Curiosità e Creatività, riga per riga
Risolvere, Innovare, Crescere
Dall'illustrazione al codice:
La Mia Evoluzione Continua
Tecnologie utilizzate: LangGraph, LangSmith, OpenAI API, Anthropic Claude, Tavily Search, YouTube Transcript API, Whisper, Pandas, AsyncIO,
AI Engineer con Background Multidisciplinare in Data Science, Sviluppo Front-End e Design Visivo
Il mio percorso dall’illustrazione alla programmazione fino all’AI mi ha fornito una prospettiva unica nel trasformare dati complessi in soluzioni intelligenti e visivamente coinvolgenti. Combinando analisi dei dati, automazione e design, creo sistemi che uniscono logica e creatività per ottimizzare i flussi di lavoro e risolvere problemi reali.
Mi specializzo nell’analisi esplorativa dei dati (EDA), nella creazione di modelli predittivi e nell’implementazione di data visualization. Adotto un approccio sia analitico che creativo nella risoluzione di problemi, utilizzando strumenti avanzati come Pandas, NumPy, TensorFlow e Scikit-Learn. La mia esperienza nella strutturazione di informazioni visive ha creato un ponte naturale verso l’AI, dove l’organizzazione logica è fondamentale.
Recentemente, mi sto dedicando allo studio dei Large Language Models (LLM) e alla creazione di agenti AI. Sono molto interessata alla sperimentazione con la costruzione di script, l’automazione intelligente e la creazione di funzioni per migliorare i flussi di lavoro. Sto anche esplorando il deploy di applicazioni con AWS e Docker per acquisire competenze nel lancio e nella gestione di soluzioni su larga scala.
Il mio metodo di lavoro si ispira a pratiche di produttività e gestione della conoscenza: scrivo morning pages per stimolare la creatività, uso bullet journaling per organizzare la giornata e gestisco le risorse con Obsidian, seguendo il metodo Building a Second Brain di Tiago Forte. Queste pratiche alimentano la mia crescita sia come AI Engineer che in progetti personali.
Quando non sono immersa nei dati, mi appassiono di serie TV, fumetti e Magic: The Gathering—mondi caratterizzati da sistemi complessi e ben strutturati che rispecchiano la mia passione per l’ordine e la logica.
DigitalMakers
Competenze chiave:
WordPress, MailChimp, architetture dati, modularizzazione, organizzazione dell'informazione
Freelance
Competenze chiave: WordPress, Adobe Illustrator, data visualization, comunicazione visiva
Dal design all'AI Engineering, il mio background multidisciplinare unisce competenze tecniche e creative per sviluppare soluzioni di intelligenza artificiale innovative ed efficaci
Gli strumenti personali che utilizzo quotidianamente riflettono il mio approccio metodico alla gestione delle informazioni e alla creatività.
Tecnologie usate: Python, Hugging Face, SmolAgents, LangGraph, LlamaIndex, GAIA Benchmark
Tecnologie usate: AWS SageMaker, PyTorch, Hugging Face Transformers, AWS Lambda, API Gateway, CloudWatch, S3, IAM, Docker
Tecnologie usate: CrewAI, Python, Streamlit, API OpenAI, SerperDevTool, YAML, Markdown, LLM
Tecnologie usate: Python, Scikit-learn, TensorFlow, librerie di Data Science e framework di Deep Learning
Tecnologie usate: AWS Bedrock, Lambda, S3, API Gateway, IAM, Python, Claude 3.5 Sonnet, JSON
Tecnologie utilizzate: Python 3, Selenium, BeautifulSoup, NumPy, Pandas, Scikit-learn, Jupyter Notebooks, PyCharm, VS Code
Tecnologie usate: Python, TensorFlow 2.0, Keras, Pandas, Matplotlib, Seaborn
Tecnologie utilizzate: JavaScript, HTML5, CSS3, API RESTful, JSON, Local Storage
Tecnologie usate: Git, GitHub, GitHub Actions, Git Hooks, Git LFS
AI Engineering di Chip Huyen si sta rivelando per me una vera perla nel panorama dei libri tecnici: un’opera che riesce a unire chiarezza teorica e concretezza pratica in modo raro. Non è solo un manuale su come usare modelli foundation, ma un viaggio ragionato su cosa significhi davvero progettare applicazioni AI robuste, scalabili e utili nel mondo reale. La cura con cui l’autrice spiega le scelte progettuali, le alternative e le implicazioni di ogni decisione mi sta aiutando a vedere l’AI non come semplice sperimentazione, ma come vera ingegneria del prodotto.
Questo libro esplora il ruolo della causalità nella scienza e nell’intelligenza artificiale, mettendo in discussione il modo in cui interpretiamo i dati. Judea Pearl introduce il “calculus causale” e spiega come possiamo passare dalla semplice correlazione alla comprensione delle cause. Un testo fondamentale per chi si occupa di data science e machine learning.
Ogni storia, accadendo esattamente 20 anni dall'ora presente, si svolge in una città diversa del mondo (cioè dieci versioni del futuro del 2041). La tecnologia AI è al centro di ogni storia: deep learning, riconoscimento delle immagini, GAN, deepfake… ogni storia è accoppiata con un'essays che spiega la tecnologia centrale.
Esplora come gli algoritmi e l’intelligenza artificiale stiano sempre più influenzando le nostre vite. Fry esamina sia i benefici che i rischi delle decisioni algoritmiche, dalla sanità alla giustizia penale, offrendo una prospettiva equilibrata sull’impatto dell’IA. Affronta le sfide etiche e le implicazioni sociali di vivere in un mondo governato dagli algoritmi, invitando i lettori a riflettere su quanto controllo siamo disposti a cedere alle macchine.
Prima settimana del "Complete Agentic AI Engineering Course" di Ed Donner - Un journey di 6 settimane per padroneggiare gli AI Agents 🎯 Il Contesto: Perché Ho Scelto di Ripartire dalle Basi Quando ho visto il corso di Ed Donner su Agentic AI, la mia prima reazione è stata: "Ma io queste cose le so […]
Ricordate il povero maggiordomo di Lara Croft? Quello che tutti noi abbiamo tristemente rinchiuso nella cella frigorifera? È ora di liberarlo... digitalmente parlando! Il Maggiordomo che Cambiò Tutto (Senza Volerlo) Chi ha giocato ai primi Tomb Raider ricorda sicuramente il maggiordomo di casa Croft: quell'adorabile (e fastidioso) NPC che ci seguiva ovunque nella villa, spesso […]
Leggendo "AI Engineering" di Chip Huyen, sono rimasta colpita dal parallelo che l'autrice traccia tra l'Evaluation-Driven Development (EDD) e il Test-Driven Development (TDD). Un'analogia che non solo illumina le sfide uniche dell'ingegneria AI, ma ci fornisce anche un framework concreto per costruire sistemi più affidabili. Dal Test-Driven al Evaluation-Driven Development Nel mondo dello sviluppo software […]
