About me
Passionate Front-end and Backend Developer hailing from Milan, Italy 📍
I'm a highly skilled web and software developer with a diverse range of technical expertise. My knowledge spans from front-end languages such as HTML, CSS, JavaScript, TypeScript, and React, to back-end technologies like PHP, Python, Java, Spring Boot, and C# with .NET. My experience with Next.js highlights my proficiency in implementing advanced web applications. My versatility in the programming domain positions me as a well-rounded professional capable of tackling complex challenges in various development environments.
Academic Projects
Research, coursework, and academic studies 📚
UniQuiz (2024/2025)
English
UniQuiz is an Android mobile application designed for students of the University of Milano - Bicocca to study and review course topics. The app enables users to practice with user-generated or AI-generated quizzes, tracks learning statistics and progress, supports cross-device synchronization with Firebase, and provides offline functionality through a local Room database.
Italiano
UniQuiz è un'applicazione mobile Android pensata per gli studenti dell'Università degli Studi di Milano - Bicocca per studiare e ripassare gli argomenti dei corsi. L'app permette di svolgere quiz creati manualmente dagli utenti oppure generati automaticamente dall'Intelligenza Artificiale, monitorare statistiche e progressi, sincronizzare i dati su più dispositivi tramite Firebase e funzionare anche offline grazie a un database locale.
Machine Learning per la Diagnosi del Rischio di Infarto (2026)
English
A machine learning project developed to predict heart attack risk using clinical and physiological patient data from a benchmark heart disease dataset. The project includes extensive Exploratory Data Analysis (EDA), targeted data pre-processing (One-Hot Encoding, MinMax scaling, and target correction), and compares an interpretable Decision Tree with a high-performing Support Vector Machine (SVM) fine-tuned via Grid Search. The models are rigorously validated using Repeated Stratified 10-Fold Cross-Validation and a Paired T-test to ensure statistical significance.
Italiano
Un progetto di Machine Learning finalizzato alla predizione del rischio di infarto basato su parametri clinici e fisiologici dei pazienti. Il lavoro comprende un'accurata Analisi Esplorativa dei Dati (EDA), pre-processing mirato (One-Hot Encoding, normalizzazione con MinMaxScaler e correzione delle etichette del target) e il confronto metodologico tra un Albero Decisionale (per la massima interpretabilità clinica) e una Support Vector Machine (ottimizzata tramite Grid Search). I modelli sono stati validati attraverso Repeated Stratified 10-Fold Cross-Validation e test di significatività statistica (Paired T-test).
Valutazione sperimentale di Redis come soluzione di data store per un contesto aziendale (2026)
English
An experimental benchmark and evaluation study investigating Redis as an enterprise in-memory data store. The project empirically validates key architectural properties (atomicity, TTL, RDB and AOF persistence), evaluates single-node baselines, examines horizontal and vertical scalability across varying master nodes and data volumes (up to 10M keys) using memtier_benchmark, and tests fault tolerance with automatic cluster failover under simulated failure scenarios across macOS and Windows Docker environments.
Italiano
Un'analisi empirica e studio di benchmarking per valutare l'adozione di Redis come data store in-memory in un'infrastruttura aziendale. Il lavoro verifica le proprietà teoriche fondamentali (atomicità, scadenze TTL, persistenza RDB e AOF), stabilisce una baseline a nodo singolo, indaga la scalabilità orizzontale e verticale (fino a 10 milioni di chiavi su Redis Cluster) mediante memtier_benchmark e analizza la tolleranza ai guasti con failover automatico tramite carichi redis-py, evidenziando l'impatto dei limiti di virtualizzazione Docker su macOS e Windows.
💚 Green Computing: Binary Classification Optimization Strategies and Language Efficiency for Digital Decarbonization (2026)
English
A Green AI research project evaluating energy consumption and carbon footprint (CO2eq) reduction in machine learning workflows. Using a Random Forest binary classifier, it compares a standard Python baseline against an optimized Python implementation (featuring data trimming, model pruning, multicore parallelism, and float32 quantization) and an ultra-efficient compiled Rust implementation built with the smartcore library. Hardware power draw and carbon emissions were monitored in real time using CodeCarbon to quantify the accuracy-sustainability trade-off via the Matthews Correlation Coefficient (MCC).
Italiano
Un progetto di ricerca nell'ambito del Green Computing applicato all'Intelligenza Artificiale, volto a ridurre il consumo energetico e l'impronta di carbonio (CO2eq). Attraverso un classificatore binario basato su Random Forest, il lavoro confronta una baseline standard in Python con una variante ottimizzata 'Python Green' (tramite data trimming, model pruning, parallelizzazione e quantizzazione dei dati) e una controparte compilata ad alte prestazioni sviluppata in Rust con la libreria smartcore. Consumi ed emissioni sono stati tracciati in tempo reale tramite CodeCarbon, analizzando il trade-off tra efficienza energetica e qualità predittiva misurata dal coefficiente MCC.
CareChain (2025)
English
CareChain is a full-stack web platform designed to streamline volunteering in the Lombardy region by connecting organizations with volunteers. Built with Next.js on the frontend, Node.js with Express on the backend, Better-Auth for session authentication, and MySQL for relational data persistence, it features request and offer lifecycle management, custom matching algorithms, an integrated real-time chat, operator verification and moderation workflows, and feedback systems. Quality assurance and reliability were maintained using Playwright for end-to-end testing and SonarQube for static code analysis.
Italiano
CareChain è una piattaforma web per il territorio lombardo nata con l'obiettivo di centralizzare e facilitare l'incontro tra organizzazioni e volontari. Sviluppata con Next.js per il frontend, Node.js con Express e database relazionale MySQL per il backend, e Better-Auth per l'autenticazione, supporta la gestione completa di richieste e offerte di volontariato, algoritmi di matching personalizzato, chat integrata in tempo reale, flussi di moderazione e verifica da parte di operatori e un sistema di recensioni. Il progetto è stato testato e analizzato mediante Playwright (test end-to-end) e SonarQube (qualità del codice e analisi statica).
Projects
Every project represents a distinctive puzzle in the realm of development 🌐
CareChain (June 2025)
CareChain helps you find volunteer opportunities that match your skills or volunteers who can help your organization.
