Selezione di lavori e prototipi. Dove non posso pubblicare dati/nomi, descrivo il problema in modo anonimo, l’architettura e l’output.
Contesto: interoperabilità applicativi e servizi su dorsali e sistemi eterogenei.
Vincoli: compliance, tracciabilità, ambienti diversi, tempi stretti.
Soluzione: integrazioni API, mapping dati, logging strutturato, gestione errori e retry.
Output: flussi più stabili, incidenti ridotti, diagnosi più rapida con log e metriche.
Stack: API REST, SOAP, Python, logging/monitoring, database.
Contesto: integrazione di fonti diverse e pubblicazione dataset affidabili.
Vincoli: dati sporchi, variazioni di schema, SLA e audit.
Soluzione: orchestrazione ETL, test qualità (volumi, null ratio, range), alerting e runbook.
Output: pipeline prevedibili, fallimenti “spiegabili”, riduzione tempi di ripristino.
Stack: Python, Airflow/Dag, SQL, data validation, alerting.
Contesto: eventi ad alta frequenza e necessità di insight rapidi.
Vincoli: picchi di carico, ordine eventi, schema evolution.
Soluzione: ingest su broker, processing streaming, sink su storage analitico.
Output: metriche near real-time e pipeline resilienti ai burst.
Stack: Kafka, Flink, storage analitico, observability.
Categoria: piattaforma produzione/artist management.
Focus: automazione contenuti, integrazione canali, shop/eventi.
Stack: Python/Flask, API, integrazioni, workflow.
Categoria: corsi, arte geometrica, e-commerce.
Focus: funnel, UX, checkout, contenuti, automazioni.
Stack: Django, PostgreSQL, web app.
Categoria: aggregatore offerte & affiliate marketing.
Focus: scraping, categorizzazione, SEO, pubblicazione automatica.
Stack: Python, scraping, data processing.
Gateway API con autenticazione, rate limiting, logging e documentazione automatica.
Stack: FastAPI, JWT, caching, observability.
Training/versioning/deploy: feature engineering, tuning, registry e test.
Stack: scikit-learn, MLflow, CI/CD.
Scraping multi-sorgente con gestione contenuti dinamici e scheduling.
Stack: Selenium, BeautifulSoup, pipeline dati.