Tesi:Predizione delle soglie fisiologiche con LSTM
Università di Roma "La Sapienza"
- Progettazione di una pipeline end‑to‑end per serie temporali: EDA, cleaning, normalizzazione dei valori , labeling automatico degli stati.
- Implementazione LSTM sequence‑to‑sequence con gestione di sequenze a lunghezza variabile (padding/packing) e valutazione a time-step.
- Implementazione di grid search per l’ottimizzazione degli iperparametri e tracciamento degli esperimenti.
- Stack: Python, PyTorch, Pandas, Matplotlib, Jupyter; logging risultati con TensorBoard; codice modulare e riusabile.