Datapizza Community 🍕📈

Open in Telegram

Canale Telegram ufficiale della Datapizza Community📍 👉🏾 https://datapizza.tech/ Contiene fonti, approfondimenti, extra e spunti di discussione sul mondo Tech & AI👩‍💻👨‍💻

Italy1 711 Technologies & Applications8 473...

📈 Analytical overview of Telegram channel Datapizza Community 🍕📈

Channel Datapizza Community 🍕📈 (@datapizza) in the Italian language segment is an active participant. Currently, the community unites 14 675 subscribers, ranking 8 473 in the Technologies & Applications category and 1 711 in the Italy region.

📊 Audience metrics and dynamics

Since its creation on невідомо, the project has demonstrated rapid growth, gathering an audience of 14 675 subscribers.

According to the latest data from 04 October, 2026, the channel demonstrates stable activity. Although there has been a change in the number of participants by -45 over the last 30 days and by -2 over the last 24 hours, overall reach remains high.

Verification status: Not verified
Engagement rate (ER): The average audience engagement rate is 19.82%. Within the first 24 hours after publication, content typically collects 9.98% reactions from the total number of subscribers.
Post reach: On average, each post receives 2 910 views. Within the first day, a publication typically gains 1 465 views.
Reactions and interaction: The audience actively supports content: the average number of reactions per post is 2.
Thematic interests: Content is focused on key topics such as agente, modello, posizione, datapizza, ral.

📝 Description and content policy

The author describes the resource as a platform for expressing subjective opinions:
“Canale Telegram ufficiale della Datapizza Community📍 👉🏾 https://datapizza.tech/ Contiene fonti, approfondimenti, extra e spunti di discussione sul mondo Tech & AI👩‍💻👨‍💻”

Thanks to the high frequency of updates (latest data received on 05 October, 2026), the channel maintains relevance and a high level of publication reach. Analytics show that the audience actively interacts with content, making it an important point of influence in the Technologies & Applications category.

14 675

Subscribers

-224 hours

-197 days

-4530 days

2 910

Post views

~ 1 46524 hours

~ 1 78448 hours

19.82%

Engagement rate

No data

Posts per day

Ads index

beta

Posts Archive

14 675

Vi ricordiamo che dal 7 al 9 ottobre torniamo a Torino per Wave by Vento (il nuovo nome di Italian Tech Week), una delle conferenze tech più influenti d'Europa! 🚀 Vi aspettano: 📌 10.000 partecipanti, 200+ speaker, 70+ speech, 45 masterclass 📌 Tra gli speaker: Dario Amodei (CEO Anthropic), John Elkann (Exor, Stellantis, Ferrari), Jony Ive (LoveFrom) e altri 📌 Noi ci saremo con una masterclass di Giacomo Ciarlini, Co-Founder & CIO Datapizza, su come ripensare i processi aziendali da zero con l'AI Per partecipare alla masterclass serve il Wave Pass, che potete trovare qui! 👉 bit.ly/4eZDov7 PS: Per voi c'è ancora uno sconto sul pass con il codice DATAPIZZA-WAVE15 (cumulabile con gli sconti gruppo) 🍕

14 675

State cercando ancora una nuova sfida nel 2026? Abbiamo una posizione che farà la differenza 🚀 Il Forward Deployed Engineer è il ruolo tech più importante dei prossimi 2 anni: una figura che negli USA esiste da oltre vent'anni, ma che in Italia è praticamente sconosciuta. 👀 Forward Deployed Engineer in Datapizza 💸 RAL: 35k-55k 💡 Esperienza: 3-5 anni 📍 Ibrido su Milano (con trasferimenti presso i clienti) 🙌 Tecnologie: Typescript, SQL, Database, Cloud, Container, CI/CD, Observability, LLM, RAG e Agenti 🇬🇧 Inglese fluente richiesto 👉 https://bit.ly/4ydUayY In Datapizza lo stiamo ancora cercando per costruire agenti e workflow AI presso i nostri clienti, usando una piattaforma proprietaria di nuova generazione. 💪 Se pensate di essere la persona giusta, candidatevi al link!

14 675

Se in questo periodo state cercando nuove opportunità, su Datapizza Jobs abbiamo due posizioni che potrebbero interessarvi! 🙌 1️⃣ Lead Data Architect in Intarget 💸 RAL: 60k-70k 💡 Esperienza: 5+ anni 📍 In sede a Pisa 🙌 Tecnologie: Python, SQL, Apache Kafka, GCP, Data Pipeline, Strumenti BI, CI/CD, Terraform 👉 https://bit.ly/4iTfDZn 2️⃣ AI Delivery Lead in Azienda Finanziaria Italiana 💸 RAL: 55k-65k 💡 Esperienza: 4-6 anni 📍 In sede a Milano 🙌 Tecnologie: RAG, Python, Agenti, Machine Learning, AI, GenAI, Claude Code 👉 https://bit.ly/3VglnlY E se avete domande sulle posizioni, noi siamo qui! 🙌

14 675

L'1 e 2 Ottobre arriva il palcoscenico di riferimento per chi lavora nel prodotto in Italia: Product Heroes Conference 2026 :superhero: Due giorni al NH Milano Congress Centre, cinque format in parallelo, con Deep Dive su un singolo argomento trattato con la profondità che merita: casi concreti, numeri e lezioni da chi quel problema lo ha già affrontato. :dart: Dentro troverete: :pushpin: Product Mindset con Fabio Montagna (LEGO) :pushpin: Migliorare l'esperienza di 6 milioni di clienti con l'AI, con Riccardo Queri (Prima) :pushpin: Costruire meno, decidere meglio: il design nell'era dell'AI, con Nicolò Volpato (Tangible) :pushpin: When everyone can build, who still needs engineers and PM? con speaker da PayFit, Alan e Satispay :pushpin: 190+ roundtable su strategia, discovery, AI, crescita e organizzazione dei team ...e tanto altro. A finire ci sarà un Networking Party per chiudere la giornata nel modo giusto! :tada: Qui il link ai biglietti :point_right: https://bit.ly/DatapizzaxPHC Ci vediamo lì? 🍕

14 675

100 sfide vere per mettere alla prova la ricerca profonda dell’AI 🔬 Microsoft ha rilasciato LiveDRBench, un benchmark con 100 task complessi presi da scenari reali: dalla scoperta di dataset scientifici alla ricerca su materiali, fino a eventi di interesse pubblico. Dentro troverete: 📌 Compiti reali: non domande sintetiche, ma casi presi da esigenze concrete 📌 Ambiti diversi: scienza, materiali, dataset discovery ed eventi pubblici 📌 Difficoltà alta: pensato per mettere in crisi anche i sistemi di deep research più avanzati 📌 Dataset aperto: disponibile su Hugging Face per i vostri test La trovate qui 👉 https://huggingface.co/datasets/microsoft/LiveDRBench

14 675

Capiamo insieme come Jev (e in generale i modelli "system-one") possono essere usati e se veramente sono una minaccia per OpenAI e Anthropic. 📌 Cosa rende Jev diverso dai suoi competitors? 📌 I modelli "system-one" possono davvero competere con Sonnet, GPT-4? 📌 E se l'architettura computazionale fosse il vero game changer? Ne parliamo in live con: Manuel Vimercati, Direttore Scientifico Simone Conversano, AI Transformation Specialist 📅 Mercoledì 23 settembre, ore 18:00 📍 In diretta su LinkedIn e YouTube Assisti alla live qui 👇 LinkedIn: https://bit.ly/4h5pIB0 YouTube: https://bit.ly/4hly8TC

14 675

Se state cercando una nuova sfida nel 2026, abbiamo una posizione che farà la differenza - e vi diciamo subito perché. 🚀 Il Forward Deployed Engineer è il ruolo tech più importante dei prossimi 2 anni: una figura che negli USA esiste da oltre vent'anni, ma che in Italia è praticamente sconosciuta. 👀 Forward Deployed Engineer in Datapizza 💸 RAL: 35k-55k 💡 Esperienza: 3-5 anni 📍 Ibrido su Milano (con trasferimenti presso i clienti) 🙌 Tecnologie: Typescript, SQL, Database, Cloud, Container, CI/CD, Observability, LLM, RAG e Agenti 🇬🇧 Inglese fluente richiesto 👉 https://bit.ly/4ydUayY In Datapizza lo cerchiamo per costruire agenti e workflow AI presso i nostri clienti, usando una piattaforma proprietaria di nuova generazione. 💪 Se pensate di essere la persona giusta, candidatevi al link!

14 675

Un benchmark per capire se gli agenti sanno fare ingegneria vera ⚙️ Frontier-Eng valuta agenti AI self-evolving su task di ingegneria reali, usando l'ottimizzazione generativa per capire quanto sanno migliorarsi da soli nel tempo. Dentro troverete: 📌 Task reali: problemi ingegneristici presi da contesti di produzione 📌 Self-evolving: gli agenti aggiornano le proprie strategie iterazione dopo iterazione 📌 Metriche: come si misura il miglioramento progressivo, non solo il risultato finale 📌 Confronti: prestazioni di più famiglie di modelli sullo stesso set di task Lo trovate qui 👉 https://arxiv.org/abs/2604.12290

14 675

Se in questo periodo state cercando nuove opportunità, su Datapizza Jobs abbiamo due posizioni che potrebbero interessarvi! 🙌 1️⃣ Full Stack Developer in Air Srl 💸 RAL: 45k-55k 💡 Esperienza: 4-6 anni (2-3 anni nel ruolo) 📍 In sede a Vigevano (PV) 🙌 Tecnologie: Node.js, Typescript, SQL, AWS, Git, Docker, Testing 👉 Datapizza Jobs 2️⃣ System Administrator in Mondo Convenienza 💸 RAL: 35k-40k 💡 Esperienza: 3-6 anni (1-2 anni nel ruolo) 📍 Ibrido a Civitavecchia 🙌 Tecnologie: Active Directory, Windows Server, Google Cloud, Reti e Sistemi 👉 Datapizza Jobs E se avete domande sulle posizioni, noi siamo qui! 🙌

14 675

Un modello open source che fa ricerca come i grandi closed-source 🔍 Il team di Ohio State ha addestrato QUEST, una famiglia di agenti open (da 2 a 35 miliardi di parametri) che potete usare per ricerche approfondite: raccolta fatti, citazioni verificate e sintesi di report lunghi, senza passare per i modelli closed-source. Dentro troverete: 📌 Dati sintetici: solo 8.000 task generati automaticamente, senza annotazione umana 📌 Training in tre fasi: mid-training, fine-tuning supervisionato e reinforcement learning 📌 Rubric trees: un sistema di reward verificabili applicabile a task diversi 📌 Risultati: prestazioni pari o superiori ai migliori agenti closed-source su 8 benchmark 📌 Open source: codice, pesi e demo pubblici su GitHub Lo trovate qui 👉 https://arxiv.org/abs/2605.24218

14 675

Ogni team valuta i modelli AI a modo suo: risultato, zero confrontabilità 📊 Every Eval Ever propone uno schema comune e un repository condiviso per raccogliere i risultati di valutazione AI in un formato riutilizzabile da tutta la community. Dentro troverete: 📌 Problema: risultati di eval sparsi e incompatibili tra loro 📌 Soluzione: uno schema unificato per registrare eval e risultati 📌 Repository: raccolta comunitaria già popolata con dati esistenti 📌 Obiettivo: rendere i benchmark AI comparabili nel tempo Lo trovate qui 👉 https://arxiv.org/abs/2606.14516

14 675

Un dataset gigante di dati reali per l'AI embodied 🦾 AgiBot World 2026 è un dataset costruito su scene reali, pensato per la ricerca sull'intelligenza embodied. Raccoglie dimostrazioni registrate al 100% in ambienti reali con il robot AGIBOT G2. Dentro troverete: 📌 Ambienti reali: spazi commerciali, case e scenari general-purpose 📌 Raccolta: modalità free-form sul robot AGIBOT G2 📌 Scala: pensato per coprire le principali direzioni di ricerca sull'embodied AI Lo trovate qui 👉 https://huggingface.co/datasets/agibot-world/AgiBotWorld2026

14 675

Google Cloud apre le iscrizioni a Startup School: Agent Builder, un corso tecnico intensivo per costruire da zero la vostra squadra di agenti AI 🦾 Dal 15 al 24 settembre, quattro lezioni live pensate per founder, CTO e lead engineer, non per chi parte da zero: l'obiettivo è arrivare a un vero e proprio "co-founder" fatto di quattro agenti in produzione, usando Gemini Enterprise Agent Platform e Google Antigravity 2.0. Dentro troverete: 📌 Architettura di agenti stateful, pronti per la produzione 📌 RAG avanzato, vector search e Agent Development Kit (ADK) in Python 📌 Costruzione di 4 agenti: Market Intelligence, Product Knowledge RAG, Multimodal Onboarding, Local Developer Companion 📌 Deploy sicuro su Google Cloud, zero vendor lock-in Ogni lezione si svolge alle 10:00 e alle 18:00 italiane, e resta disponibile on demand dopo la diretta. Lo potete trovare qui 👉 https://cloudonair.withgoogle.com/events/startup-school-agent-builder-q3-2026

14 675

Quanto reggono gli agenti AI in più lingue? 💬 PolyWorkBench è un nuovo benchmark che mette alla prova gli agenti LLM su task lunghi e complessi in contesti multilingue, un'area ancora poco esplorata rispetto alle valutazioni solo in inglese. Dentro troverete: 📌 Il gap: la maggior parte dei benchmark per agenti valuta solo in inglese 📌 Il formato: task realistici a orizzonte lungo in più lingue 📌 I modelli testati: confronto tra i principali agenti LLM frontier 📌 I risultati: cali di performance significativi fuori dall'inglese 📌 L'utilità: un punto di riferimento per chi sviluppa agenti globali La trovate qui 👉 https://arxiv.org/abs/2607.06008

14 675

Se in questo periodo state cercando nuove opportunità, su Datapizza Jobs abbiamo due posizioni che potrebbero interessarvi! 🙌 1️⃣ AI Engineer (Team AI & GenAI Development) in Generali 💸 RAL: 47k-53k 💡 Esperienza: 3-5 anni 📍 Ibrido su Milano 🙌 Tecnologie: Computer Vision, Python, Inglese, PyTorch, LangChain, GenAI, Agenti, AWS, MLOps 👉 https://bit.ly/4cBTTNy 2️⃣ Process Analyst in Easynet Group 💸 RAL: 30k-35k 💡 Esperienza: 1-2 anni 📍 Ibrido a Lecco 🙌 Tecnologie: Data Analysis, Databases, Strumenti BI, SQL, SAP, AI 👉 https://bit.ly/4y5LuLb E se avete domande sulle posizioni, noi siamo qui! 🙌

14 675

La guida IBM al prompt engineering, aggiornata al 2026 ✍️ IBM ha aggiornato la sua guida al prompt engineering con tecniche pratiche per ottenere risposte più accurate dai modelli, incluso l'uso di RAG, summarization e input strutturati come il JSON. Dentro troverete: 📌 RAG: come combinare prompt e retrieval per risposte più precise 📌 Structured input: usare JSON e schemi per guidare il modello 📌 Tecniche pratiche: esempi concreti applicabili da subito 📌 Risorse extra: repository GitHub con casi d'uso reali La trovate qui 👉 https://www.ibm.com/think/prompt-engineering

14 675

Un nuovo paradigma per il ragionamento degli agenti 🗺️ Il paper MAP (Map-then-Act) propone un approccio in due fasi per il ragionamento interattivo degli agenti su orizzonti lunghi: prima si costruisce una mappa dell'ambiente, poi si agisce sulla base di quella mappa. Dentro troverete: 📌 Il problema: gli agenti perdono coerenza sui task che durano molti step 📌 La fase di mapping: costruzione esplicita di una rappresentazione dell'ambiente 📌 La fase di azione: decisioni prese sulla mappa invece che step-by-step alla cieca 📌 I test: valutazioni su scenari interattivi a orizzonte lungo 📌 I risultati: miglioramenti misurabili rispetto agli approcci reattivi classici Lo trovate qui 👉 https://arxiv.org/abs/2605.13037

14 675

Inferenza LLM in tempo reale: il corso con Cerebras ⚡ DeepLearning.AI, in collaborazione con Cerebras, ha lanciato Fast LLM Inference with Cerebras: un corso per costruire applicazioni LLM che rispondono in tempo reale sfruttando il Wafer-Scale Engine (WSE-3). Dentro troverete: 📌 L'hardware: come funziona l'inferenza sul chip Wafer-Scale di Cerebras 📌 I casi d'uso: applicazioni latency-sensitive come la personalizzazione live 📌 I workflow multi-tool: gestire più chiamate in tempo reale senza colli di bottiglia 📌 Gli insegnanti: un team di ingegneri Cerebras che condivide esempi pratici 📌 Il formato: corso breve, gratuito e diretto sui casi d'uso reali Ecco a voi il link! 👉 https://www.deeplearning.ai/courses/fast-llm-inference-with-cerebras

14 675

Un benchmark per capire se gli agenti sono davvero proattivi 🎯 UniClawBench valuta gli agenti su task reali con un sistema a tre agenti: un executor, un supervisor nascosto e uno user agent che simula feedback multi-turno senza svelare i criteri di valutazione. Dentro troverete: 📌 Executor agent: esegue il task richiesto 📌 Supervisor nascosto: valuta la qualità senza essere visibile all'agente 📌 User agent: simula un utente reale con feedback multi-turno 📌 L'obiettivo: misurare la proattività, non solo l'esecuzione Lo trovate qui 👉 https://arxiv.org/abs/2607.08768