Parliamo di benchmarking di AI e ML su CPU e GPU locali con Alberto Danese, Kaggle Grandmaster e responsabile Data Science & Advanced Analytics in Nexi.
Partendo dal suo progetto open di GPU Benchmark, esploriamo come cambiano le prestazioni tra diversi modelli, dataset e hardware, fino a scoprire soglie e comportamenti sorprendenti.
Una chiacchierata tecnica ma accessibile, tra regole empiriche, contributi open source e “vibe coding”.

La dashboard qui https://ai-ml-gpu-bench.streamlit.app/

Marco e Cesare raccontano cosa apprezzano di Youtube

Ospitiamo Stefano Iasi, Head of Engineering presso TrueLayer, per parlare di un tema cruciale per chi lavora nel mondo tech: come organizzare i team di sviluppo. Con Stefano esploriamo il modello di Team Topologies, cosa lo rende diverso da altri approcci (spoiler: il “Spotify Model” non esiste davvero), e perché è diventato uno strumento fondamentale per favorire focus, collaborazione mirata e chiarezza nei ruoli. Dalle tipologie di team alle interazioni consigliate, fino a esempi concreti di riorganizzazioni vissute in prima persona, emergono spunti pratici per riconoscere problemi ricorrenti (come team “multi-type” o troppe interazioni non necessarie) e affrontarli con un linguaggio comune.

Marco racconta a Cesare l'esperienza di insegnare a studenti di istituto tecnici superiore.

Marco e Cesare parlano dell'organizzazione di Python Milano e PyData davanti a un caffè (con analogia su Team Topologies)

Marco e Cesare parlano di FastMCP davanti a un caffè

In questa puntata con Gabriele Lombardi, CTO di ArgoVision, esploriamo lo stato dell’arte della computer vision tra approcci classici e deep learning. Parliamo di sfide reali come anomaly detection, few-shot learning e affidabilità in ambito industriale, oltre ai vincoli dell’edge computing su memoria, potenza ed energia e a come testarne modelli e pipeline. Sul fronte ingegneristico, tocchiamo organizzazione dei team R&D e prodotto, codice pulito, CI, toolchain Python e quando ha senso spingersi verso C++ per le performance.

In questo episodio di Intervista Pythonista parliamo con Diego Russo, Principal Software Engineer presso ARM e core developer di CPython. Diego ci guida attraverso il funzionamento interno dell'interprete Python, spiegando la differenza tra interpreter e runtime, e illustrando le novità come l’interprete specializzato di Python 3.11 e il futuro JIT in arrivo con Python 3.14. Condividiamo anche uno sguardo dietro le quinte dello sviluppo del linguaggio, parlando del processo per diventare core developer e dell'importanza del PEP 11 nel determinare il supporto alle piattaforme. Un episodio ricco di dettagli tecnici, storie dalla comunità EuroPython, e spunti utili anche per lo sviluppatore Python "medio".

Alla vigilia dell'inizio di PyCon Italia 2025, abbiamo l'intervista esclusiva al team di organizzatori! Scopriamo chi sono, cosa fanno e sveliamo tutte le novità della conferenza: da una location più inclusiva a Bologna, ai numerosi eventi che vanno oltre il tecnico, come workshop per principianti, talk su soft skills e momenti di networking. Si parla anche di sponsor, grant, selezione dei talk, novità sul merchandising e si dà spazio alle voci dei nuovi membri del team.

Nell'intervista: Fiorella De Luca, Ambra Tonon, Glenn Mendoza, Gaetano D'Onghia, Sabrina Scoma, Ester Beltrami, Raffaella Suardini

Parliamo di vector database e RAG con Nicola Procopio, Senior Data & AI Scientist presso AC Software e Ambassador di QDrant. Con lui esploriamo cosa significa oggi fare ricerca semantica: dalle tecniche di pre-embedding basate su keyword ai modelli transformer che trasformano il testo in vettori, fino alle applicazioni pratiche in progetti GenAI. Scopriamo come funziona il chunking, perché la similarità tra vettori è alla base delle query in linguaggio naturale e quali sono i vantaggi di usare QDrant – il vector DB open source scelto anche nello “Stregatto”, il progetto open source di cui Nicola è core developer.