Innovazione PI-Campus e riflessioni

Il piano di ieri era quello di andare a tornare in giornata da Roma per l’evento del PI-Campus con Carlo Gualandri e Roberto Bonanzinga.

La realtà però è sempre diversa e così, dopo l’evento, mi sono ritrovato a mezzanotte all’inizio del concerto dei Punkreas all’Acrobax in giacca, camicia e pantalone (la foto con occhiaie rende meglio).


Sveglia alle 07 e treno del ritorno per la CaliFormia alle 8:30, fortunatamente ho dormito a casa di due InnLaber, Giorgia e Stefano, Innlab 13.

Il livello qualitativo dell’evento del PI-Campus era elevatissimo, sia per gli oratori che per i partecipanti.

Carlo è stato il fondatore di:

  1. virgilio.it
  2. Fineco
  3. Gioco Digitale

Roberto invece ha lavorato per 7 anni in una delle società di Venture Capital più importanti d’Europa Balderton Capital ed ha investito in:

  • Banjo
  • BlingNation
  • Contentful
  • Depop
  • FutureAdLab
  • LIfeCake
  • SaatchiArt
  • Storylane
  • Tictail
  • Vivino
  • Wooga

A questo aggiungo che è stato veramente un piacere rivedere buona parte della comunità romana di InnovAction Lab ed in particolare essere aggiornato sui loro progetti, i loro successi e, capita, insuccessi (ndr. purtroppo si notava l’assenza di Guglielmo Innlab ’12, Salvucci Innlab ’12, De Carlo Innlab ’13 e Giulio Innlab ’14).

Dall’evento, sia durante la conferenza di Carlo e Roberto, sia durante il successivo aperitivo, sono nate e ri-nate molte riflessioni:

  • Se fondi un’azienda o startup il valore creato per il cliente sarà nella tecnologia innovativa o nel servizio.  Un errore che spesso noto (e che ho commesso anche io con Wheelab) è il focus sui problemi tecnologici e non sui problemi inerenti all’organizzazione del servizio che si vuole offrire
  • Commettere errori è accettabile (non positivo), nel momento in cui stai testando delle ipotesi della tua idea, se commetti errori senza aver elaborato delle ipotesi stai sprecando tempo e denaro, probabilmente nemmeno tuo, ma quello di altri. Su questo punto Roberto è stato chiarissimo “Quando decido in quale startup investire il foglio excel mi interessa per capire come allocheranno nei prossimi 12 mesi i soldi che gli darò, questo è un mestiere fondato sulle eccezioni”
  • La vecchiaia ti porta irreparabilmente ad avere meno energie e, si spera, più esperienza. L’esperienza ti permette di commettere meno errori e conseguentemente risparmiare energie.
  • I founder sono fondamentali, passerai molto più tempo con loro che con tua moglie (ma sarà sempre lei la risposta alla domanda di Ruben(Innlab ’12):  “Cosa ti toglie il fiato in questo periodo?”)
  • Se un determinato processo umano in azienda è ripetuto con una certa frequenza è possibile automatizzarlo?
  • Costruire un’azienda è difficilissimo, farlo in Italia ancora di più, non c’è nessun premio per chi partecipa ad una maratona con una borsa piena di mattoni e non riesce a terminarla, se ci sono ambienti più favorevoli bisogna spostarsi
  • Silvio Gulizia, Innlab 13, caro amico, ha scoperto che esiste un BBQ InnLab che si tiene ogni anno il primo venerdì dopo ferragosto e quest’anno è alla sesta edizione, meglio tardi che mai
  • Per la sesta edizione del BBQ Innlab si stanno già organizzando con le macchine da Bari
  • I tramonti di Roma sono un’emozione immensa, ieri il cielo era terso ed al calar del sole uno spicchio di luna illuminava la Capitale, chi corre con i mattoni lo fa’ per amore, lo capisco pienamente

 


Dopo l’evento, il tutto casualmente, siamo scappati in un’altra villa del PI-Campus a giocare a biliardino, un bagno di sangue, sono vergognosamente fuori allenamento. Successivamente siamo andati al concerto dei Punkreas per l’uscita del loro nuovo EP all’Acrobax.

Sono tornato temporaneamente da Londra e di cose da raccontare ce ne sono tantissime, appena ho un attimo di respiro le racconterò tutte, purtroppo Maggio con tutte queste comunioni è un momento duro, a tratti durissimo.

Annunci

Lascia un commento

Archiviato in Startup, Tecnologia

Aggiornamenti su questa residenza Londinese

Sono passati ormai due mesi da questa mia permanenza in UK, sono cambiate e successe diverse cose.

Al clima, sempre variabile, ormai ho fatto l’abitudine. Sono riuscito ad andare a correre sotto la neve, quindi considero il peggio passato, se, e solo se, i miei amici la smettessero di inviarmi le foto al tramonto di Formia e Gaeta, a questo non mi abituerò mai.

In questi mesi mi sono dedicato alla panificazione, disciplina fantastica che non conoscevo e che mi sta particolarmente divertendo. Ho iniziato così a preparare il pane in casa con lievito di birra, farina, acqua e sale.

Pane.PNG

Sto continuando a studiare e cercare lavoro come Data Scientist, in particolare sto approfondendo PostgreSQL, ho trovato questo sito veramente interessante e di supporto.

Purtroppo verso fine Febbraio ho dovuto fare i conti con il mio inglese e con l’affitto.

Un caro amico mi aveva detto che facevo un po’ di errori che andavano corretti, inoltre quando parlavo con i recruiter spesso mi bloccavo per l’ansia, così ho deciso di scegliere, temporaneamente, un lavoro che mi permettesse di migliorare forzatamente la lingua e di pagare le spese di casa.

Cercando su Indeed e consegnando anche il CV a mano sono riuscito ad accedere alla primo colloquio per lavorare presso Lola Cupcakes, successivamente ho effettuato una giornata di prova di due ore e sono stato assunto.

Oltre a questo lavoro per migliorare la mia padronanza linguistica continuo a seguire delle lezioni di inglese su Fluentify durante il weekend, così che possa avere un insegnante che corregga i miei errori.

Quindi ricapitolando, verso gli inizi di Marzo è cominciata ufficialmente la mia avventura come Sales Assistant presso Lola Cupcakes, una catena di pasticcerie che vende torte e cupcakes.

Lavoro presso la stazione di Marylebone, ogni mattina da un megalaboratorio arrivano alla stazione delle torrette con vari scompartimenti contenenti i cupcakes, che sono stati preparati durante la notte, io mi occupo di “creare il display”, venderli e fare in modo che sia tutto pulito.

E’ abbastanza faticoso, perché devo stare tutto il giorno in piedi, gli orari sono o 07:30-15:30 o 13:00-21:00 per 7.80£/h, ma nonostate la fatica è un’esperienza interessante sotto vari aspetti:

  • Posso pagarmi l’affitto, senza chiedere soldi alla mia famiglia
  • L’organizzazione del lavoro è molto strutturata e (quasi) nulla è lasciato al caso
  • Sin dalla seconda settimana ho avuto la responsabilità di aprire da solo il punto vendita di Marylebone
  • Dalla terza settimana ho iniziato ad occuparmi della chiusura del negozio (Gestione delle rimanenze, aggiornamento del database contenente le informazioni giornaliere su fatturato/# di clienti, raggiungimento o meno del target di fatturato, % di dolci buttati)
  • Parlo costantemente in inglese

Purtroppo questo ha determinato un rallentamento del lavoro sia sul mio canale YouTube, sia su lovabledata.com, perché nel poco tempo libero che mi rimane:

  • Sto cercando offerte di lavoro come Junior Data Scientist
  • Ho iniziato un progetto di analisi dati sull’accessibilità dell’istruzione e le disuguaglianze sociali con un mentor tecnico
  • Sono il City Manager di Londra dell’Associazione Alumni InnovAction Lab

 

Questo è un tipico pranzo domenicale degli  Alumni di InnovAction Lab iniziato alle 13:00 e finito alle 22:00.

29594764_10213509652807861_4066855351748202328_n

Nonostante tutte queste attività e circa 40h di lavoro settimanali, cerco di  andare a correre con una certa costanza almeno due volte a settimana e continuo a leggere cercando di sfruttare anche solo i 30 min di pausa pranzo che ho a disposizione. Attualmente ho finito un libro di poesie di Pablo Neruda , carino, e sto per finirne un altro di Alda Merini La vita facile: 1 che è ancora più bello, veramente emozionante. Devo ringraziare Ludo che me li ha regalati e fatti scoprire, visto che compro sempre saggi tecnici.

Un abbraccio

 

Lascia un commento

Archiviato in Scritti sparsi, Viaggi

Le 25 skills più richieste per un Data Scientist (tratto da una storia vera) prt 1

Non è facile essere un wannabe Data Scientist

Essere un Data Scientist è veramente difficile, essere un Data Scientist autodidatta ancora peggio.

Il tempo non è mai abbastanza, c’è bisogno di focalizzarsi e focalizzarsi verso quello che il mercato del lavoro vuole, in questo modo ci saranno più possibilità di farcela, almeno all’inizio.

Dove focalizzarsi?

Sono sempre convinto che bisogna definire una strategia di medio termine e seguirla con pazienza, altrimenti si rischierà di essere distratti da tutte le informazioni provenienti dalla rete.

Verso Settembre 2017 fino ad oggi, molto spesso dopo aver inviato il mio CV per annunci di lavoro come Data Scientist ho segnato manualmente su Google Foglio le competenze richieste per quel ruolo

Ho superato più di 430 righe ognuna contenente una informazione.

Oggi ho deciso di analizzare questo CSV in modo da capire quali fossero le competenze più richieste come Data Scientist ed esercitarmi.

In [80]:
#importing the libraries 

import pandas as pd
import matplotlib.pyplot as plt
In [40]:
csvname= "skill.csv"
df= pd.read_csv(csvname,sep= ",", header=None, index_col=False)
print(df.head(30))
                             0    1
0                       Agile   NaN
1                           AI  NaN
2                    Algorithm  NaN
3                    Algorithm  NaN
4                   Algorithms  NaN
5                    Analytics  NaN
6                      Apache   NaN
7                      Apache   NaN
8                          API  NaN
9   Artificial neural networks  NaN
10                         AWS  NaN
11                         AWS  NaN
12                         AWS  NaN
13                         AWS  NaN
14                         AWS  NaN
15                         AWS  NaN
16                         AWS  NaN
17                         AWS  NaN
18                       Azure  NaN
19                       Azure  NaN
20                       Azure  NaN
21                       Azure  NaN
22                       Azure  NaN
23              Bayesian Model  NaN
24              Bayesian Model  NaN
25              Bayesian Model  NaN
26         Bayesian Statistics  NaN
27                          BI  NaN
28                          BI  NaN
29                         BI   NaN
30                    Big Data  NaN
31                    Big Data  NaN
32                    Big Data  NaN
33                    Big Data  NaN
34                    Big Data  NaN
35                    Big Data  NaN
36                    Big Data  NaN
37                    Big Data  NaN
38                    BIgQuery  NaN
39                    BIgQuery  NaN
In [34]:
print(df.columns)
Int64Index([0, 1], dtype='int64')
In [50]:
df.columns=['skills','vuota']
In [51]:
print(df.head())
       skills vuota
0      Agile    NaN
1          AI   NaN
2   Algorithm   NaN
3   Algorithm   NaN
4  Algorithms   NaN
In [65]:
df_skill=pd.DataFrame(df.iloc[:,0], columns=['skills'])
print(df_skill.head(5))
       skills
0      Agile 
1          AI
2   Algorithm
3   Algorithm
4  Algorithms
In [71]:
print(df_skill.info())
RangeIndex: 423 entries, 0 to 422
Data columns (total 1 columns):
skills    423 non-null object
dtypes: object(1)
memory usage: 3.4+ KB
None
In [84]:
df_skill_grouped=df_skill.groupby(['skills']).size().sort_values(ascending=False)
In [85]:
print(df_skill_grouped)
skills
SQL                                        37
Python                                     36
Spark                                      16
Python                                     13
Handoop                                    12
Scala                                      10
Scikit Learn                               10
NLP                                        10
Machine Learning                           10
Statistics                                 10
AWS                                         8
Big Data                                    8
NOSQL                                       7
Kafka                                       7
TensorFlow                                  6
Tableau                                     6
Pandas                                      5
Numpy                                       5
Azure                                       5
SQL                                         5
Machine learning                            5
Financial Systems                           4
Predictive Model                            4
Neural Networks                             4
C++                                         4
Machine Learning                            4
Go                                          3
Bayesian Model                              3
MapReduce                                   3
Clustering                                  3
                                           ..
Sentiment Analysis                          1
NLP                                         1
Scraping                                    1
NOSQL                                       1
Naive Bayes classifier                      1
Natural language processing                 1
Numpy                                       1
Linear Model                                1
Latent semantic indexing                    1
Pig                                         1
Hashmaps                                    1
Flask                                       1
Flink                                       1
Gis                                         1
GitHub                                      1
Testing Software                            1
Google 360                                  1
Gradient Boosted Machine                    1
TF-IDF                                      1
Plotly                                      1
T-SQL                                       1
Html                                        1
Information Extraction                      1
Instantaneously trained neural networks     1
JQuery                                      1
JSON                                        1
Java                                        1
JavaScript                                  1
Jira                                        1
AI                                          1
Length: 150, dtype: int64
In [90]:
df_skill_grouped.head(25).plot.bar()
 25 skills
Queste analisi devono evidentemente essere migliorate:

 

1) Implementare delle Regex, in questo modo potrò correggere velocemente gli errori di battitura ed essere più preciso (ad esempio nel grafico si vede che “Python” e “Python ” (con spazio finale) sono stati trattati come elementi differenti

 

2) Web Scraping degli annunci di lavoro ai quali ho risposto per estrarre automaticamente le competenze richieste ed aggiornare automaticamente il foglio Google

 

3) Migliorare il codice del Pomodoro Workout Analyzer così da essere più consapevole dicome sto gestendo le ore di esercizio con Python.

 

Un abbraccio e grazie per aver letto il mio articolo.

 

Andrea

 

ps se noti qualche errore scrivimi pure

 

1 Commento

Archiviato in Ingegneria, riflessioni

La differenza tra Vincere ed avere Successo secondo John Wooden

Col nuovo anno Alessandro mi aveva girato questo video del TED di John Wooden

John Wooden è stato un allenatore di pallacanestro e cestista statunitense.

E’ stato il tecnico più vincente della storia del basket collegiale USA alla guida degli UCLA Bruins.

Nel video del TED definisce dei punti chiave sia sul successo che sull’insegnamento.

No written word, no spoken plea can teach our youth what they should be.
Nor all the books on all the shelves, it’s what the teachers are themselves.

Ha anche citato la sua piramide del successo, non è andato nel dettaglio, ma è molto interessante.

In cima a tutto troviamo la pazienza ed “il crederci”.

Un concetto quello della pazienza che ritorna in discorsi già visti(“La vita è fatta di centimetri” Al Pacino in Ogni Maledetta Domenica o “There is NO Overnight Success” di Gary Vay) denominatore comune per qualsiasi obiettivo che si voglia raggiungere.

Focus sull’obiettivo ed allenamento costante.

Il punto interessante del talk è stata la sua definizione di successo.

La definizione è nata dopo alcune discussioni con dei genitori mentre insegnava in Indiana:

“Il successo rappresenta la serenità acquisita esclusivamente attraverso la soddisfazione personale nel sapere che hai dato il massimo rispetto al tuo potenziale.

Se tu ti impegni al meglio in ciò che sei capace di fare cercando di migliorarti (performance, risultati ecc) allora avrai raggiunto il successo.
E’ simile alla differenza tra carattere e reputazione, la reputazione è ciò che le persone percepiscono di te, il carattere è ciò che realmente sei.

Io penso che il carattere sia molto più importante di quello che gli altri pensino di te. “

Gran bel video!

Lascia un commento

Archiviato in riflessioni

DataCamp.com considerazioni sul “DataScientist Career Track with Python”

Ieri, 30 Dicembre, ho finito il “Career Track da Data Scientist con Python” su DataCamp.com.

E’ stata una bella avventura durata per la precisione 226 ore(monitorate con la tecnica del Pomodoro).

DataCamp

Ero troppo pigro da rimuovere la parola “Working” 

Il piano di studi  è composto da 20 corsi, ai quali ho aggiunto due su SQL e PostgreSQL .

 

Il percorso è costato 180$, in realtà con 180$ ho accesso ad un anno di corsi, quindi potrei anche seguirne altri (e dopo Febbraio farò così) e scadrà ad Agosto 2019.

E’ stato veramente interessante ed ho scoperto ua disciplina che mi appassiona tantissimo fondendo più materie.

Quello che ho apprezzato del percorso è stata la struttura per moduli, inoltre ogni 5 minuti di teoria seguivano almeno tre esercizi pratici e non era prevista una conoscenza iniziale di Python, per quanto delle basi di programmazione le avessi acquisite studiando un po’ di C con Arduino.

Lo consiglio?

Si, se la materia interessa, ma successivamente è necessario dedicarsi a dei propri progetti per implementare e consolidare quegli insegnamenti che altrimenti possono essere dimenticati in fretta.

Una nota negativa, sul sito c’è scritto che tutto il piano di studi duri 67h, non ho la più pallida idea di come abbiano fatto i conti, sarebbero 3,35 h per corso, ma, basato sulla mia esperienza personale, non credo sia una stima veritiera.

Gli sforzi ed il tempo necessario per maturare i concetti spiegati sono molto maggiori.

Adesso è tempo di mettere in pratica tutto quello che ho studiato!

Gennaio, oltre alla preparazione per l’esame di stato e la ricerca di un posto di lavoro, lo dedicherò alla realizzazione su Git Hub di un mio personale portfolio.

In realtà ho anche promesso a Diego che avrei scritto un paio di articoli sul suo blog in cui spiegavo cosa fossero in Statistica i test di verifica delle ipotesi e gli errori legati a questi test.

Anche perché come potete vedere dai due grafici, quasi tutto il tempo dedicato in questi mesi su Python è stato dedicato allo studio su DataCamp(226h su 290h totali) piuttosto che a qualche progetto da DataScientist.

 

Python31 12

Un abbraccio e buon anno

Lascia un commento

Archiviato in Ingegneria, Tecnologia

L’Ordine Del Tempo, Carlo Rovelli

Un po’ di tempo fa (quanto è relativo) dopo aver finito il libro sul ex ceo della IBM Louis Gestner ho iniziato a leggere “L’Ordine del Tempo” di Carlo Rovelli.

L’autore è un Fisico teorico, membro dell’Institut universitarie de France e dell’Accadémie internationale de philosophie des sciences.

Si è rivelata una lettura decisamente interessante, anche perché apprezzo sempre quando, con consapevolezza, si mescola la scienza con la filosofia.

In particolare mi è particolarmente piaciuta una riflessione sul secondo principio della termodinamica.

Il secondo principio afferma l’irreversibilità del passaggio di calore da un corpo caldo ad un corpo freddo.

Questa, riportando l’autore, è l’unica legge della fisica che distingue il passato dal futuro.

Ad esempio nel caso delle leggi della meccanica classica di Newton, l’elettromagnetismo di Maxwell “Se una sequenza di eventi è permessa da queste equazioni, lo è anche la stessa sequenza balzata all’indietro nel tempo. Nelle equazioni elementari del mondo la freccia del tempo appare solo quando c’è il calore”

L’autore continua la sua analisi evidenziando come il tempo non sia una variabile indipendente dal resto dell’Universo, né che scorra alla medesima velocità citando le dovute fonti bibliografiche ed immergendo il lettore in tutte le nuove scoperte della fisica quantistica e le varie implicazioni della teoria della relatività.

In questo percorso viene riconsiderata la visione aristotelica del tempo come misura del cambiamento.

Un’altra riflessione, apparentemente banale. (che poi era quello che diceva già Rafiki a Simba) , è legata all’asimmetria dell’evoluzione: il passato non si può cambiare ma il futuro si.

Le dinamiche del tempo e la loro relatività accompagnano il lettore verso una visione più soggettiva del mondo e delle sue interazioni che si può sintetizzare in una frase:

Non è importante ciò che è, ma ciò che è per te.

 

 

Se l’articolo ti è piaciuto o ti ha fatto riflettere ricondividilo 🙂

Lascia un commento

Archiviato in Hobby

Un anno dopo

E’ passato più di un anno dall’ultimo post su questo blog in cui raccontavo del mio fantastico viaggio a Barcellona, in un anno, guardandomi indietro sono cambiate tante cose e tante ne ho imparate.

Dopo la laurea ho iniziato seriamente a studiare un nuovo linguaggio di programmazione {Python} attraverso DataCamp.com e mi sono appassionato a tutto il mondo dell’analisi dati, che nel gergo è chiamata Data Science.

Per raccontare di questa avventura (ed allenarmi con la lingua inglese) ho creato un nuovo blog con Word press ma su un altro hosting, perché più economico, lovabledata.com

Spero di riprendere seriamente a scrivere qui con cadenza almeno mensile anche dopo l’esperienza di VLog con “Radio Londra” su Youtube.

Un abbraccio,

Andrea

Lascia un commento

Archiviato in Uncategorized