Vuoi fare ML sui dati nel tuo database senza la fatica di fare deployment, imparare nuove API e configurare runtime Python? In questo talk ti mostro come compilare modelli scikit-learn in SQL con Orbital, con demo e benchmark reali, e quando questa strategia batte i deployment tradizionali. 
Stufo di spedire file pickle di modelli, mettere in piedi runtime Python o copiare dati tra ambienti diversi solo per fare una predizione? Orbital risolve il problema.
In questo talk presenterò Orbital per Python, un framework leggero che trasforma i tuoi workflow in scikit-learn in puro SQL. Niente server, niente model runner, solo predizioni veloci che girano dove i tuoi dati già vivono.
Vedremo come Orbital compila i modelli addestrati in SQL usando Ibis, faremo qualche esempio reale e condividerò benchmark che mostrano predizioni a costo di runtime zero anche in produzione. Che tu faccia deploy su DuckDB, PostgreSQL, SQLite, Snowflake o altri database in cloud, Orbital ti permette di saltare tutta la parte di infrastruttura e andare dritto ai risultati.
Se sei data scientist, data engineer o ti occupi di ML e vuoi una consegna dei modelli più semplice e veloce, questo talk fa per te.