Professore Associato · Ingegneria Informatica
Fabio Fassetti
Dipartimento di Ingegneria Informatica, Modellistica, Elettronica e Sistemistica (DIMES)
Università della Calabria, Rende (CS)
Professore Associato · Ingegneria Informatica
Dipartimento di Ingegneria Informatica, Modellistica, Elettronica e Sistemistica (DIMES)
Università della Calabria, Rende (CS)
Sono Professore Associato di Ingegneria Informatica presso il Dipartimento DIMES dell'Università della Calabria (UNICAL). La mia attività di ricerca si concentra sull'Intelligenza Artificiale e sul Machine Learning, con particolare attenzione allo sviluppo di metodi per l'anomaly detection, la scoperta di conoscenza in dati complessi e l'interpretabilità dei modelli
Svolgo attività didattica nei corsi di Laurea in Ingegneria Informatica e in Medicina e Tecnologie Digitali. Collaboro alla gestione dell'infrastruttura HPC dell'Ateneo, un cluster ad alte prestazioni che supporta la ricerca di dottorandi e ricercatori. Ricopro il ruolo di delegato del Direttore ai Sistemi Informativi e Servizi Web del Dipartimento e di membro della Commissione Paritetica Studenti-Docenti del DIMES
Sono membro stabile dell'Editorial Board di Scientific Report Journal (Nature) per la categoria "Computational Science" con un carico di circa 10 articoli gestiti all'anno. Scientific Reports è la quinta rivista più citata al mondo, con oltre 734000 citazioni nel 2023. Sono inoltre membro del Comitato di Programma di diverse conferenze di elevato prestigio, quali ECML-PKDD e ICDM
Sono membro attivo dell'Artificial Intelligence and Data Science Laboratory e dell'AIDA Lab
Ho supervisionato o co-supervisionato 5 studenti di dottorato e sono stato relatore di oltre 160 tesi di laurea
Ho conseguito il Dottorato di Ricerca in Ingegneria dei Sistemi e Informatica all'Università della Calabria, con una tesi su "Discovering Exceptional Individuals and Properties in Data". Ho svolto attività di ricerca post-dottorale presso l'ICAR-CNR e l'ISTI-CNR di Pisa e un periodo di ricerca all'estero presso la Technische Universiteit Eindhoven (TU/e) in Olanda
Sviluppo di metodi non supervisionati per il rilevamento di anomalie in dati ad alta dimensionalità: DOLPHIN, STORM, LatentOut, AE-SAD, CFOOD
Metodi per la spiegazione di anomalie e classificatori: outlier explanation tramite subspace density, masking models e large language models per l'interpretabilità locale di modelli di testo
Applicazione di tecniche di machine learning e data mining a dati biologici complessi: analisi di reti di interazione, dati multi-omici e informatica medica
Scoperta di proprietà eccezionali in dati eterogenei, rappresentazione della conoscenza e ragionamento non monotono; costruzione di modelli minimali via programmazione logica
Lista completa su ORCID e Google Scholar.
Repository ufficiale del laboratorio AIDALab (DIMES, UNICAL). Contiene il codice sorgente dei metodi di anomaly detection, explainable AI e data mining sviluppati nell'ambito delle attività di ricerca del gruppo
3 ottobre 2025
CF-OOD: Concentration-Free Density Estimation for Reliable Out-of-Distribution Detection
18th International Conference on Similarity Search and Applications - SISAP 2025
4 aprile 2016
Discovering Discriminative Graph Patterns from Gene Expression Data
31st ACM/SIGAPP Symposium on Applied Computing - SAC 2016
An Explainable Anomaly Detection System for “Green by AI”
Progetto di trasferimento tecnologico finanziato tramite bando interno del Progetto "Future Artificial Intelligence Research - FAIR", un progetto finanziato dall'Unione Europea nell'ambito del Piano Nazionale di Ripresa e Resilienza (PNRR). In particolare, le attività sono associate allo Spoke 9 che si focalizza su approcci di AI sostenibile e consapevole dell'impatto ambientale dei modelli
SPID Advanced Security - SPIDASEC
Progetto POR (Programmi Operativi Regionali) su processi e tecnologie innovative per la diffusione e la protezione dell'identità digitale basata su SPID
Compositional Approaches for the Characterization and Mining of Omics Data
Progetto di Ricerca di Interesse Nazionale (PRIN) finanziato dal MIUR. Il progetto ha affrontato l'analisi e la caratterizzazione di dati omici attraverso approcci compositivi per il data mining biologico
Tecniche di analisi e sintesi delle reti logiche combinatorie e sequenziali, organizzazione di base e funzionamento della macchina calcolatore, linguaggio di programmazione assembly
Tecniche per l'elaborazione di dati biologici e molecolari, database bioinformatici, algoritmi di ricerca, di estrazione di informazioni, di predizione e di analisi dell'informazione biologica
Architetture Avanzate dei Sistemi di Elaborazione e Programmazione
Esercitazioni su tecniche di programmazione per il miglioramento delle prestazioni basate sull'organizzazione dell'hardware
Materiali didattici, prove d'esame e avvisi disponibili su Microsoft Teams
Cristina Serrao
XXXIV cicloSimona Nisticò
XXXVI cicloFrancesco De Luca
XXXIX cicloSimone Amirato
XXXIX cicloMaria Pia Zupi
XL cicloMercoledì, 15:00 – 18:00
Cubo 41C - Università della Calabria
Previo appuntamento via Teams