Intervista Pythonista

Parleremo con Ernesto Arbitrio di debito tecnico, leggibilità di codice e come rendere il codice quasi "prosa". Approfondiremo anche unit e integration testing!

Conosciamo Giulia Naponiello che in Red Hat è contributor di molte repo open source Python inclusa Greenway. Scopriremo anche il suo punto di vista sul valore delle donne nel mondo dev

Guardiamo insieme com'è andato il primo anno di podcast e conosciamo i nostri host Marco e Cesare. La puntata sarà condotta da un ospite d'onore, il Presidente di Python Italia Patrick Arminio!

Corrado Monti, ricercatore dell'ISI, ci racconta la sua esperienza su un tema scottante in ambito Data Science. Quali sono i rischi di scrivere codice nei Jupyter Notebook? Quando hanno senso e quando no? Parleremo anche di applicazioni non convenzionali di Tensorflow (si può utilizzare anche al di fuori del Deep Learning)?

Giovanni Zappella ci racconta cosa fa un ricercatore in ambito ML e le nuove frontiere dell'AutoML. Abbiamo lanciato un sondaggio sul nostro podcast a cui puoi rispondere qui https://forms.office.com/r/TD3S52CLtw

Stefano Bosisio ci racconta avventure e peripezie di fare web scraping in Python. Il bello inizia quando si decide di fare scraping da Instagram! Stefano Bosisio è Machine Learning Engineer in Trustpilot

Conosciamo Andrea Biancini, formatore e Data Science Project Manager nella Commissione Europea. Parleremo di politica data-driven e formazione

Scopriamo un problema tipico del settore retail e manufacturing: quante lavatrici venderò nei prossimi mesi? Riccardo Lorenzon, Lead Data Scientist in Whirlpool ci racconterà come ha fatto un team nato da zero a rilasciare un algoritmo di forecast in 9 mesi

Cristiano De Nobili è un fisico teorico e un esperto di AI. Non ama programmare ma lo fa comunque perché ha un obiettivo più importante. Vuole cambiare la società in cui viviamo aiutando le persone e il pianeta grazie all'AI

Conosciamo Alessandro Re, CTO di D/Vision, startup in ambito data visualization. Parleremo di stack tecnologici per la data visualization, di falsi miti in machine learning e della storia di una startup innovativa partita da due anni.