Informazioni sul servizio
TradottoSono uno sviluppatore del linguaggio Julia specializzato nel calcolo numerico e scientifico ad alte prestazioni. A differenza dei flussi di lavoro abituali in Python o R, scommetto sulla velocità di Julia: scrivo codice che gira vicino alle prestazioni native ma rimane leggibile e matematicamente trasparente, così i tuoi modelli non diventano un collo di bottiglia. Ho costruito motori di simulazione, procedure di ottimizzazione, risolutori di equazioni differenziali e pipeline di elaborazione dati su larga scala senza i rallentamenti tipici degli stack interpretati. Quando hai bisogno di un reale throughput su calcoli seri, Julia è lo strumento giusto, e so come estrarne il massimo.
Inizio comprendendo il problema: la matematica, i volumi di dati e dove le prestazioni contano davvero. Prima profilo, poi ottimizzo, utilizzando codice stabile nei tipi, dispatch multiplo e broadcasting corretto, facendo affidamento sull'ecosistema dove è utile: DifferentialEquations, JuMP per l'ottimizzazione, DataFrames per i dati tabulari e lo stack SciML per la modellazione. La correttezza è per me importante quanto la velocità, quindi scrivo test, misuro onestamente con BenchmarkTools e documento le assunzioni. Che si tratti di un prototipo di un'idea di ricerca o di preparare un modello per la produzione — adatto il livello ingegneristico alla fase del progetto.
Posso prendere un prototipo lento in Julia, Python o MATLAB e trasformarlo in codice Julia veloce e manutenibile, o partire da una specifica tecnica pulita. Sono a mio agio con il calcolo parallelo, scaricando su GPU tramite CUDA quando giustificato, e impacchettando il codice affinché il tuo team possa effettivamente eseguirlo. Parlami del tuo collo di bottiglia e dei numeri target — fornirò una valutazione onesta e un piano di lavoro.
— Calcolo numerico ad alte prestazioni e implementazione di algoritmi in Julia
— Simulazioni, risoluzione di equazioni differenziali e modellazione matematica (SciML, DifferentialEquations)
— Problemi di ottimizzazione tramite JuMP e integrazione dei risolutori
— Analisi e elaborazione dei dati con DataFrames e grandi array
— Profilazione, benchmarking e ottimizzazione delle prestazioni stabili nei tipi
— Calcolo parallelo e GPU, e impacchettamento del codice per il riutilizzo
Inizio comprendendo il problema: la matematica, i volumi di dati e dove le prestazioni contano davvero. Prima profilo, poi ottimizzo, utilizzando codice stabile nei tipi, dispatch multiplo e broadcasting corretto, facendo affidamento sull'ecosistema dove è utile: DifferentialEquations, JuMP per l'ottimizzazione, DataFrames per i dati tabulari e lo stack SciML per la modellazione. La correttezza è per me importante quanto la velocità, quindi scrivo test, misuro onestamente con BenchmarkTools e documento le assunzioni. Che si tratti di un prototipo di un'idea di ricerca o di preparare un modello per la produzione — adatto il livello ingegneristico alla fase del progetto.
Posso prendere un prototipo lento in Julia, Python o MATLAB e trasformarlo in codice Julia veloce e manutenibile, o partire da una specifica tecnica pulita. Sono a mio agio con il calcolo parallelo, scaricando su GPU tramite CUDA quando giustificato, e impacchettando il codice affinché il tuo team possa effettivamente eseguirlo. Parlami del tuo collo di bottiglia e dei numeri target — fornirò una valutazione onesta e un piano di lavoro.
— Calcolo numerico ad alte prestazioni e implementazione di algoritmi in Julia
— Simulazioni, risoluzione di equazioni differenziali e modellazione matematica (SciML, DifferentialEquations)
— Problemi di ottimizzazione tramite JuMP e integrazione dei risolutori
— Analisi e elaborazione dei dati con DataFrames e grandi array
— Profilazione, benchmarking e ottimizzazione delle prestazioni stabili nei tipi
— Calcolo parallelo e GPU, e impacchettamento del codice per il riutilizzo
