Paolo Mignone
Professore/ssa Associato/aBiografia
Paolo Mignone, Ph.D., è Professore Associato presso l’Università Telematica Pegaso, Dipartimento di Scienze e Tecnologie dell’Informazione. Ha conseguito il Dottorato di Ricerca in Informatica presso l’Università degli Studi di Bari Aldo Moro. La sua attività di ricerca si concentra su machine learning, modellazione predittiva, transfer learning, multi-task learning, positive-unlabeled learning, anomaly detection, forecasting in serie temporali e link prediction, con applicazioni in bioinformatica, informatica biomedica, astroinformatica, digital forensics, monitoraggio ambientale e smart grid analytics.
Ha partecipato a diversi progetti e contratti di ricerca nazionali e internazionali nell’ambito dell’intelligenza artificiale, della symbiotic AI, delle smart grid, dei sistemi per le energie rinnovabili, dell’analisi dei dati per la sicurezza urbana, del remote sensing e della bioinformatica, ricoprendo ruoli quali responsabile scientifico e ricercatore. La sua attività scientifica ha prodotto pubblicazioni su prestigiose riviste internazionali, tra cui Bioinformatics, Machine Learning, IEEE Transactions on Human-Machine Systems, Big Data Research, Scientific Reports, Expert Systems with Applications e Big Data, oltre che in atti di conferenze internazionali. Ha inoltre svolto ruoli organizzativi, scientifici, editoriali e di program committee per conferenze internazionali, e svolge regolarmente attività di revisione per riviste e conferenze internazionali.
Ulteriori informazioni sono disponibili nella pagina web personale: https://p40l0m1gn0n3.github.io/
Facoltà
Materia d'insegnamento
- Fondamenti di Intelligenza Artificiale per la Bioinformatica - 9 CFU, Corso di Laurea in Informatica per le Aziende Digitali L-31
- Fondamenti di Bioinformatica e Digital Health - 6 CFU, Corso di Laurea in Informatica per le Aziende Digitali L-31
- Laboratorio per la Bionformatica - 6 CFU, Corso di Laurea in Informatica per le Aziende Digitali L-31
- Idoneità informatica - 6 CFU, Corso di Laurea Magistrale in Economia, Digital Data Analysis, Amministrazioni Pubbliche LM-56