Streamlit | Stefano Blando

RiskSentinel - Simulatore Agentico di Rischio Sistemico

Sun, 15 Mar 2026 00:00:00 +0000

RiskSentinel e un simulatore agentico di rischio sistemico costruito attorno a una domanda che trovo insieme pratica e concettualmente interessante: se un grande nodo finanziario viene colpito da uno shock, come possiamo rendere la propagazione di quello stress visibile, confrontabile e spiegabile in tempo reale?

Sviluppato per il Microsoft AI Dev Days Hackathon 2026, il progetto combina tre modelli di contagio, analytics topology-aware e un workflow multi-agente bounded sopra dati di rete di mercato di livello research-grade. Lo scopo non e solo simulare le cascades, ma renderle piu facili da ispezionare tramite interazione in linguaggio naturale, visualizzazione interattiva e confronto tra modelli.

Cio che fa funzionare il progetto e la combinazione di livelli che spesso restano separati: un vero motore di simulazione di rete, un’interfaccia che rende i risultati esplorabili e un livello agentico che aiuta a interpretare cio che sta accadendo senza fingere di sostituire il motore quantitativo sottostante.

Il risultato e un prototipo pratico per il monitoraggio del rischio sistemico, a cavallo tra finanza quantitativa, sistemi complessi e supporto decisionale assistito da AI.

Puoi esplorare il progetto qui:

RiskSentinel for Microsoft AI Dev Days 2026

Sun, 15 Mar 2026 00:00:00 +0000

RiskSentinel e il progetto che ho sviluppato per il Microsoft AI Dev Days Hackathon 2026.

L’idea di fondo era creare un sistema capace di rendere il rischio sistemico piu esplorabile e piu tangibile: invece di trattare il contagio come un output astratto in un paper o in un notebook, volevo un’interfaccia in cui gli shock potessero essere lanciati, propagati, confrontati e interpretati in tempo reale.

Il progetto combina network science, contagion modeling e agentic AI su dati di rete finanziaria di livello research-grade che coprono 210 titoli dell’S&P 500 e 3.081 snapshot giornaliere. Sotto il cofano integra tre modelli di propagazione, interactive network analytics con Streamlit e Plotly e un workflow agentico costruito con Microsoft Agent Framework e Azure OpenAI.

Quello che mi piace di piu di questo progetto e che si colloca esattamente al confine tra i miei interessi di ricerca e la prototipazione pratica: reti finanziarie, sistemi complessi, supporto decisionale e agenti AI nello stesso strumento.

👉
GitHub:
App:

PokéNexus

Wed, 04 Feb 2026 00:00:00 +0000

PokéNexus nasce da una cosa molto semplice: amo i Pokemon da quando ero bambino e a un certo punto ho voluto unire quel mondo con il tipo di strumenti e idee che oggi mi piace costruire.

Il risultato e una app Streamlit che trasforma l’universo Pokemon in uno spazio interattivo dove visualizzazione di grafi, meccaniche di gioco e dati guidati da API si incontrano. Ho usato NetworkX, PyVis e Plotly per esplorare relazioni tra tipi ed entita, mentre PokeAPI fornisce il livello dati live per creature, evoluzioni e informazioni collegate.

Invece di essere solo un grafo statico, il progetto e cresciuto fino a diventare un piccolo sistema giocabile: si possono gestire team, conservare strumenti, raccogliere medaglie e sovrapporre diversi cicli di progressione alla visualizzazione. Questo mix di struttura, esplorazione e gioco e esattamente cio che ha reso divertente costruirlo.

Non e un progetto di ricerca, e non pretende di esserlo. E un esperimento personale in cui una passione d’infanzia incontra il modo in cui oggi penso a reti, interfacce e applicazioni Python interattive.