilità di abbandono. I valori SHAP danno agli stakeholder l’analisi delle cause cliente per cliente.
  • NLP per la compliance regolatoria (Pharma): apprendimento non supervisionato (clustering) sui dati di etichettatura degli artwork, per individuare errori ricorrenti e ridurre i rifiuti da parte delle autorità regolatorie.

Formazione

Laurea Magistrale in Ingegneria Informatica · Politecnico di Milano 2018 — 2020
  • Specializzazione in Machine Learning e Intelligenza Artificiale.
  • Voto finale: 107/110.
Laurea Triennale in Ingegneria Informatica · Politecnico di Milano 2015 — 2018

Competenze

Machine Learning e Deep Learning NLP e LLM GenAI, RAG e sistemi multi-agente Modelli predittivi e churn analysis Recommender system Pipeline ML end-to-end

Linguaggi e strumenti

Python SQL GCP (Vertex AI, BigQuery) AWS (SageMaker, Lambda) Azure OpenAI Airflow Docker Git Jenkins pandas scikit-learn LightGBM TensorFlow Keras LangGraph Pydantic Neo4j ChromaDB Power BI Looker Tableau

Lingue

Italiano — madrelingua Inglese — fluente