El Dr. Flavio Palmieri posee una sólida experiencia docente e investigadora en los campos de la ingeniería y análisis de datos. Durante su carrera, ha desarrollado un enfoque interdisciplinario, integrando teoría y práctica en sus actividades académicas, con un compromiso constante hacia la innovación y el aprendizaje continuo.

-Docencia-

Desde 2022, ha impartido asignaturas clave en la Universitat Politècnica de Catalunya (UPC), como "Informática" y "Reconocimiento de Patrones y Aprendizaje Automático", diseñando material académico, coordinando cursos y supervisando proyectos finales de grado y máster. También participó como mentor en programas de acción tutorial, fomentando habilidades transversales en estudiantes y promoviendo un aprendizaje autónomo y colaborativo.

- Investigación -

El Dr. F. Plamieri ha participado activamente en  proyectos de investigación centrados en el procesamiento de señales y aprendizaje automático. Desde 2012, ha trabajado en el desarrollo de algoritmos avanzados para análisis de señales y modelado de sistemas biológicos, destacando su aplicabilidad en la estratificación de riesgos y diagnóstico clínico. Durante su etapa postdoctoral, ha explorado tecnologías de modelado de sistemas complejos (p.ej., internaciones geneticas con el ambiente) y transferencia tecnológica, con impacto en aplicaciones industriales.

- Dirección de tesis -

El Dr. F. Palmieri ha supervisado con éxito más de 20 tesis de grado, máster y doctorado, todas ellas relacionadas con sus líneas de investigación. Estos trabajos incluyen desde el diseño de dispositivos médicos hasta la aplicación de técnicas avanzadas de aprendizaje automático para el análisis de datos y señales.

Con un enfoque centrado en la interdisciplinaridad, la excelencia docente y la innovación investigadora, el Dr. F. Palmieri demuestra un claro compromiso con el avance del conocimiento y la formación de futuros profesionales en ingeniería y tecnología.

B.1. Breve descripción del Trabajo de Fin de Grado (TFG) y puntuación obtenida El objetivo de este estudio fue investigar las variaciones en los intervalos QT en pacientes con enfermedad renal terminal sometidos a diálisis.

Puntuación italiana 103/110B.2. Breve descripción del Trabajo de Fin de Máster (TFM) y puntuación obtenida La insuficiencia cardíaca crónica (ICC) representa uno de los principales problemas de salud pública que a menudo termina en muerte cardíaca súbita (MCS). La fibrilación auricular (FA) está asociada con un aumento del riesgo de MCS, pero actualmente no existe un método no invasivo que prediga con precisión ese riesgo. El índice de restitución de la morfología de la onda T (TMR), desarrollado recientemente, mostró su asociación específica con la predicción del riesgo de MCS en sujetos con ritmo sinusal y con ICC. El objetivo de este trabajo fue investigar el valor predictivo de MCS de este índice en individuos con FA.

Puntuación italiana 110/110 cum laude