Skip to content
Episode from the podcast Intervista Pythonista
Explainable AI e InstructLab #59 artwork

Episode

Explainable AI e InstructLab #59

Released Saturday, October 26th 2024 43 min

Show notes

About this episode

Conosciamo Daniele Zonca, Architect di Model Serving in Openshift AI. Se un modello di AI dà un output sbagliato, che strumenti ho per spiegare perché il modello ha dato quella risposta? Quali sono invece gli strumenti per un modello di ML tradizionale? Approfondiamo poi il progetto open source InstructLab per il miglioramento collaborativo del fine-tuning di LLM. Referenze della puntata: https://github.com/instructlab https://trustyai-explainability.github.io/ http://paperswelovemi.eventbrite.it/

More from Intervista Pythonista

All episodes

Narwhals: unica API per tutti i dataframe. #86

37 min

Un’unica API per tutti i dataframe: Marco Gorelli (Quantsight Labs, creator di Narwhals e contributor di Pandas e Polars) spiega perché è nato Narwhals, come è stato adottato da gran parte dell'ecosistema data di Python. https://narwhals-dev.github.io/narwhals/

Bus factor. Python e Caffè

10 min

Raccontiamo cos'è il bus factor ispirati da un video della pagina LinkedIn "RAL commisurata all'esperienza". Vi è mai capitato di incappare in un progetto o servizio gestito in azienda solo da una persona e che questa persona fosse l'unica in grado di operarvi?

Interruzioni, incident management e debito tecnico. #85

34 min

Stefano Iasi, Head of Engineering di TrueLayer, racconta come il suo team è riuscito a portare il debito tecnico in roadmap: reliability, product debt e misurazione per decidere le priorità, con una cultura no-blame e review mensili per analizzare cosa va storto. Qui l'articolo menzionato nella puntata: https://incident.io/customers/truelayerstory

This podcast, its content and its artwork are not owned by, affiliated with, or endorsed by Castquire.

Up next

  1. Nothing queued. Use + Queue on any episode to line it up.

0:00 0:00