ACM

Ciao! Sono

Antonio Colamartino

CRM Developer & Specialista ML

Mi occupo di Machine Learning e Deep Learning per la ricerca biomedica, e lavoro come sviluppatore CRM su Microsoft Dynamics 365. Amo creare soluzioni innovative che combinano intelligenza artificiale e sviluppo software.

Scrivimi Scarica CV
Ritratto in bianco e nero ad alto contrasto di Antonio Colamartino
ANTONIO_COLAMARTINO.JPG — B/W ★ HIGH CONTRAST

Chi Sono_

Sono un laureato in Informatica appassionato di sviluppo software e intelligenza artificiale. Lavoro come CRM Developer in Deloitte Nexthub, dove creo soluzioni enterprise su Microsoft Dynamics 365 usando .NET e C#. La mia passione? Combinare Data Science e Machine Learning per risolvere problemi complessi e creare architetture software scalabili.

// Competenze

  • Machine Learning
  • Data Science
  • .NET & C#
  • Microsoft Dynamics 365
  • Python
  • PyTorch
  • Microsoft Power Platform
  • Deep Learning

Esperienza_

Lavoro

CRM Developer — Analyst

Deloitte Nexthub ★ Bari

Marzo 2025 - Attuale

Sviluppo e implementazione di soluzioni CRM enterprise su piattaforma Microsoft Dynamics 365, utilizzando .NET e C# per architetture software scalabili

Formazione

Laurea Triennale in Informatica (L-31)

Università degli Studi di Bari

2022 — 2026

Laurea conseguita con voto 106/110. Corso di laurea focalizzato su sviluppo software, algoritmi, strutture dati e machine learning

Diploma in Informatica e Telecomunicazioni

I.I.S.S. G. Ferraris

2017 — 2022

Specializzazione in programmazione, reti di computer, database e sistemi informativi

Progetti_

DeepRetina-MSHA

Reti Neurali Multi-Scala con Uncertainty Quantification per Screening della Retinopatia Diabetica

Framework di deep learning per la classificazione automatica della retinopatia diabetica usando reti di attenzione multi-scala e quantificazione dell'incertezza.

Architettura Multi-Scale Hierarchical Attention Network con backbone EfficientNet-B4 e Bayesian Dropout
Training Training su dataset EyePACS con 88.700 immagini del fundus retinico, 5 gradi di severità
Caratteristiche
  • Backbone pre-addestrato EfficientNet-B4
  • Attenzione gerarchica multi-scala
  • Quantificazione dell'incertezza con Bayesian Dropout
  • Focal Loss per lo sbilanciamento delle classi
  • Training a precisione mista
Stack Python · PyTorch · EfficientNet-B4 · CUDA · OpenCV · NumPy · Pandas
Vedi su GitHub

Scrivimi_

Sono sempre aperto a nuove opportunità e progetti interessanti. Fammi sapere se vuoi collaborare o semplicemente chiacchierare di tecnologia!