Fabrizio

Sistema RAG per l'analisi di documenti aziendali (PDF, DOCX, email) con LLM. Chunking con LangChain, embedding multilingue Sentence Transformers e vector store ChromaDB; classificazione, riassunto ed estrazione di insight, date ed entità con output strutturato Pydantic, analisi tematica cross-documento e valutazione con LLM-as-judge. Supporto a modello locale (Qwen 2.5) o via API Groq.

Tool di sincronizzazione tra una cartella sorgente e una di destinazione basato su multithreading e multiprocessing. Pipeline a step: scansione ricorsiva, confronto dei file, suddivisione del lavoro in sottogruppi bilanciati, esecuzione parallela con ThreadPoolExecutor e ProcessPoolExecutor, modalità dry-run e utilizzo da riga di comando.

Sviluppo di REST API per il deploy in produzione di un modello di machine learning: esposizione del modello tramite endpoint HTTP, gestione richieste/risposte e test dell'API.

Algoritmo di correzione automatica per query di ricerca aziendali. Implementazione della distanza di Levenshtein per rilevare e suggerire correzioni a errori di battitura, con dizionario di 50+ parole e 10 casi di test.

Modello NLP per l'identificazione automatica della lingua di testi museali multilingue. Pipeline completa: preprocessing TF-IDF, classificatore (Naive Bayes / SVM / Random Forest), valutazione con accuracy, precision, recall e F1-score.

Architettura a microservizi con Spring Boot, Spring Security e RabbitMQ per comunicazione asincrona event-driven. TDD end-to-end con Testcontainers.

Sviluppo full-stack con Java/Quarkus, Angular e Apache Kafka. Integrazione Keycloak per autenticazione e gestione identità su più servizi.

Analisi e migrazione di sistemi aziendali da on-premise a cloud AWS (EC2, ECS, ECR). Studio di Docker e Kubernetes. Laurea 89/110.