PyData Rome, 7th Meeting, 22nd November 2024

PyData Roma - 7th Meetup! 🎉
New location unlocked! Get ready for another great night about Python, data, and science!

Let's pick up where we left off and continue our mission to make Rome a fantastic place for software engineering and data science.

⚠️ Remember to RSVP using your full name for security reasons and bring a valid ID to show at the entrance. Otherwise, you will not be allowed to enter the premises! ⚠️

The presentations for this event will be announced soon. You could be the next speaker at this or a future event. If you have a presentation, some interesting code, or an open problem you'd like to discuss with the community, compile the form and let us know! (Proposals can be in English or Italian, whatever makes you comfortable.)

Location: Via di Vigna Murata 605
Date: November 22nd 2024

Schedule:

• 18:00 🚪 Door Opening
• 18:45 🎤 Talk 1 - "Conformal Prediction: quantificazione dell'incertezza per umanizzare i modelli" by Vincenzo Ventriglia (ML Engineer @
  Istituto Nazionale di Geofisica e Vulcanologia)
• 19.15 🎤 Talk 2 - "Advanced topics on RAG" by Federico Ricciuti (Data Scientist)
• 19.45 🤝 Socializing

Here is a short description of the two presentations:

1. Conformal Prediction: quantificazione dell'incertezza per umanizzare i modelli
L'identificazione delle incertezze nel Machine Learning è fondamentale per prendere decisioni solide, migliorare l'affidabilità dei modelli e valutarne i rischi. Quantificando e comprendendo l'incertezza, si possono costruire sistemi di AI più affidabili e degni di fiducia.
Immaginiamo di avere un modello che predice se una TAC contiene o meno un tumore. Gli approcci tradizionali tendono a fornire previsioni binarie, non fornendo informazioni sul livello di fiducia del modello per ciascuna previsione.
La Conformal Prediction (CP) è un framework per la quantificazione dell'incertezza che aggiunge una stima della fiducia nelle previsioni del modello: invece di fornire una risposta "puntuale", fornisce una serie di risultati possibili (set di previsioni), unitamente a una misura della fiducia in ciascun risultato. Questi set di previsione sono corredati da garanzia (matematica!) di copertura del risultato vero, assicurando che rileveranno almeno una percentuale pre-fissata di valori veri. CP, inoltre, è un paradigma agnostico rispetto al modello sottostante e non fa ipotesi sulla distribuzione dei dati.
CP dunque offre una struttura robusta che consente agli stakeholder di prendere decisioni più informate, soprattutto in quei settori a elevato rischio come la sanità, la finanza e i sistemi autonomi.

2. Advanced topics on RAG
Advanced topics about the construction of RAGs, starting from basic adaptations (e.g., reranking, answer refinement) to more advanced concepts related to metadata exploitation and filtering, semantic caching, cost and log monitoring, jailbreak and prompt injection detection, automatic evaluation of RAG solutions, and their integration in agentic systems. At the end, a quick demo will be shown.

Sign Up!
Space is limited, so RSVP today to secure your spot!

Please note:
Remember to RSVP using your full name for security reasons and bring a valid ID to show at the entrance.
If you can't attend, please let us know at least 2 days in advance so you can free spots for people on the waiting list. We look forward to seeing you there! 🙌