Come le competenze in fisica computazionale si trasferiscono nel machine learning applicato. Una conversazione su skill portabili.
Ci siamo incontrati in una videocall di mercoledì mattina. L’intervistato ha scelto di parlare con la telecamera spenta — una preferenza che rispettiamo e che, forse, dice già qualcosa sulla cultura che cerca di costruire.
Come è iniziato tutto
«Non avevamo un piano. Avevamo un problema — i report settimanali richiedevano tre giorni di lavoro manuale — e l’ho risolto con uno script Python. Poi hanno voluto un secondo script. Poi un terzo. A un certo punto avevo una piattaforma, non uno script.»
La decisione che ha cambiato tutto
Il momento chiave è stato quando abbiamo deciso di cancellare il data lake e ricominciare con file Parquet su S3. Tutti pensavano fossi impazzito. Dopo tre mesi la spesa cloud era scesa del 60%.
— l’intervistato
La lezione, spiega, non è tecnica. È organizzativa. «Il costo maggiore non è il compute, è la complessità cognitiva. Ogni servizio in più è un manuale in più che qualcuno deve leggere.»
Cosa consiglia a chi inizia
- Inizia con CSV. Sul serio.
- Non adottare uno strumento perché lo usa Netflix. Tu non sei Netflix.
- Misura il tempo che perdi, non i terabyte che processi.
L’intervista integrale, con i dettagli tecnici della migrazione, è disponibile nel podcast datastack (link in fondo alla pagina).
