31 Ottobre 2024

• Alessandro Chiabodo. Deep Learning Techniques for Water Level Forecasting in Satellite Images. Rel. Paolo Garza, Daniele Rege Cambrin. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Informatica (Computer Engineering), 2024
  

  

  Preview

13 Dicembre 2024

• Elena Buccoliero. Epicenter Detection integrating Sentinel-1 InSAR data and Deep Learning. Rel. Paolo Garza, Daniele Rege Cambrin. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Informatica (Computer Engineering), 2024
  

  

  Preview

11 Aprile 2025

• Paolo Rizzo. Model-Free Multi-Agent Reinforcement Learning Approach in NeurIPS LuxAI S3 Competition. Rel. Daniele Apiletti, Simone Monaco, Daniele Rege Cambrin. Politecnico di Torino, Corso di laurea magistrale in Data Science And Engineering, 2025
  

  

  Preview
• Claudiu Constantin Tcaciuc. Topic-Aware Multi-Stream Text Retrieval for Crisis Related Summarization. Rel. Paolo Garza, Daniele Rege Cambrin. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Informatica (Computer Engineering), 2025
  

  

  Preview

12 Dicembre 2025

• Mattia Ottoborgo. Beyond Cross-Entropy: Custom Loss Functions for Finetuning SLMs on Structured Recipe Generation. Rel. Paolo Garza, Daniele Rege Cambrin. Politecnico di Torino, Corso di laurea magistrale in Data Science And Engineering, 2025
  

  

  Preview
• Fabrizio Gallo. Curriculum Learning in Earth Observation. Rel. Paolo Garza, Daniele Rege Cambrin. Politecnico di Torino, Corso di laurea magistrale in Data Science And Engineering, 2025
  

  

  Preview

27 Marzo 2026

• Filippo Struffi. Data Guided Benchmarking of Optimization Strategies = -. Rel. Paolo Garza, Daniele Rege Cambrin. Politecnico di Torino, Corso di laurea magistrale in Data Science And Engineering, 2026
  

  

  Preview
• Mehrnoosh Liravi. Deep Learning for Electric Network Mapping Using Aerial Imagery. Rel. Paolo Garza, Daniele Rege Cambrin. Politecnico di Torino, Corso di laurea magistrale in Data Science And Engineering, 2026

24 Luglio 2026

• Marco Perno. Deep Learning per la previsione spaziale degli aftershock: un approccio end-to-end basato su dati InSAR = Deep Learning for Spatial Aftershock Forecasting: an End-to-End Approach Based on InSAR Data. Rel. Paolo Garza, Daniele Rege Cambrin. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Informatica (Computer Engineering), 2026
  

  

  Preview