Moi kaikki!
Ciao!
A te che leggi per sapere di me, potrei iniziare dicendo che ho studiato matematica, ma non sarebbe abbastanza, se non ricordando l'etimologia del termine. In latino, studère significava – prima ancora che "studiare" – "dedicarsi, applicarsi", e anche "prediligere", "amare"; e perciò studium è zelo, diligenza, cura e insieme ardore, desiderio, passione. Ecco, posso dire che alla matematica mi son dedicato con passione.
Dopo il liceo scientifico mi sono iscritto alla Facoltà di Matematica dell'Università di Pisa. Sono stato tra quei - forse pochi - fortunati a non aver dubbi sulla scelta universitaria da intraprendere. Fin da piccolo mi dilettavo in problemi di logica, rompicapi, e con i quesiti delle Olimpiadi di Matematica. Al secondo anno sono stato selezionato per partecipare a un percorso di doppia laurea con l'Ecole Polytechnique di Parigi, dove ho passato più di due anni molto ricchi dal punto di vista accademico e personale.
Ho deciso di fare un'esperienza all'estero per diversi motivi: primo su tutti la curiosità. Mi piace viaggiare e penso che sia fondamentale conoscere il settore universitario e il mondo del lavoro anche al di fuori del proprio paese. Amo molto l'opportunità di sperimentare nuovi percorsi e, inoltre, l'avventura culturale mi attira nonostante possa presentare diverse incognite (d'altronde la matematica ne è piena!). Uno dei vantaggi di aver portato avanti un percorso misto è stato proprio quello di poter apprezzare le differenze tra le culture. Ciò porta anche a un'altra mia passione: le lingue. Queste mi piacciono molto perché permettono - proprio come la matematica - di comunicare, scoprire, incontrare, esplorare.
Da un paio d'anni mi occupo di concepire e implementare dei modelli che descrivano alcuni aspetti della realtà, per lo più legati a sistemi ingegneristici, che aiutano a risolvere e ad ottimizzare problemi concreti. Il tutto nasce dalla comprensione del problema; ciò porterà a scegliere un modello che ne esalterà la caratteristica più importante e infine il metodo di risoluzione più efficace (classici algoritmi di RO o tecniche di Machine Learning e Deep Learning).