Auteurs:Manuel Luci
Nationality
Italienne
University
Université de Pise
Profession
Physicien
Formation
2013 – 2018 Liceo Scientifico G. Battaglini, Tarente, Italie Diplôme de lycée scientifique
2018 – 2021 Licence en Physique Université de Pise, Pise, Italie
Depuis 2021 Master en Physique (Systèmes complexes) Université de Pise, Pise, Italie
Compétences
Langages de programmation Python, R, Matlab, Mathematica, C (niveau débutant)
Compétences techniques Modélisation mathématique et physique de phénomènes réels et financiers, programmation pour simulations numériques, analyse de données et apprentissage automatique (machine learning)
Compétences transversales Travail en équipe, leadership, résolution de problèmes, adaptabilité, communication efficace
Expérience professionnelle
Depuis novembre 2022 Data Analyst – *The Edge Company*, Rimini, Italie Analyse de données pour améliorer les performances des systèmes et identifier des points critiques. Développement de modèles physico-mathématiques pour l’évaluation du risque de bird strike et contribution à l’implémentation d’algorithmes de machine learning.
Été 2018 Enseignant – Olympiades de Mathématiques Liceo Scientifico G. Battaglini, Tarente, Italie
2018 – présent Enseignement privé en mathématiques et physique Cours de niveau lycée et universitaire, Italie et États-Unis
Projets de thèse
Licence Développement d’un modèle d’optimisation pour les mesures de confinement liées au Covid-19
Master Analyse d’un modèle de type Kyle à l’aide de réseaux neuronaux afin d’identifier les conditions d’équilibre
Profil scientifique
Participation aux Olympiades de Mathématiques pendant trois ans, avec deux participations aux finales nationales par équipe et une participation individuelle.
Intérêt de recherche actuel centré sur les modèles physico-mathématiques et les méthodes de machine learning appliquées à la finance, notamment :
- éconophysique
- finance quantitative
- microstructure des marchés
Étude des réseaux complexes à travers l’analyse des réseaux sociaux et la théorie des graphes.
Centres d’intérêt
Powerlifting
