MANZONI SARA LUCIA

Ruolo:
Professore associato
Settore scientifico disciplinare:
Informatica (INF/01)
Telefono:
Stanza:
U14, Piano: 2, Stanza: 2042
Orari di ricevimento:

Mercoledì ore 14, previo appuntamento

Biografia

Dopo la laurea in Scienze dell'Informazione presso l'Università degli Studi di Milano (A.A. 1998-1999) e il Dottorato di Ricerca in Informatica (feb. 2004), dal 2004 al 2017 ha preso servizio come ricercatore presso la Facoltà di Giurisprudenza dell'Università degli Studi di Milano-Bicocca. Da ottobre 2017 è professore associato presso il Dipartimento di Informatica, Sistemistica e Comunicazione (DISCo).

Dal 1998 svolge attività di collaborazione a progetti di ricerca di base e trasferimento tecnologico in diversi settori dell’Intelligenza Artificiale. Dal 2007 al 2017 è stata responsabile del Laboratorio di Intelligenza Artificiale (LINTAR). 

Dal 2010 al 2016 è stata socio fondatore di CROWDYXITY SRL, spin-off dell’Università di Milano-Bicocca che ha portato a prodotto soluzioni innovative per la modellazione e studio della dinamica di sistemi complessi del contesto della crowd dynamics e operato in ambito di consulenza professionale di elevata specializzazione.

Dal 2005 al 2015 Sara Manzoni è stata tesoriere e membro del direttivo dell’Associazione Italiana per l’Intelligenza Artificiale (AI*IA).

Ricerca

I principali risultati dell’attività di ricerca di Sara Manzoni riguardano l’area dell’Intelligenza Artificiale e principalmente l’Ingegneria della Conoscenza (Knowledge Based Systems – KBS e Knowledge Management – KM) e la modellazione e simulazione di sistemi complessi basata su approcci distribuiti (Automi Cellulari e Sistemi Multi Agente).

I risultati teorici, le proposte metodologiche e le soluzioni in domini applicativi reali sintetizzati nel seguito sono stati sviluppati all’interno di collaborazioni a progetti di ricerca e di trasferimento tecnologico e sono documentati da pubblicazioni scientifiche di livello nazionale e internazionale apparse su riviste, come contributi in libri e atti delle principali conferenze di settore.

Per quanto riguarda l'attività di ricerca relativa all’Ingegneria della Conoscenza (Sistemi Basati sulla Conoscenza e Knowledge Management), i principali risultati hanno riguardato il contesto del Case Based Reasoning e del Rule Based Reasoning per la progettazione e realizzazione di sistemi di supporto di processi decisionali

Per quanto riguarda l'attività di ricerca relativa ai sistemi multi-agente, i principali risultati conseguiti da Sara Manzoni sono stati la definizione di un modello originale basato su sistemi multiagente situati in un ambiente strutturato di cui è data in modo esplicito la struttura spaziale (Multilayered Multi Agent Situated Systems - MMASS) e la sua applicazione per la simulazione di sistemi complessi in cui la topologia dell'ambiente ha un ruolo fondamentale nella dinamica del sistema. All'interno di progetti di ricerca e collaborazioni nazionali ed internazionali è stata applicata la modellazione basata sul modello MMASS per la realizzazione di simulazioni delle dinamiche che caratterizzano i relativi domini di applicazione.

L’attività di ricerca di Sara Manzoni in questo settore si è focalizzata sullo studio delle dinamiche di situazioni di crowding (sistemi con dinamiche complesse risultanti dalla condivisione di spazi, obiettivi e stati emotivi da parte di gruppi numerosi di persone). Tale ricerca, di interesse interdisciplinare e con implicazioni e applicazioni che coinvolgono la gestione e la sicurezza di luoghi e situazioni affollate, ha riguardato la proposta e sperimentazione dell’approccio dei Situated Cellular Agents (SCA) per lo studio delle dinamiche tipiche di gruppi di persone movimento. 

Dal 1999 ad oggi, Sara Manzoni ha collaborato a vari progetti di ricerca e trasferimento tecnologico finanziati dalla Comunità Europea, dal Ministero dell’Università e della Ricerca e da enti privati, occupandosi sia di aspetti teorici, sia applicativi, sia di coordinamento. 

Pubblicazioni

  • Tegegn, D., Zoppis, I., Manzoni, S., Sas, C., & Lotti, E. (2021). Convolutional Neural Networks for Quantitative Prediction of Different Organic Materials using Near-Infrared Spectrum. In BIOSTEC 2021. Proceedings of the 14th International Joint Conference on Biomedical Engineering Systems and Technologies - Volume 4 (pp.169-176). AV D MANUELL, 27A 2 ESQ, SETUBAL, 2910-595, PORTUGAL : SciTePress [10.5220/0010244101690176]. Dettaglio

  • Marconi, L., Matamoros Aragon, R., Zoppis, I., Manzoni, S., Mauri, G., & Epifania, F. (2021). Explainable Attentional Neural Recommendations for Personalized Social Learning. Intervento presentato a: 19th International Conference of the Italian Association for Artificial Intelligence, AIxIA 2020 - 24 November 2020 through 27 November 2020, Virtual, Online [10.1007/978-3-030-77091-4_5]. Dettaglio

  • Delelegn, T., Zoppis, I., Manzoni, S., Mognato, A., Reguzzoni, I., & Lotti, E. (2021). Rapid Analysis of Powders Based on Deep Learning, Near-Infrared and Derivative Spectroscopy. In Proceedings of the 1st Italian Workshop on Artificial Intelligence and Applications for Business and Industries (AIABI 2021) co-located with 20th International Conference of the Italian Association for Artificial Intelligence (AI*IA 2021) (pp.1-12). Aachen : CEUR-WS. Dettaglio

  • Zoppis, I., Trentini, A., Manzoni, S., Micucci, D., Mauri, G., Pietrabissa, G., et al. (2020). Online social space identification. A computational tool for optimizing social recommendations. APPLIED SCIENCES, 10(9), 1-14 [10.3390/app10093024]. Dettaglio

  • Marconi, L., Matamoros Aragon, R., Zoppis, I., Manzoni, S., Mauri, G., & Epifania, F. (2020). Approaching explainable recommendations for personalized social learning the current stage of the educational platform”WhoTeach”. In Italian Workshop on Explainable Artificial Intelligence 2020 (pp.104-111). CEUR-WS. Dettaglio