Alberto Maria Metelli è ricercatore presso il Dipartimento di Elettornica, Informazione e Bioingegneria del Politecnico di Milano, si occupa di reinforcement learning. Nel 2025 ha vinto un FIS2 (Fondo Italiano per la Scienza) Starting Grant. È inoltre co-fondatore di ML Cube S.r.l. e membro della ELLIS Society.

Andrea Manzoni è professore associato presso il DMAT, Politecnico di Milano. I suoi interessi di ricerca riguardano la simulazione numerica, la quantificazione dell’incertezza e il machine learning. Dal 2020 insegna corsi di Computational Statistics e Reduced Order Modeling, è responsabile di progetti di ricerca industriali e principal investigator del progetto “DREAM” (Reduced Order Modeling and Deep Learning for the real-time approximation of PDEs, 2024-2029) finanziato dal Fondo Italiano per la Scienza (MUR).

prova

Francesco Trovò è Professore Associato presso il Dipartimento di Elettronica, Informazione e Bioingegneria del Politecnico di Milano, dove svolge la sua attività di ricerca all’interno dell’Artificial Intelligence and Robotic Laboratory (AIRLab). Ha conseguito il dottorato di ricerca in Information Technology nel 2015 presso il Politecnico di Milano. Nel 2011 ha ottenuto la laurea in Ingegneria Matematica presso lo stesso ateneo e, nello stesso anno, il Master of Science in Machine Learning and Data Mining presso Aalto University, Helsinki.

Giacomo Boracchi è Professore Associato presso il Dipartimento di Elettornica, Informazione e Bioingegneria del Politecnico di Milano. I suoi interessi di ricerca riguardano algoritmi e modelli per analizzare/elaborare immagini, la computer vision ed il machine learning. Dal 2016 insegna corsi riguardanti il deep learning e l’analisi di immagini ed è responsabile di diversi progetti di ricerca industriali con partner italiani ed internazionali.

Laureato in Mathematical Engineering, track in Statistical Learning al Politecnico di Milano, si occupa di progetti di forecasting, ottimizzazione online e reinforcement learning. Approccio analitico e rigore scientifico guidano ogni sua attività, con un focus costante sull'efficienza e sull’innovazione.

Mark Carman è professore associato presso il Dipartimento di Elettronica, Informazione e Bioingegneria (DEIB), Politecnico di Milano. I suoi interessi di ricerca riguardano l’information retrieval e il machine learning, con particolare riferimento a Web search, sistemi di raccomandazione, crowdsourcing, user modelling e text analytics. Insegna corsi di Data Science e Artificial Intelligence. Ha conseguito il PhD in Computer Science presso l’Università di Trento nel 2006 e, prima di entrare al Politecnico di Milano, ha ricoperto incarichi accademici presso la Monash University e l’Università della Svizzera italiana.

Matteo Camilli è Professore Associato presso il Politecnico di Milano. I suoi interessi di ricerca riguardano il software engineering, la verifica e il testing del software, con particolare attenzione allo sviluppo di metodi e strumenti per migliorare l’affidabilità di sistemi critici autonomi, cyber-fisici e basati su machine learning. Ha conseguito il dottorato di ricerca in Computer Science nel 2015 presso l’Università degli Studi di Milano.

Rocco Mosconi è Professore di Econometria presso il Dipartimento di Ingegneria Gestionale del Politecnico di Milano. La sua ricerca si concentra sull’analisi di serie temporali multivariate, con particolare attenzione ai processi non stazionari e alle loro applicazioni in economia e finanza. È stato Visiting Professor all’Università di Copenaghen e consulente per istituzioni come la Banca Centrale Europea, la Commissione Europea (JRC Ispra) e l’ARERA. Collabora inoltre con diversi Osservatori della Graduate School of Management del Politecnico di Milano.