Daniele Pasquini è dottorando in Data Science presso l’Università di Roma Tor Vergata, con esperienza in Big Data, Deep Learning e Calcolo Distribuito. I suoi interessi di ricerca riguardano le reti neurali su grafi, i grafi eterogenei, il rilevamento di comunità temporali e su larga scala, gli algoritmi di clustering e l’integrazione dei large language models con i knowledge graph.

Ha insegnato Big Data, Basi di Dati, Programmazione (Python e C) e Statistica presso l’Università della Tuscia, Tor Vergata, Niccolò Cusano, LUISS e The American University of Rome, trattando anche SQL, Spark, Tableau e machine learning applicato.

Parallelamente, ha partecipato a progetti di ricerca e consulenza in ambito Big Data con il Ministero dello Sviluppo Economico in partnership con Fondazione Ugo Bordoni e varie aziende, occupandosi di analisi distribuita, visualizzazione e sviluppo backend. Ha inoltre collaborato al progetto europeo Joule su data journalism, contribuendo alla progettazione di percorsi formativi e ambienti e-learning aperti.