Foto Stefania Montani

Stefania MONTANI

 
Macro struttura
 
SSD INF/01
Matricola 001488
0131 360 158   (int.: 3158)
0131 360 198

Impegni settimanali

Contatti

0131 360 158   (int.: 3158)
0131 360 198

Ricevimento e Altre Informazioni

Venerdi ore 13. Si prega di fissare un appuntamento via email. 

A. A. 2012 / 2013
Primo Semestre
SSD: INF/01
CFU: 6
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
Annuale
SSD: INF/01
CFU: 6
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
Secondo Semestre
SSD: INF/01
CFU: 3
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
A. A. 2013 / 2014
Annuale
SSD: INF/01
CFU: 6
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
Primo Semestre
SSD: INF/01
CFU: 6
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
Secondo Semestre
SSD: INF/01
CFU: 3
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
A. A. 2014 / 2015
Primo Semestre
SSD: INF/01
CFU: 9
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
A. A. 2017 / 2018
Primo Semestre
SSD: INF/01
CFU: 9
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
SSD: INF/01
CFU: 9
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
Secondo Semestre
A. A. 2018 / 2019
Primo Semestre
SSD: INF/01
CFU: 9
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
SSD: INF/01
CFU: 9
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
Secondo Semestre
SSD: INF/01
CFU: 9
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
A. A. 2019 / 2020
Primo Semestre
SSD: INF/01
CFU: 9
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
SSD: INF/01
CFU: 9
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
Secondo Semestre
SSD: INF/01
CFU: 9
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica

Pubblicazioni

Ricerca

Mining, retrieval e analisi di processi di business.Ci occupiamo di analisi e sviluppo di tecniche di process mining per apprendere modelli di processo da tracce di esecuzione; della definizione di opportune metriche per il recupero (retrieval) basato sulla distanza di tracce e di modelli di processo; del loro utilizzo in algoritmi di recupero, clustering e analisi; la validazione avverrà in domini reali (ad es. gestione ictus, ottimizzazione di task scheduling in un contesto di cloud computing).

Conoscenza e tecnologia per migliorare la gestione dei pazienti in emergenza medica. I pazienti in emergenza possono essere accompagnati presso un ospedale non adeguatamente attrezzato: la stabilizzazione può risultare subottimale. Durante il trasferimento in ambulanza presso altro centro, i parametri vitali vengono monitorati, ma non vengono memorizzati, né sono accessibili in tempo reale. Proponiamo lo sviluppo di strumenti e metodologie per affrontare tali problematiche. Il lavoro porterà ad un avanzamento nel process mining, case based reasoning, analisi di serie temporali.

Tecniche di case-based retrieval flessibile. Studiamo opportune rappresentazioni di casi con attributi in forma di serie temporali, e specifiche tecniche di riduzione della dimensionalità delle serie, di indicizzazione e di ottimizzazione del recupero basato sulla distanza. Il campo di applicazione sarà quello bio-medico.

Un Sistema per la gestione di line guida cliniche. Da parecchi anni, lavoriamo all’implementazione di un Sistema per l’acquisizione, la rappresentazione e l’esecuzione di linee guida cliniche, indipendente dal dominio. Il Sistema si distingue da altre soluzioni presenti in letteratura per la sua intensiva applicazione di tecniche avanzate di Intelligenza Artificiale, quali ragionamento temporale, ragionamento probabilistico e concetti di teoria delle decisioni.

----------------------------------------------------------

Mining, retrieval and analysis of business processes.

We propose the adoption of process mining techniques to learn process models from business process traces; the definition of proper similarity metrics for traces and business process models; the exploitation of these metrics within proper retrieval and ordering algorithms to support process analysis; testing will take place in real world domains (e.g. stroke management; optimization of process task scheduling in a cloud computing environment).

Towards a Knowledge-Intensive and Technology-enhanced Patient Emergency Management. Patients in emergency may be taken to an insufficiently equipped hospital: the stabilization process may be suboptimal. During transportation to a larger center by ambulance, their parameters are monitored, but the time series are not recorded and not accessible in real time. We propose tools and methodologies to overcome these issues. The work will advance research in process mining, case based reasoning, time series retrieval.

Flexible case-based retrieval techniques. We work at a proper representation of cases with time series features; we propose dimensionality reduction techniques and efficient retrieval techniques also with partial match between the query and the retrieved cases (indexing and retrieval optimization techniques). Application to bio-medical problems will be considered.

A clinical guidelines management system. Since several years, we work at the implementation of a domain-independent system for acquiring, representing and executing clinical guidelines. The system distinguishing features consist in the adoption of advanced and extended Artificial Intelligence techniques, such as temporal reasoning, probabilistic reasoning and decision theory concepts.