Dr. Margherita Grossi

Entwicklung produktionsnaher AI/ML-Lösungen mit messbarem Business Impact in unterschiedlichen Domänen (z. B. Mobilität, Simulation, AI for Science). Fundierte Erfahrung in DL, CV, GenAI, LLMs, Agentic AI sowie klassischem ML. Leitung interdisziplinärer Teams, Betreuung von PhD-/MSc-Studierenden sowie Verantwortung für technische Projektplanung, Priorisierung und erfolgreiche Umsetzung komplexer AI-Initiativen in internationalen Kooperationen. Beiträge zu Patenten und wissenschaftlichen Publikationen.

Entwicklung und Umsetzung von AI- und datengetriebenen Strategien mit messbarem Business Impact (u. a. Customer Analytics, Churn, Forecasting). Verantwortung für die Architektur produktionsreifer ML-Systeme und MLOps-Prozesse, inkl. automatisiertem Retraining und eigener End-to-End-Pipelines. Technische Leitung interdisziplinärer Teams aus Data Science und Software Engineering sowie enge Zusammenarbeit mit Fachbereichen zur Definition und Umsetzung von AI-Roadmaps.

Entwicklung produktionsnaher ML- und BI-Lösungen mit messbarem Business Impact (Anomaly Detection, Predictive Maintenance, Customer Intelligence). Aufbau robuster MLOps-Prozesse inkl. Produktivsetzung skalierbarer Pipelines. Analyse und Evaluation (u. a. Tableau). Leitung agiler AI-Initiativen sowie Entwicklung skalierbarer Classification-, Clustering- und Recommendation-Modelle.

Entwicklung globaler Klima- und Satellitendatenprodukte für atmosphärische Anwendungen mit Fokus auf Zeitreihenanalyse, Forecasting und statistische Modellierung. Aufbau von Bias-Correction-, Retrieval- und Validierungsmethoden mit statistischen und ML-Verfahren. End-to-End-Verantwortung für ein satellitenbasiertes Wasserdampfprodukt. Leitung ESA-finanzierter Projekte sowie internationale Kooperationen. Publikationen mit Einfluss auf operationelle Systeme.

Entwicklung und Skalierung großskaliger Simulationen auf HPC-Systemen zur Analyse komplexer astrophysikalischer Prozesse. Anwendung von Machine Learning und Data Mining zur automatisierten Auswertung hochdimensionaler Simulationsdaten. Eigenständige Forschung und methodische Weiterentwicklung, inkl. Durchführung auf europäischen Supercomputern (z. B. CINECA) sowie Einwerbung eines HPC Europa2 Grants. Publikationen in internationalen Fachzeitschriften.

Forschung im Bereich Computational Cosmology. Erweiterung führender Simulationscodes und Entwicklung paralleler Algorithmen für HPC-Systeme. Pionierarbeit im Einsatz von Machine Learning zur Analyse von Simulationsdaten. Mehrere Erstautor-Publikationen in führenden Fachzeitschriften und Erfahrung mit komplexen, datenintensiven Forschungsprojekten.

Topic: "Probing Early Dark Energy and primordial Non-Gaussianity with cosmological simulations" at the Max Planck Institute for Astrophysics (Garching)

Chemistry, Analysis, Linear Algebra, Physics, Theoretical Physics, Solid-state Physics, Nuclear and Sub-nuclear Physics, Celestial Mechanics, Astrophysics, Astronomy, Cosmology, Probability and Statistics. Thesis Topic: "Formation of cosmic structures in non-Gaussian models"

Classical Greek, Latin, Italian Literature, History, Philosophy, Mathematics, Physics, Geography