Gabriele Russo Russo

Gabriele Russo Russo è Ricercatore a Tempo Determinato di tipo A (RTDa) nel settore scientifico-disciplinare IINF-05/A (Sistemi di Elaborazione delle Informazioni) presso il Dipartimento di Ingegneria Civile e Ingegneria Informatica dell’Università di Roma "Tor Vergata". Ha conseguito il dottorato di ricerca in "Computer Science, Control and Geoinformation" presso la stessa università nel 2021, dove ha inoltre ottenuto la laurea triennale e la laurea magistrale in Ingegneria Informatica con lode.

I suoi interessi di ricerca riguardano la gestione delle prestazioni a run-time di applicazioni distribuite, con particolare attenzione alle piattaforme di cloud, edge e serverless computing. La sua attività scientifica si concentra sulla progettazione di sistemi auto-adattivi in grado di regolare dinamicamente l’allocazione delle risorse e il posizionamento dei carichi di lavoro in risposta a variazioni delle condizioni operative e dei requisiti di qualità del servizio. Un aspetto centrale della sua ricerca è l’uso combinato di modelli analitici di prestazione e tecniche di machine learning, in particolare di reinforcement learning, per supportare processi decisionali autonomi in infrastrutture di calcolo complesse ed eterogenee. Dopo il conseguimento del dottorato, Gabriele ha ricoperto posizioni di borsista e assegnista di ricerca presso l’Università degli Studi di Roma Tor Vergata e l’Università Roma Tre. Dal 2023 è coinvolto in iniziative di ricerca finanziate a livello nazionale e ha assunto responsabilità di coordinamento nell’ambito di tali progetti. Gabriele è co-autore di oltre 30 pubblicazioni sottoposte a revisione paritaria su riviste, conferenze e workshop internazionali. I suoi lavori sono stati pubblicati in sedi di primo piano quali ACM Transactions on Autonomous and Adaptive Systems, Future Generation Computer Systems, Pervasive and Mobile Computing e ACM Computing Surveys. Secondo Google Scholar, le sue pubblicazioni hanno ricevuto oltre 700 citazioni, con h-index pari a 14. Oltre all’attività di ricerca, Gabriele è attivamente impegnato nel servizio alla comunità scientifica nei settori dei sistemi distribuiti e della performance engineering. Dal 2021 è membro del Review Board di IEEE Transactions on Parallel and Distributed Systems. Svolge regolarmente attività di revisione per le principali riviste e conferenze internazionali e ha ricoperto ruoli editoriali come Guest Editor per uno special issue di ACM Transactions on Autonomous and Adaptive Systems. È inoltre coinvolto nell’organizzazione di conferenze e workshop internazionali. Gabriele ha svolto attività didattica a livello di laurea magistrale e di dottorato, includendo l’insegnamento del corso di Machine Learning per il corso di Laurea Magistrale in Ingegneria Informatica. Ha supervisionato numerose tesi di laurea magistrale ed è coinvolto in modo continuativo nelle attività didattiche di corsi di laurea triennale e magistrale dal 2016. La sua attività didattica è strettamente allineata ai suoi interessi di ricerca, con una forte attenzione all’applicazione pratica delle tecniche di modellazione delle prestazioni e di adattamento nei moderni sistemi di calcolo.