Progetti interni
Python
PyTorch
Flask
Docker
API REST
PostgreSQL
La necessità era di ottenere un miglioramento dell’accuratezza delle stime nei progetti di sviluppo software. L’obiettivo principale era garantire, ottimizzando la gestione delle risorse e riducendo il rischio di stime errate.
A questo fine, si sono aggiunte due ulteriori richieste: centralizzare il processo di stima e implementare misure avanzate di sicurezza informatica. Nel primo caso, lo scopo era digitalizzare e uniformare la gestione delle stime, migliorando la tracciabilità e l’accesso alle informazioni. Nel secondo caso, essendo il sistema orientato alla gestione di dati sensibili, l’obiettivo era garantire un elevato livello di protezione attraverso l’applicazione di policy di cybersecurity, test di vulnerabilità e un controllo rigoroso sugli accessi
Il cuore della soluzione elaborata da Winet si è incentrato sullo sviluppo di un modello di machine learning addestrato su dati storici aziendali, progettato per classificare le stime come corrette, sovrastimate o sottostimate, mediante un’analisi in tempo reale.
Per assicurare prestazioni efficienti anche in condizioni di elevato carico, il sistema è stato containerizzato con Docker e orchestrato tramite Kubernetes, grazie ai quali è stato possibile ottimizzare la gestione delle risorse e l’affidabilità del servizio. Le tecnologie Spring Boot e Quarkus, inoltre, hanno permesso di sviluppare microservizi leggeri ed efficienti, capaci di rispondere rapidamente alle richieste del sistema.
Non aspettare oltre! Realizza il tuo progetto e fai la differenza. Il nostro team specializzato saprà dare seguito alle tue richieste.
Mettiti in contatto
