Red Hot Cyber
Condividi la tua difesa. Incoraggia l'eccellenza. La vera forza della cybersecurity risiede nell'effetto moltiplicatore della conoscenza.
Condividi la tua difesa. Incoraggia l'eccellenza.
La vera forza della cybersecurity risiede
nell'effetto moltiplicatore della conoscenza.
UtiliaCS 970x120
TM RedHotCyber 320x100 042514

Autore: Marcello Politi

Gli Agenti AI: La Rivoluzione Intelligente Spiegata a Tutti

Immaginate un collaboratore digitale che non solo risponde alle vostre domande, ma agisce per voi, pianifica strategie, impara dai propri errori e collabora con altri per risolvere problemi complessi. Questo...
Share on Facebook Share on LinkedIn Share on X

Implementazione di Modelli Multimodali con LLaVA

Negli ultimi due anni ho lavorato principalmente con large language models, occupandomi di training, fine-tuning, prompting e così via, poiché era molto richiesto dal mercato e dagli utenti. Ma credo...
Share on Facebook Share on LinkedIn Share on X

Intelligenza Artificiale: Implementazione del meccanismo dell’attenzione in Python

Il meccanismo di attenzione è spesso associato all'architettura dei transformers, ma era già stato utilizzato nelle RNN (reti ricorrenti). Nei task di traduzione automatica (ad esempio, inglese-italiano), quando si vuole...
Share on Facebook Share on LinkedIn Share on X

Inheritance in Python: la chiave per scrivere codice pulito e collaborativo nel Machine Learning

Molte persone che si avvicinano al machine learning non hanno un forte background in ingegneria del software, e quando devono lavorare su un prodotto reale, il loro codice può risultare...
Share on Facebook Share on LinkedIn Share on X

Machine Learning: il Segreto è il Modello, ma anche il Codice!

Nella maggior parte dei lavori nell'ambito di Machine Learning, non si fa ricerca per migliorare l'architettura di un modello o per progettare una nuova loss function. Nella maggior parte dei...
Share on Facebook Share on LinkedIn Share on X

Addio Agli AI Data Center? Introduzione al DCIN per l’inferenza decentralizzata

Tradizionalmente, l’AI inference è stato il dominio di data center centralizzati e cluster di calcolo ad alte prestazioni, accessibili solo a pochi. Questo è ancora il caso per molte decentralized...
Share on Facebook Share on LinkedIn Share on X

Best Practice per Progetti di Machine Learning di Successo

Gestire le integrazioni, l'implementazione, la scalabilità e tutti quegli aspetti che rendono i progetti di Machine Learning un prodotto reale è un lavoro a sé stante. C'è un motivo per...
Share on Facebook Share on LinkedIn Share on X

Come Sviluppare un’App per il Riconoscimento delle Emozioni con BERT e ONNX

In questo articolo vederemo come sviluppare un'applicazione web che riconosca una particolare emozione partendo da una frase. Per farlo, però, vedremo come addestrare un modello basato su transformer, convertirlo in...
Share on Facebook Share on LinkedIn Share on X

Ottimizza il Tuo Codice di Machine Learning con MLflow e Hydra: Un Guida Completa

Quando sviluppiamo modelli di Machine Learning, solitamente dobbiamo eseguire diversi esperimenti per capire quale settaggio degli iperparametri risulta essere il migliore per un determinato algoritmo. Questo può spesso portare a...
Share on Facebook Share on LinkedIn Share on X
MLflow

MLOps : Introduzione allo sviluppo di pipeline con Mlflow

Diverse statistiche dicono che tra il 𝟱𝟬% e il 𝟵𝟬% dei modelli di machine learning sviluppati non arrivano in produzione. Ciò è spesso dovuto a una mancata strutturazione del lavoro....
Share on Facebook Share on LinkedIn Share on X

Gli Agenti AI: La Rivoluzione Intelligente Spiegata a Tutti

Immaginate un collaboratore digitale che non solo risponde alle vostre domande, ma agisce per voi, pianifica strategie, impara dai propri errori e collabora con altri per risolvere problemi complessi. Questo...
Share on Facebook Share on LinkedIn Share on X

Implementazione di Modelli Multimodali con LLaVA

Negli ultimi due anni ho lavorato principalmente con large language models, occupandomi di training, fine-tuning, prompting e così via, poiché era molto richiesto dal mercato e dagli utenti. Ma credo...
Share on Facebook Share on LinkedIn Share on X

Intelligenza Artificiale: Implementazione del meccanismo dell’attenzione in Python

Il meccanismo di attenzione è spesso associato all'architettura dei transformers, ma era già stato utilizzato nelle RNN (reti ricorrenti). Nei task di traduzione automatica (ad esempio, inglese-italiano), quando si vuole...
Share on Facebook Share on LinkedIn Share on X

Inheritance in Python: la chiave per scrivere codice pulito e collaborativo nel Machine Learning

Molte persone che si avvicinano al machine learning non hanno un forte background in ingegneria del software, e quando devono lavorare su un prodotto reale, il loro codice può risultare...
Share on Facebook Share on LinkedIn Share on X

Machine Learning: il Segreto è il Modello, ma anche il Codice!

Nella maggior parte dei lavori nell'ambito di Machine Learning, non si fa ricerca per migliorare l'architettura di un modello o per progettare una nuova loss function. Nella maggior parte dei...
Share on Facebook Share on LinkedIn Share on X

Addio Agli AI Data Center? Introduzione al DCIN per l’inferenza decentralizzata

Tradizionalmente, l’AI inference è stato il dominio di data center centralizzati e cluster di calcolo ad alte prestazioni, accessibili solo a pochi. Questo è ancora il caso per molte decentralized...
Share on Facebook Share on LinkedIn Share on X

Best Practice per Progetti di Machine Learning di Successo

Gestire le integrazioni, l'implementazione, la scalabilità e tutti quegli aspetti che rendono i progetti di Machine Learning un prodotto reale è un lavoro a sé stante. C'è un motivo per...
Share on Facebook Share on LinkedIn Share on X

Come Sviluppare un’App per il Riconoscimento delle Emozioni con BERT e ONNX

In questo articolo vederemo come sviluppare un'applicazione web che riconosca una particolare emozione partendo da una frase. Per farlo, però, vedremo come addestrare un modello basato su transformer, convertirlo in...
Share on Facebook Share on LinkedIn Share on X

Ottimizza il Tuo Codice di Machine Learning con MLflow e Hydra: Un Guida Completa

Quando sviluppiamo modelli di Machine Learning, solitamente dobbiamo eseguire diversi esperimenti per capire quale settaggio degli iperparametri risulta essere il migliore per un determinato algoritmo. Questo può spesso portare a...
Share on Facebook Share on LinkedIn Share on X
MLflow

MLOps : Introduzione allo sviluppo di pipeline con Mlflow

Diverse statistiche dicono che tra il 𝟱𝟬% e il 𝟵𝟬% dei modelli di machine learning sviluppati non arrivano in produzione. Ciò è spesso dovuto a una mancata strutturazione del lavoro....
Share on Facebook Share on LinkedIn Share on X