talk-data.com

PyData Roma - 7th Meetup! 🎉 New location unlocked! Get ready for another great night about Python, data, and science!

Let's pick up where we left off and continue our mission to make Rome a fantastic place for software engineering and data science.

⚠️ Remember to RSVP using your full name for security reasons and bring a valid ID to show at the entrance. Otherwise, you will not be allowed to enter the premises! ⚠️

The presentations for this event will be announced soon. You could be the next speaker at this or a future event. If you have a presentation, some interesting code, or an open problem you'd like to discuss with the community, compile the form and let us know! (Proposals can be in English or Italian, whatever makes you comfortable.)

Location: Via di Vigna Murata 605 Date: November 22nd 2024

Schedule:

• 18:00 🚪 Door Opening
• 18:45 🎤 Talk 1 - "Conformal Prediction: quantificazione dell'incertezza per umanizzare i modelli" by Vincenzo Ventriglia (ML Engineer @ Istituto Nazionale di Geofisica e Vulcanologia)
• 19.15 🎤 Talk 2 - "Advanced topics on RAG" by Federico Ricciuti (Data Scientist)
• 19.45 🤝 Socializing

Here is a short description of the two presentations:

1. Conformal Prediction: quantificazione dell'incertezza per umanizzare i modelli L'identificazione delle incertezze nel Machine Learning è fondamentale per prendere decisioni solide, migliorare l'affidabilità dei modelli e valutarne i rischi. Quantificando e comprendendo l'incertezza, si possono costruire sistemi di AI più affidabili e degni di fiducia. Immaginiamo di avere un modello che predice se una TAC contiene o meno un tumore. Gli approcci tradizionali tendono a fornire previsioni binarie, non fornendo informazioni sul livello di fiducia del modello per ciascuna previsione. La Conformal Prediction (CP) è un framework per la quantificazione dell'incertezza che aggiunge una stima della fiducia nelle previsioni del modello: invece di fornire una risposta "puntuale", fornisce una serie di risultati possibili (set di previsioni), unitamente a una misura della fiducia in ciascun risultato. Questi set di previsione sono corredati da garanzia (matematica!) di copertura del risultato vero, assicurando che rileveranno almeno una percentuale pre-fissata di valori veri. CP, inoltre, è un paradigma agnostico rispetto al modello sottostante e non fa ipotesi sulla distribuzione dei dati. CP dunque offre una struttura robusta che consente agli stakeholder di prendere decisioni più informate, soprattutto in quei settori a elevato rischio come la sanità, la finanza e i sistemi autonomi.

2. Advanced topics on RAG Advanced topics about the construction of RAGs, starting from basic adaptations (e.g., reranking, answer refinement) to more advanced concepts related to metadata exploitation and filtering, semantic caching, cost and log monitoring, jailbreak and prompt injection detection, automatic evaluation of RAG solutions, and their integration in agentic systems. At the end, a quick demo will be shown.

Sign Up! Space is limited, so RSVP today to secure your spot!

Please note: Remember to RSVP using your full name for security reasons and bring a valid ID to show at the entrance. If you can't attend, please let us know at least 2 days in advance so you can free spots for people on the waiting list. We look forward to seeing you there! 🙌

PyData Roma - 6th Meetup! 🎉 New location unlocked! Get ready for another great night about python, data and science!

Welcome back from the holidays! Let's pick up where we left off and continue our mission to make Rome a fantastic place for software engineering and data science.

The presentations of this event are ready and listed below. You can be the next speaker. If you have a presentation, some interesting code, or an open problem you'd like to discuss with the community compile the form and let us know! (proposals can be in English or Italian, whatever makes you comfortable).

Location: Via Sandro Sandri 81, Rome - Italy Date: September 23rd 2024

Schedule:

• 18:00 🚪 Door Opening
• 18:20 ELIS Innovation Hub, Marco Oreste Migliori (Technology Innovation Manager @ ELIS)
• 18.35 🧊 PyData: what it is and why it matters, Luigi Selmi (CNR-IIA, PyData Rome Organizer)
• 18:45 🎤 Talk 1 - Il GPS non funziona! Un modello può avvisarci prima che accada? by Vincenzo Ventriglia (ML Engineer @ Istituto Nazionale di Geofisica e Vulcanologia)
• 19.15 🎤 Talk 2 - Dal Caos agli Insights: sfide e strategie per creare big data pipelines by Carmela Salandria & Pietro Di Giandomenico (Data Engineers @ Elis Innovation Hub)
• 19.45 🤝 Socializing

Here is a short description of the two presentations:

1. Il GPS non funziona! Un modello può avvisarci prima che accada?

Ti sarà successo di usare il GPS sul tuo smartphone e accorgerti che non funziona correttamente? I responsabili potrebbero essere il Sole e le Large-Scale Travelling Ionospheric Disturbances (LSTIDs), fluttuazioni ionosferiche che giocano un ruolo cruciale nella dinamica dello Space Weather. Presenteremo un modello di previsione di LSTIDs che stiamo sviluppando all'Istituto Nazionale di Geofisica e Vulcanologia, che si basa su CatBoost e usa diversi driver fisici per fare predizioni. L'explainability è una caratteristica desiderabile in un modello, specialmente in contesti potenzialmente ad alto rischio come lo Space Weather. Noi useremo SHAP – un approccio mutuato dalla teoria dei giochi – per interpretare e spiegare l'output. Accenneremo infine al probabilistic forecasting e alla calibrazione del modello, seguendo il paradigma della conformal prediction.

2. Dal Caos agli Insights: sfide e strategie per creare big data pipelines È possibile ridurre da due settimane a un solo giorno il tempo necessario per ottenere insights di valore? Partendo da un caso d'uso reale sviluppato per un'azienda di trasporti, esploreremo come costruire una big data pipeline capace di semplificare e automatizzare i processi decisionali aziendali. Vi mostreremo l'importanza di PySpark nella gestione dei big data e come, adottando best practice, sia possibile trasformare dati grezzi in informazioni utili per data analyst e data scientist. Approfondiremo come il calcolo distribuito e parallelo possa drasticamente ridurre i tempi di elaborazione, e quando preferirlo rispetto a librerie più tradizionali come Pandas. Inoltre, approfondiremo il tema della scalabilità, confrontando i benefici di una big data pipeline in cloud rispetto a soluzioni on-premises.

Sign Up! Space is limited, so RSVP today to secure your spot!

Please note: Remember to RSVP using your full name for security reasons. If you can't attend, please let us know at least 2 days in advance so you can free spots for people on the waiting list. We look forward to seeing you there! 🙌