Datapizza Community 🍕📈
Відкрити в Telegram
Canale Telegram ufficiale della Datapizza Community📍 👉🏾 https://datapizza.tech/ Contiene fonti, approfondimenti, extra e spunti di discussione sul mondo Tech & AI👩💻👨💻
Показати більше📈 Аналітичний огляд Telegram-каналу Datapizza Community 🍕📈
Канал Datapizza Community 🍕📈 (@datapizza) у мовному сегменті Італійська є активним учасником. На даний момент спільнота об'єднує 14 735 підписників, посідаючи 8 531 місце в категорії Технології та додатки та 1 725 місце у регіоні Італія.
📊 Показники аудиторії та динаміка
З моменту свого створення невідомо, проект продемонстрував стрімке зростання, зібравши аудиторію у 14 735 підписників.
За останніми даними від 02 вересня, 2026, канал демонструє стабільну активність. Хоча за останні 30 днів спостерігається зміна кількості учасників на -74, а за останні 24 години на -2, загальне охоплення залишається високим.
- Статус верифікації: Не верифікований
- Рівень залученості (ER): Середній показник залученості аудиторії становить 23.75%. Протягом перших 24 годин після публікації контент зазвичай збирає 10.07% реакцій від загальної кількості підписників.
- Охоплення публікацій: В середньому кожен допис отримує 3 498 переглядів. Протягом першої доби публікація в середньому набирає 1 484 переглядів.
- Реакції та взаємодія: Аудиторія активно підтримує контент: середня кількість реакцій на один пост – 6.
- Тематичні інтереси: Контент зосереджений навколо ключових тем, таких як agente, modello, posizione, datapizza, ral.
📝 Опис та контентна політика
Автор описує ресурс як майданчик для висловлення суб'єктивної думки:
“Canale Telegram ufficiale della Datapizza Community📍
👉🏾 https://datapizza.tech/
Contiene fonti, approfondimenti, extra e spunti di discussione sul mondo Tech & AI👩💻👨💻”
Завдяки високій частоті оновлень (останні дані отримано 03 вересня, 2026), канал підтримує актуальність та високий рівень охоплення публікацій. Аналітика показує, що аудиторія активно взаємодіє з контентом, що робить його важливою точкою впливу в категорії Технології та додатки.
14 735
Підписники
-224 години
-217 днів
-7430 днів
Триває завантаження даних...
Схожі канали
Хмара тегів
Вхідні та вихідні згадування
---
---
---
---
---
---
Залучення підписників
вересень '26
вересень '26
+6
в 0 каналах
серпень '26
+28
в 0 каналах
Get PRO
липень '26
+53
в 0 каналах
Get PRO
червень '26
+44
в 0 каналах
Get PRO
травень '26
+37
в 0 каналах
Get PRO
квітень '26
+44
в 0 каналах
Get PRO
березень '26
+32
в 0 каналах
Get PRO
лютий '26
+38
в 0 каналах
Get PRO
січень '26
+23
в 0 каналах
Get PRO
грудень '25
+14
в 0 каналах
Get PRO
листопад '25
+44
в 0 каналах
Get PRO
жовтень '25
+49
в 0 каналах
Get PRO
вересень '25
+45
в 0 каналах
Get PRO
серпень '25
+62
в 0 каналах
Get PRO
липень '25
+271
в 0 каналах
Get PRO
червень '25
+104
в 0 каналах
Get PRO
травень '25
+436
в 0 каналах
Get PRO
квітень '25
+497
в 0 каналах
Get PRO
березень '25
+1 176
в 0 каналах
Get PRO
лютий '25
+795
в 0 каналах
Get PRO
січень '25
+201
в 0 каналах
Get PRO
грудень '24
+283
в 0 каналах
Get PRO
листопад '24
+45
в 0 каналах
Get PRO
жовтень '24
+151
в 0 каналах
Get PRO
вересень '24
+74
в 0 каналах
Get PRO
серпень '24
+1 566
в 0 каналах
Get PRO
липень '24
+143
в 0 каналах
Get PRO
червень '24
+339
в 0 каналах
Get PRO
травень '24
+75
в 0 каналах
Get PRO
квітень '24
+271
в 0 каналах
Get PRO
березень '24
+350
в 0 каналах
Get PRO
лютий '24
+96
в 0 каналах
Get PRO
січень '24
+267
в 0 каналах
Get PRO
грудень '23
+213
в 0 каналах
Get PRO
листопад '23
+61
в 0 каналах
Get PRO
жовтень '23
+202
в 0 каналах
Get PRO
вересень '23
+176
в 0 каналах
Get PRO
серпень '23
+1 999
в 0 каналах
Get PRO
липень '23
+546
в 0 каналах
Get PRO
червень '23
+156
в 0 каналах
Get PRO
травень '23
+176
в 0 каналах
Get PRO
квітень '23
+265
в 0 каналах
Get PRO
березень '23
+584
в 0 каналах
Get PRO
лютий '23
+503
в 0 каналах
Get PRO
січень '23
+321
в 0 каналах
Get PRO
грудень '22
+590
в 0 каналах
Get PRO
листопад '22
+854
в 0 каналах
Get PRO
жовтень '22
+398
в 0 каналах
Get PRO
вересень '22
+177
в 0 каналах
Get PRO
серпень '22
+119
в 0 каналах
Get PRO
липень '22
+125
в 0 каналах
Get PRO
червень '22
+217
в 0 каналах
Get PRO
травень '22
+245
в 0 каналах
Get PRO
квітень '22
+85
в 0 каналах
Get PRO
березень '22
+163
в 0 каналах
Get PRO
лютий '22
+280
в 0 каналах
Get PRO
січень '22
+324
в 0 каналах
Get PRO
грудень '21
+96
в 0 каналах
Get PRO
листопад '21
+181
в 0 каналах
Get PRO
жовтень '21
+155
в 0 каналах
Get PRO
вересень '21
+869
в 0 каналах
| Дата | Залучення підписників | Згадування | Канали | |
| 03 вересня | +5 | |||
| 02 вересня | +1 | |||
| 01 вересня | 0 |
Дописи каналу
Se in questo periodo state cercando nuove opportunità, su Datapizza Jobs abbiamo due posizioni che potrebbero interessarvi! 🙌
1️⃣ Software Engineer (.NET) - Imatra
💸 RAL: 45k - 55k
💡 Esperienza: 4+ anni
📍 Full Remote, con la disponibilità di recarsi in sede a Rimini quando richiesto
🙌 Tecnologie: C#, .NET, SQL, PostgreSQL, ReactGCP
👉 https://bit.ly/4y957Bi
2️⃣ Senior Software Engineer - Datapizza
💸 RAL: 40k - 55k
💡 Esperienza: 4+ anni
📍 Full Remote
🙌 Tecnologie: Effect, Docker, Typescript, TanStack, AWS, Next.JS, Bun
👉 https://bit.ly/4h5NeOa
E se avete domande sulle posizioni, noi siamo qui! 🙌
| 2 |  Gli agenti LLM messi alla prova in ambienti reali, non ideali 🌐
La maggior parte dei benchmark valuta gli agenti in scenari semplificati, con tool puliti e input perfetti. AgentGym2 fa il contrario: testa gli agenti in ambienti "de-idealizzati" che assomigliano molto più al mondo reale.
Dentro troverete:
📌 Ambienti realistici: niente tool interface pre-impacchettate
📌 Input imperfetti: gli agenti devono gestire dati incompleti o sporchi
📌 Copertura ampia: più scenari e più tipologie di task rispetto ai benchmark classici
Lo trovate qui 👉 https://arxiv.org/abs/2607.05174 | 1 822 |
| 3 |  Tutti i numeri sull'AI del primo trimestre 2026 📊
CB Insights ha pubblicato il suo report trimestrale sullo stato dell'AI, con dati su funding, startup, settori più caldi e le mosse delle Big Tech nel primo trimestre dell'anno.
Dentro troverete:
📌 Funding: dove sono finiti davvero i miliardi investiti in AI
📌 Settori: quali verticali stanno crescendo più velocemente
📌 Startup: le aziende emergenti da tenere d'occhio
📌 Big Tech: le strategie delle grandi aziende sull'AI
Lo trovate qui 👉 https://www.cbinsights.com/research/report/ai-trends-q1-2026/ | 2 068 |
| 4 |  Gli agenti AI messi alla prova su task lunghi da terminale 💻
I benchmark da terminale esistenti misurano solo task brevi, risolvibili in pochi minuti. Long-Horizon-Terminal-Bench cambia approccio: valuta gli agenti su compiti lunghi, con un sistema di reward denso che premia anche i progressi parziali.
Dentro troverete:
📌 Il problema: i benchmark classici ignorano il progresso intermedio
📌 La soluzione: reward grading denso per misurare anche i risultati parziali
📌 L'obiettivo: capire quanto un agente regge in task complessi e prolungati
Lo trovate qui 👉 https://arxiv.org/abs/2607.08964 | 2 354 |
| 5 |  Il toolkit robotics open source di Hugging Face si aggiorna 🤖
LeRobot v0.6.0 è il rilascio più grande di sempre per la libreria open source di robotica di Hugging Face: chiude il loop imagine-evaluate-improve per l'AI embodied, con nuovi modelli, benchmark e strumenti di training.
Dentro troverete:
📌 World model policies: VLA-JEPA, FastWAM, LingBot-VA per "immaginare" il futuro
📌 Nuovi VLA: GR00T N1.7, MolmoAct2, EO-1, EVO1 e altri
📌 Valutazione: 6 benchmark di simulazione unificati in lerobot-eval
📌 Training: FSDP e cloud training su HF Jobs
📌 Dataset: supporto depth, annotazione automatica e caricamento 2x più veloce
Lo trovate qui 👉 https://huggingface.co/blog/lerobot-release-v060 | 3 227 |
| 6 |  Se in questo periodo state cercando nuove opportunità, su Datapizza Jobs abbiamo due posizioni che potrebbero interessarvi! 🙌
1️⃣ AI Transformation Leader in Azzurro Digitale
💸 RAL: 60k-80k + MBO
💡 Esperienza: 5+ anni
📍 Ibrido a Padova
🙌 Tecnologie: AI Expert, Evaluation di soluzioni GenAI, RAG e Agenti, Sistemi multi-agente, AI Tools, People Management, Project management
👉 https://bit.ly/4qHWmfl
2️⃣ AI Transformation Lead - Datapizza
💸 RAL: 45-55k
💡 Esperienza: 6-8 anni
📍 Ibrido su Milano (3-4 giorni a settimana in sede)
🙌 Tecnologie: AI ExpertEvaluation di soluzioni GenAIAI TransformationAI ToolsChange Management
👉 https://bit.ly/3SVoxe8
E se avete domande sulle posizioni, noi siamo qui! 🙌 | 3 111 |
| 7 |  Le skill dei vostri agenti possono allenarsi da sole 🛠️
SkillOpt di Microsoft è un optimizer open source che allena skill testuali riutilizzabili per agenti LLM "congelati", senza toccare i pesi del modello. Basta un documento di skill che si aggiorna da solo, con edit validati e nessuna chiamata extra a inferenza.
Dentro troverete:
📌 Come funziona: un optimizer trasforma i rollout in edit su un unico file di skill
📌 Validazione: ogni modifica è accettata solo se migliora lo score
📌 Risultati: fino a +24,8 punti nel loop agentico di Codex
📌 Portabilità: le skill si trasferiscono tra modelli e harness diversi
Lo trovate qui 👉 https://github.com/microsoft/SkillOpt | 3 023 |
| 8 |  Creare dataset con l'AI, senza scrivere una riga di codice 🧮
Hugging Face ha lanciato AI Sheets, un tool open source che vi permette di costruire, arricchire e trasformare dataset usando modelli AI direttamente da un'interfaccia a foglio di calcolo. Potete usare migliaia di modelli open del Hub tramite Inference Providers, oppure far girare tutto in locale.
Dentro troverete:
📌 Zero codice: interfaccia a celle, come un foglio di calcolo
📌 Migliaia di modelli: accesso diretto ai modelli open del Hub
📌 Locale o cloud: scegliete tra Inference Providers e modelli locali
📌 Arricchimento dati: generate, pulite e trasformate colonne con un prompt
Lo trovate qui 👉 https://huggingface.co/blog/aisheets | 2 928 |
| 9 |  Un agente AI puo' davvero comportarsi come un ricercatore, dall'idea alla pubblicazione? 🔬
Questa suite di benchmark valuta LLM frontier e harness agentici su tutto il ciclo di vita della ricerca scientifica, non solo su un singolo task isolato.
Dentro troverete:
📌 Copertura: ideazione, letteratura, esperimenti, scrittura del paper
📌 Target: modelli frontier e harness agentici a confronto diretto
📌 Metodo: task pensati per simulare il lavoro reale di un ricercatore
📌 Risultato: gap ancora ampio tra agenti e ricercatori umani sul ciclo completo
Lo trovate qui 👉 https://arxiv.org/abs/2606.07462 | 3 004 |
| 10 |  +1Se in questo periodo state cercando nuove opportunità, su Datapizza Jobs abbiamo due posizioni che potrebbero interessarvi! 🙌
1️⃣ Sales Industry Leader - Pubblica Amministrazione e Difesa in Datapizza
💸 RAL: 70k-80k
💡 Esperienza: 6+ anni
📍 Ibrido su Milano
🙌 Tecnologie: Sales Strategy, Account Management, Capacità di negoziazione, Data & AI, Business Development, Result driven, Pubblica Amministrazione e Difesa
👉 https://bit.ly/4qBVybO
2️⃣ AI Transformation Leader in Azzurrodigitale
💸 RAL: 60k-80k
💡 Esperienza: 5+ anni
📍 Ibrido su Padova
🙌 Tecnologie: AI Expert, Evaluation di soluzioni GenAI, RAG e Agenti, Sistemi multi-agente, AI Tools, People Management, Project management
👉 https://bit.ly/4zvVf6b
E se avete domande sulle posizioni, noi siamo qui! 🙌 | 3 621 |
| 11 |  Aggiornare un package una volta è facile, farlo per 12 release di fila molto meno ⛓️
SWE-Chain valuta i coding agent su catene di upgrade reali, dove ogni versione si costruisce sulla precedente proprio come succede nella manutenzione vera di un progetto.
Dentro troverete:
📌 Dataset: 12 catene di upgrade su 9 package Python reali
📌 Scala: 155 transizioni di versione, 1.660 requisiti verificati
📌 Risultato: i migliori agenti risolvono in media meno del 50% dei task
📌 Top performer: Claude Opus 4.7 su Claude Code al 60,8% di resolving
Lo trovate qui 👉 https://arxiv.org/abs/2605.14415 | 3 436 |
| 12 |  Il capex delle Big Tech sta per superare il cash flow 📊
Epoch AI ha pubblicato un nuovo data insight sulla spesa in infrastrutture AI degli hyperscaler: stima che entro il Q3 2026 gli investimenti in capex supereranno il flusso di cassa operativo.
Dentro troverete:
📌 Il sorpasso: capex aggregato oltre il cash flow entro Q3 2026
📌 NVIDIA: oltre il 60% del compute totale installato
📌 Il resto: Google e Amazon a coprire gran parte del compute rimanente
📌 Il trend: capex cresciuto molto più velocemente dei ricavi
📌 I dati: parte del database Epoch AI su oltre 3.500 modelli ML
Lo trovate qui 👉 https://epoch.ai/data-insights/hyperscaler-capex-vs-cash-flow | 3 530 |
| 13 |  Valutare un agente AI su un benchmark intero costa caro! 💰
Ma serve davvero farlo? 🤔
Questo paper mostra come selezionare solo i task a difficoltà intermedia permetta di ridurre drasticamente il costo di valutazione senza perdere affidabilità.
Dentro troverete:
📌 Filtro basato su tassi di successo storici tra il 30% e il 70%
📌 Riduzione dei task di valutazione dal 44% al 70%
📌 Alta fedeltà nel ranking anche cambiando scaffold nel tempo
📌 Metodo motivato dalla Item Response Theory
📌 Codice e dati rilasciati pubblicamente su GitHub
Lo potete trovare qui 👉 https://arxiv.org/abs/2603.23749 | 3 437 |
| 14 |  Un corso gratuito per costruire agenti con memoria vera 🧩
DeepLearning.AI e Oracle hanno lanciato "Agent Memory: Building Memory-Aware Agents", un corso pratico per progettare sistemi di memoria che permettono agli agenti AI di ricordare, recuperare e aggiornare le proprie conoscenze nel tempo.
Dentro troverete:
📌 L'infrastruttura: memoria costruita su Oracle AI Database e LangChain
📌 I tipi di memoria: design di un sistema che gestisce memorie diverse per funzione
📌 La ricerca semantica: scalare l'accesso ai tool tramite semantic search
📌 Il write-back: loop che permettono all'agente di aggiornare la propria memoria da solo
📌 Il risultato finale: un Memory Aware Agent che migliora sessione dopo sessione
Lo potete trovare qui! 👉 https://www.deeplearning.ai/courses/agent-memory-building-memory-aware-agents | 3 678 |
| 15 |  Nove modelli frontier messi alla prova sulla ricerca web più difficile mai testata 🔎
DeepWeb-Bench richiede di raccogliere prove massicce da fonti diverse e derivazioni a lungo raggio, molto più complesse dei benchmark esistenti.
Dentro troverete:
📌 Solo il 12-14% degli errori dipende dal retrieval, il resto da derivazione e calibrazione
📌 Modelli forti e deboli sbagliano in modi qualitativamente diversi
📌 Accordo tra modelli basso: correlazione di appena ρ = 0,61
📌 Disaccordo per singolo caso fino a 18,8 punti percentuali
📌 Ogni risposta accompagnata da un record di provenienza delle fonti
Lo trovate qui 👉 https://arxiv.org/abs/2605.21482 | 4 124 |
| 16 |  +1Se in questo periodo state cercando nuove opportunità, su Datapizza Jobs abbiamo due posizioni che potrebbero interessarvi! 🙌
1️⃣ Product Lead in Medicilio
💸 RAL: 50k-75k
💡 Esperienza: 4+ anni
📍 Ibrido su Milano (3 giorni smart-working/settimana)
🙌 Tecnologie: UX/UI Design, AI Fluency, Comunicazione efficace, Product Strategy, Microservizi, Gestione Team, Project management, Regulatory Compliance, SQL
👉 https://bit.ly/4gep7LD
2️⃣ Lead Data Architect in Intarget Group S.r.l. – Società Benefit
💸 RAL: 60k-70k
💡 Esperienza: 5+ anni
📍 Ibrido su Milano, Pisa o Roma
🙌 Tecnologie: Python, SQL, Apache Kafka, GCP, Data Pipeline, Strumenti BI, CI/CD, Terraform
👉 https://bit.ly/4gatYO4
E se avete domande sulle posizioni, noi siamo qui! 🙌 | 4 251 |
| 17 |  Un framework per testare le vostre applicazioni LLM come fareste con del codice normale 🧪
DeepEval è una libreria open source con decine di metriche pronte per agenti, RAG, chatbot e summarization, con una developer experience in stile Pytest.
Dentro troverete:
📌 Metriche: agenti, RAG, chatbot, summarization già pronte all'uso
📌 Integrazione: si collega ai principali framework LLM
📌 Licenza: Apache 2.0, completamente open source
📌 Adozione: oltre 400.000 download mensili
Lo trovate qui 👉 https://github.com/confident-ai/deepeval | 3 749 |
| 18 |  Un dataset multilingue da mille miliardi di token è online 🌍
Hugging Face ha rilasciato FineTranslations: un dataset di testo parallelo che copre l'inglese e oltre 500 altre lingue, pensato per migliorare la traduzione automatica a minori risorse.
Dentro troverete:
📌 La scala: oltre 1000 miliardi di token di testo parallelo
📌 La fonte: contenuti non in inglese di FineWeb2 tradotti con Gemma3 27B
📌 La pipeline: processo di generazione dei dati completamente documentato e riproducibile
📌 L'obiettivo: colmare il divario di qualità nella traduzione verso lingue meno rappresentate
📌 L'uso: pronto per il training e il fine-tuning di modelli di traduzione
Vi lasciamo qui il link! 👉 https://huggingface.co/blog/Pclanglais/two-trillion-tokens-open | 3 624 |
| 19 |  Un paper per ripensare la memoria degli agenti AI 🤔
I ricercatori propongono Memory in the Loop: un sistema di retrieval in-process che funge da memoria di lavoro estesa per gli agenti linguistici, senza ricorrere a database esterni separati.
Dentro troverete:
📌 Il problema: la memoria a lungo termine tradizionale rallenta gli agenti
📌 La soluzione: retrieval integrato direttamente nel processo di inferenza
📌 I vantaggi: meno latenza e più coerenza tra i turni di conversazione
📌 I test: valutazioni su task multi-step che richiedono memoria estesa
📌 Le implicazioni: un possibile standard per gli agenti di nuova generazione
Ecco a voi il link! 👉 https://arxiv.org/abs/2607.05690 | 3 723 |
| 20 |  Se in questo periodo state cercando nuove opportunità, su Datapizza Jobs abbiamo due posizioni che potrebbero interessarvi! 🙌
1️⃣ Lead Data Architect in Intarget Group S.r.l. - Società Benefit
💸 RAL: 60k-70k
💡 Esperienza: 5+ anni
📍 Ibrido a Milano, Pisa o Roma
🙌 Tecnologie: Python, SQL, Apache Kafka, GCP, Data Pipeline, Strumenti BI, CI/CD, Terraform
👉 https://bit.ly/4giJbO4
2️⃣ AI Transformation Leader in Azzurro Digitale
💸 RAL: 60k-80k
💡 Esperienza: 5+ anni
📍 Ibrido a Padova
🙌 Tecnologie: AI Expert, Evaluation di soluzioni GenAI, RAG e Agenti, Sistemi multi-agente, AI Tools, People Management, Project management
👉 https://bit.ly/3TyV7mb
E se avete domande sulle posizioni, noi siamo qui! 🙌 | 3 699 |
