Federico Rao
PROGETTI
Case study selezionati in sviluppo web, AI, Web3 e SaaS: da piattaforme LMS enterprise a ecosistemi DeFi, app mobili ed e-commerce.
Come leggere queste schede
Ogni pagina di progetto descrive un’implementazione: il problema affrontato, l’architettura scelta, i flussi che supporta e i vincoli che l’hanno modellata. Il comportamento visibile del prodotto, le scelte di interfaccia e la struttura tecnica si possono ispezionare direttamente. I risultati di business che dipendono da dati dei clienti non vengono pubblicati come prova, e nessuna di queste schede va letta come un’affermazione su ricavi, crescita o prestazioni delle organizzazioni coinvolte. La titolarità è indicata per ogni progetto, compresi i lavori in collaborazione e gli strumenti interni realizzati senza un cliente.
ELMS Learn, piattaforma di formazione enterprise
Un learning management system costruito come quattordici microservizi Spring Boot rilasciabili in modo indipendente, dietro un frontend React che copre l’intero ciclo formativo: iscrizione, erogazione dei corsi, valutazione, mentoring, inserimento lavorativo e analytics. I servizi comunicano tramite REST e streaming di eventi Kafka, e ciascuno possiede il proprio database PostgreSQL per far rispettare i bounded context. Il frontend usa un routing basato sui ruoli per quattro tipi di utente, con code splitting e uno schema di sviluppo resiliente che prova prima l’API e poi ricade sui dati mock. È la scheda di sistemi distribuiti più ampia del sito e l’esempio più chiaro di architettura multi-servizio invece che di singola applicazione.
Acquamarina, negozio online
Un negozio online bilingue di fascia alta per prodotti artigianali, costruito attorno a navigazione dei prodotti, carrello, checkout e autenticazione con un design system di ispirazione mediterranea. Lo stato è gestito con store separati per funzionalità, i form sono validati con una tipizzazione basata su schema e il drawer del carrello usa un’animazione spring. La localizzazione completa in inglese e italiano fa parte della build, non è un’aggiunta successiva. Dimostra il design delle interazioni per l’e-commerce e l’internazionalizzazione su una codebase piccola e autonoma.
Atelier Engine, flusso di immagini con AI
Uno strumento di livello desktop per generare varianti di fotografia di prodotto per inventari di moda. Un modello di visione analizza le fotografie di partenza, i prompt vengono costruiti a partire da quell’analisi e la generazione avviene in batch, producendo varianti in studio, dettagli ravvicinati e varianti indossate. Il backend trasmette l’avanzamento via WebSocket; l’interfaccia offre scrittura dei prompt, gestione delle esecuzioni e controllo del flusso. Il design è dominato dagli aspetti operativi: batch di inventario in CSV, pausa e ripresa delle esecuzioni, recupero dopo un’interruzione e log di audit in sola aggiunta.
MTRM, analisi dei trend moda
Una pipeline di machine learning che acquisisce testi e immagini dai social media per assegnare un punteggio ai segnali di domanda emergenti nella moda. Un classificatore di testo su misura, addestrato su un lessico della domanda, gestisce il linguaggio, un modello di object detection identifica i capi negli screenshot e l’output con punteggio viene servito tramite un’API sopra un document store. È un sistema orientato alla ricerca: gli aspetti interessanti sono l’approccio all’etichettatura, il metodo di punteggio e la forma del deploy, non un’interfaccia consumer rifinita.
Praxis, gestione dello studio
Un’interfaccia gestionale mirata per studi professionali che copre l’intero ciclo di vita di una pratica: creazione, gestione attiva, note e revisione, archiviazione e riattivazione. L’interfaccia è volutamente essenziale, con due pannelli che separano le pratiche attive da quelle storiche, allegati e note in linea. È stata costruita come strumento minimo funzionante da mettere subito in uso, al posto di fogli di calcolo e fascicoli cartacei per un singolo studio, e mostra quanto piccolo possa essere un sistema pur restando utile.
Third Eye, prodotto audio mobile
Un’applicazione mobile multipiattaforma per mindfulness e mixaggio di suoni ambientali, che sovrappone livelli ambientali a tracce principali attraverso un’interfaccia su misura. Il client usa stato persistente e grafica accelerata via GPU per visual che reagiscono all’atmosfera; il backend gestisce autenticazione, catalogo, stato del mixer, abbonamenti e amministrazione dei contenuti. È la scheda mobile più completa del sito, e copre onboarding, percorsi di ascolto, gestione degli abbonamenti e l’area amministrativa necessaria a mantenere aggiornati i contenuti.
Focus della pagina
Consulta le schede di implementazione per superficie di prodotto, flusso, vincolo tecnico ed elemento ispezionabile, non per risultati non supportati.
Metodo del portfolio
Scegli le schede per problema di implementazione ed elemento ispezionabile; le descrizioni non sostituiscono risultati verificati dei clienti.
Misurazione e limiti
Valuta i progetti web, automazione e AI con verifiche osservabili pertinenti a questa pagina. Registra le modifiche sostanziali quando cambiano l’offerta, il sistema, le prove o le dipendenze di riferimento. L’idoneità tecnica o il solo rilascio non garantiscono posizionamenti, traffico, richieste, ricavi, conformità di accessibilità o miglioramenti operativi.