Real Time Knowledge Injection

Accrescere l’“intelligenza” dei chatbot

Modelli LLM: Come funzionano?

III parte: Embeddings

L’intelligenza artificiale tra diritto e uso sociale

I parte: AI Act e legge italiana sull’intelligenza artificiale

Blast from the past

Aspetti sociali del web: tecnologie e comportamenti

Home page – MokaConference No Image

LLMs models: how do they work?

Part 2: BNN vs ANN, an OO View

Agile Portfolio Management

II parte: La matrice Impact/Effort

Dall’età del ferro all’età del cloud

Perché solo DevOps non basta più

Modelli LLM: Come funzionano?

II parte: BNN e ANN, una visione OO

Talento, performance, carriera: uno sguardo d’insieme

III parte: Considerazioni sul Performance Management

Vibe Coding: sviluppare il prodotto con l’AI

II parte: Sviluppo, test e lezioni apprese

Agile Portfolio Management

I parte: L’arte di mettere in fila tante cose

Scrum Guide Expansion Pack

Un passo avanti o un ritorno al passato?

Da 1 a 10: valutare un prodotto o servizio

Tutti i limiti del Net Promoter Score (NPS)

I meetup di MokaByte: L’AI riscrive le regole dello sviluppo prodotto

Vibe Coding: sviluppare il prodotto con l’AI

I parte: I fondamenti del processo

Talento, performance, carriera: uno sguardo d’insieme

II parte: Come viene favorito il talento in azienda?

Modelli LLM: Come funzionano?

I parte: ANN (Artificial Neural Network), reti neurali artificiali

LLMs models: how do they work?

Part 1: Artificial Neural Networks

Adattare l’agilità ai contesti: una chiave di lettura

II parte: Strumenti per decisioni complesse

Il dilemma del prigioniero

Un “gioco serio” per comprendere la cooperazione

Accessibilità in team di prodotto: sfide, normative e best practice

II parte: Analisi di un caso reale

Adattare l’agilità ai contesti: una chiave di lettura

I parte: Un caso di studio con le sue peculiarità

Talento, performance, carriera: uno sguardo d’insieme

I parte: Che cosa è il talento?