Gianluca Sottile

Professore Associato di Statistica (STAT-01/A)
Università degli Studi di Palermo

Sviluppo metodi statistici per dati ad alta dimensionalità, censurati e funzionali — e gli strumenti open source per usarli.

Pubblicazioni Software Didattica Progetti Percorso Interventi Contatti
Ogni traiettoria è una parte del mio lavoro. Seguine una.

Ricerca

Sono Professore Associato di Statistica presso il Dipartimento di Scienze Economiche, Aziendali e Statistiche dell'Università degli Studi di Palermo. La mia attività scientifica si colloca nell'ambito della statistica metodologica e computazionale, con particolare riferimento a modelli penalizzati, inferenza grafica, regressione quantilica e analisi di dati funzionali e ad alta dimensionalità. I miei interessi metodologici si accompagnano ad applicazioni interdisciplinari in ambito ambientale, biomedico e genomico. Ho conseguito il dottorato in Statistica con menzione di Doctor Europaeus e ho partecipato a diversi progetti di ricerca nazionali, tra cui PRIN su modelli grafici, qualità dell'aria, asma ed eventi sismici. Sono inoltre co-inventore di un brevetto italiano nell'ambito dell'autenticazione genetica dei prodotti agroalimentari. Utilizzo abitualmente R per ricerca, didattica e sviluppo metodologico.

pubblicazioni
65
citazioni*
857
pacchetti R su CRAN
4
corsi quest'anno
3

*Citazioni da OpenAlex; Google Scholar riporta valori più alti. Google Scholar

Novità

  1. Nuove versioni su CRAN: Qest 2.0.0, qrcmNP 1.0.0 e clustEff 1.0.0.

  2. JADT 2026 — 18th International Conference on Statistical Analysis of Textual Data, Università di Palermo, 8–10 luglio 2026 (comitato organizzatore).

  3. 53ª Riunione Scientifica SIS e 1° FENStatS, Sapienza Università di Roma, 22–25 giugno 2026.

  4. Nuovo articolo su Artificial Intelligence Review: Machine learning approaches for asthma exacerbation predictions — a systematic review (Cilluffo, Atzeni, Malizia, Vettoretti, Sottile).

  5. Nuovo articolo su JRSS Series C: Functional Gaussian graphical regression models for air quality data (Fici, Sottile, Augugliaro, Wit).

Progetti

Tutti i progetti (14)

Didattica

Quest'anno

  • Introduzione al Machine Learning IT

    Master di II livello. Master universitario di II livello in Data Science per le Amministrazioni Pubbliche e Private — SEAS, 2.5 CFU, 20 h, Jan 2026 –

    Scheda informativaHomepage

  • Statistical Machine Learning EN

    LM Statistica e Data Science (LM-82/LM-Data) — SEAS, 6 CFU, 42 h, Sep 2024 –

    In precedenza Optimization for Statistical and Machine Learning

    Dalla regressione regolarizzata ad alberi, ensemble, SVM, reti neurali e clustering — 21 unità con laboratori in R (tidymodels, ranger, keras3).

    Scheda trasparenzaMateriale didattico

  • Statistica IT

    Economia e Amministrazione Aziendale (L-18) — SEAS, 8 CFU, Sep 2025 –

    Statistica di base — statistica descrittiva, analisi bivariata e regressione lineare, con formulari riassuntivi commentati.

    Scheda trasparenzaMateriale didattico

In passato (6)
  • Statistical Machine Learning, Dottorato in Economia, Management e Statistica — SEAS, 3 CFU, Jan 2025
  • Statistica, Ingegneria Informatica (L-8) — Ingegneria, 9 CFU, 2023/24
  • Optimization for Statistical and Machine Learning, LM Statistica e Data Science (LM-82) — SEAS, 6 CFU, 2023/24
  • Laboratorio di Mercati Finanziari, LM Statistica e Data Science (LM-82) — SEAS, 3 CFU, 2021/22 – 2023/24
  • Statistica, Disegno Industriale (L-4) — Architettura, 6 CFU, 2018/19
  • Statistica, Biologia / Scienze Naturali — Scienze della Terra e del Mare (DiSTeM), 6 CFU, 2017/18

Pubblicazioni scelte

  1. Machine learning approaches for asthma exacerbation predictions: a systematic reviewGiovanna Cilluffo, Michele Atzeni, Velia Malizia, Martina Vettoretti, Gianluca Sottile Artificial Intelligence Review, 20262 cit. Accesso aperto
  2. Functional Gaussian graphical regression models for air quality dataRita Fici, Gianluca Sottile, Luigi Augugliaro, Ernst C. Wit Journal of the Royal Statistical Society Series C (Applied Statistics), 20252 cit. Accesso apertoCode
  3. A comprehensive environmental exposure indicator and respiratory health in asthmatic children: a case studyGiovanna Cilluffo, Gianluca Sottile, Giuliana Ferrante, Salvatore Fasola, Velia Malizia, Laura Montalbano, Andrea Ranzi, Chiara Badaloní, Giovanni Viegi, Stefania La Grutta Environmental and Ecological Statistics, 20244 cit. Accesso aperto
  4. Sparse inference of the human haematopoietic system from heterogeneous and partially observed genomic dataGianluca Sottile, Luigi Augugliaro, Veronica Vinciotti, Walter Arancio, Claudia Coronnello Journal of the Royal Statistical Society Series C (Applied Statistics), 20244 cit. Accesso apertoCode
  5. cglasso: An R Package for Conditional Graphical Lasso Inference with Censored and Missing ValuesLuigi Augugliaro, Gianluca Sottile, Ernst C. Wit, Veronica Vinciotti Journal of Statistical Software, 202318 cit. Accesso apertocglasso
  6. Joint modelling of non-crossing additive quantile regression via constrained B-spline varying coefficientsVito M. R. Muggeo, Gianluca Sottile, Giovanna Cilluffo Statistical Modelling, 20231 cit.
  7. Robust estimation and regression with parametric quantile functionsGianluca Sottile, Paolo Frumento Computational Statistics & Data Analysis, 202211 cit. Qest
  8. A PCA-based clustering algorithm for the identification of stratiform and convective precipitation at the event scale: an application to the sub-hourly precipitation of Sicily, ItalyGianluca Sottile, Antonio Francipane, Giada Adelfio, Leonardo Noto Stochastic Environmental Research and Risk Assessment, 202120 cit. Accesso aperto
  9. Parametric estimation of non-crossing quantile functionsGianluca Sottile, Paolo Frumento Statistical Modelling, 202112 cit. Accesso aperto
  10. The conditional censored graphical lasso estimatorLuigi Augugliaro, Gianluca Sottile, Veronica Vinciotti Statistics and Computing, 20207 cit. Accesso aperto
  11. A penalized approach to covariate selection through quantile regression coefficient modelsGianluca Sottile, Paolo Frumento, Marcello Chiodi, Matteo Bottai Statistical Modelling, 201910 cit. Accesso apertoqrcmNP
  12. The Induced Smoothed lasso: A practical framework for hypothesis testing in high dimensional regressionGiovanna Cilluffo, Gianluca Sottile, Stefania La Grutta, Vito M. R. Muggeo Statistical Methods in Medical Research, 201936 cit. islasso
  13. Clusters of effects curves in quantile regression modelsGianluca Sottile, Giada Adelfio Computational Statistics, 201811 cit. clustEff

Tutte le pubblicazioni (65)

Software

Percorso

  1. 2025–oggi

    Professore Associato (STAT-01/A)

    Università di Palermo — Dip. SEAS

  2. 2022–2025

    Ricercatore a tempo determinato di tipo B (RTD-B)

    Università di Palermo — Dip. SEAS (13/STAT-01)

  3. 2019–2022

    Ricercatore a tempo determinato di tipo A (RTD-A)

    Università di Palermo — Dip. SEAS (13/STAT-04)

  4. 2018–2019

    Assegnista di ricerca

    Università di Palermo — Dip. SEAS

    Tecniche statistiche per la selezione di SNP nella tracciabilità di prodotti lattiero-caseari tipici siciliani (PON PROFOOD).

  5. 2021–2021

    Visiting researcher

    Institute of Computational Science, USI Lugano

    Collaborazione sul pacchetto R cglasso con L. Augugliaro, V. Vinciotti ed E.C. Wit.

  6. 2020–2021

    Collaboratore della ricerca (IRIB-CNR)

    Istituto per la Ricerca e l'Innovazione Biomedica, CNR Palermo

    Studio CHASER: modellizzazione della cronicità dell'asma infantile (responsabile Dr.ssa S. La Grutta).

  7. 2016–2016

    Visiting researcher

    Institute of Environmental Medicine, Karolinska Institutet, Stockholm

    Supervisore: Prof. M. Bottai.

Riconoscimenti e incarichi

Interventi e poster

Tutti gli interventi

Contatti

Email
gianluca.sottile@unipa.it
Ufficio
Viale delle Scienze, Edificio 13, 90128 Palermo Apri la mappa
Ricevimento
Su appuntamento via email
↑