11 guide · ultimo aggiornamento 17 ottobre 2026

Explorables

Guide interattive per capire come funzionano davvero le cose

✎ Mettiti alla prova113 domande a risposta aperta, valutate da un esaminatore AI sul contenuto delle guide
LLMmachine learningtraining

Anatomia del Training LLM

Dal testo grezzo al modello che ragiona: dataset, BPE, embedding, strati, un training dal vivo nel browser, poi SFT, DPO, GRPO + RLVR e distillazione on-policy.

Novità v2.7: Correzioni: l'MLP di un 7B ha tre matrici 4.096 × 11.008 per strato, non due; l'allargamento della MLP è 4d nel transformer originale e 11.008 ≈ 2,7d in Llama 2 7B; divisione per √dk nell'attention; «Vettore» al posto di «Scheda» nella tabella re/regina
Cronologia delle versioni
  1. v2.7 · 17 ottobre 2026Correzioni: l'MLP di un 7B ha tre matrici 4.096 × 11.008 per strato, non due; l'allargamento della MLP è 4d nel transformer originale e 11.008 ≈ 2,7d in Llama 2 7B; divisione per √dk nell'attention; «Vettore» al posto di «Scheda» nella tabella re/regina
  2. v2.6 · 17 ottobre 2026Formattazione per la lettura: frasi chiave evidenziate, termini definiti, riquadri (sintesi, attenzione, esempio), calcoli in riquadri per formule, una mappa concettuale per capitolo
  3. v2.5 · 16 ottobre 2026Capitolo 2: frasi di lunghezza diversa nella stessa rete, con un esempio a matrici (X n × 2, attention n × n calcolata, W 2 × 2) e uno step di training reale su una frase corta e una lunga; packing, padding e perché esiste una lunghezza massima del contesto
  4. v2.4 · 4 ottobre 2026Dalla chat sui dubbi ricorrenti: la rete a finestra fissa numero per numero (concatenazione, W₁ riga per neurone, regola delle dimensioni, perché non scala), «vettore lungo o matrice?» nell'attention, laboratorio X → O con tutte le matrici di una testa (Q, K, V, QKᵀ, softmax causale, AV, pesi casuali vs del modello), tabella parametri vs attivazioni, due nuove FAQ (come si compongono i vettori; W_q/W_k/W_v da un solo training); correzioni di concordanza dopo scheda → vettore
  5. v2.3 · 3 ottobre 2026Riscrittura completa (v2.0–2.3). Capitolo 1 dal basso: contare, perché non basta, rete neurale (neurone dell'ombrello, rete 3→2→1), finestra fissa, reti ricorrenti, attention, che cos'è un transformer, un transformer in miniatura eseguibile numero per numero, re − uomo + donna, le domande che vengono a tutti (chi morde chi, KV cache, finestra di contesto). Capitolo 2: dall'errore ai pesi (cross-entropy, gradiente p − y, backpropagation con laboratorio, learning rate, batch/epoch, memoria di training). Parte II: cinque fasi con filo problema → dati → loss → esempio → limite e lo stesso prompt seguito fase per fase. Capitolo 9 di approfondimento: BPE, algebra in otto passi, matrice E e RoPE, attention a tre matrici, softmax e temperatura, conti dei 7B, backprop a due strati.
  6. v1.16 · 3 ottobre 2026«Da zero» punto 7: le domande che vengono a tutti (ingressi e pesi, strato d'ingresso, dove stanno gli embedding e KV cache, ordine e posizione con il laboratorio «chi morde chi?», finestra di contesto)
  7. v1.15 · 2 ottobre 2026«Da zero» punto 6: da 7B a 4.096, cosa vuol dire entrare nella rete, come si parlano le schede (laboratorio sull'attenzione)
  8. v1.14 · 2 ottobre 2026Nuova sottosezione «Da zero»: neurone, rete, apprendimento, parole come numeri (re/regina con assi etichettati), perché entrano tutti i token insieme
  9. v1.13 · 2 ottobre 2026Capitolo 0 per chi parte da zero: quadro d'insieme con laboratorio sul percorso di un token; percorso di algebra riscritto con esempi numerici semplici e approfondimenti in riquadri richiudibili «Dove ritorna nel modello»
  10. v1.12 · 2 ottobre 2026Nuova sottosezione sui tensori (rango, shape, fette, broadcasting, reshape e transpose delle teste) con schema e laboratorio; le formule principali della guida in riquadri dedicati
  11. v1.11 · 2 ottobre 2026Richiamo di algebra approfondito: vettori e residual stream, prodotto scalare e √d_k, norma e alte dimensioni, matrici come trasformazioni, shape e FLOP, non linearità, basso rango e LoRA; sette laboratori a matematica reale
  12. v1.10 · 2 ottobre 2026Nuove sottosezioni: backpropagation e regola della catena con laboratorio; basi di RL e reward model (Bradley-Terry) prima di DPO; glossario con scaling laws e benchmark
  13. v1.9 · 2 ottobre 2026Revisione: «migliaia di miliardi» al posto di «trilioni», MLP SwiGLU coerente con il conto di Llama 2 7B, AdamW, notazione DPO, reward hacking anche con RLVR; letture consigliate in testa; rimando alla guida sulle architetture
  14. v1.8 · 25 settembre 2026Indice rivisto: pulsante fuori dalla barra (nessuna sovrapposizione), pannello sotto la barra, sezioni comprimibili, ricerca e posizione corrente
  15. v1.7 · 24 settembre 2026Pannello Indice con tutti i capitoli e le sottosezioni, come in transazioni
  16. v1.6 · 24 settembre 2026Riferimenti incrociati con anteprima: capitoli, fasi (SFT, DPO, GRPO, RLVR, OPD), concetti base e termini del glossario diventano link con popup
  17. v1.5 · 24 settembre 2026Richiamo di algebra (vettori, matrici, one-hot), capitolo sugli strati, vocabolario BPE visibile, inizializzazione della matrice di embedding.
  18. v1.4 · 24 settembre 2026Sezione sugli embedding con laboratori sul lookup e sull'organizzazione dello spazio vettoriale.
  19. v1.3 · 24 settembre 2026Laboratorio BPE con pre-tokenizzazione e lunghezza massima del token; paragrafi su vocabolario e modelli multilingua.
  20. v1.2 · 23 settembre 2026Dataset, BPE reale passo per passo, batch, step ed epoch, training dal vivo di un modello a bigrammi.
  21. v1.1 · 23 settembre 2026Capitolo introduttivo sui concetti base: token, loss, softmax, gradient descent.
  22. v1.0 · 23 settembre 2026Prima versione: pipeline di pre-training e post-training con un laboratorio per fase.
versione 2.7aggiornata il 17 ottobre 2026
LLMagentitool use

Da Assistente ad Agente

Tools, assistenti e agenti basati su LLM: function calling, il ciclo dell'agente, workflow e pattern, rischi e controlli, come si allena un modello agentico.

Novità v1.7: Correzione: nel capitolo 1 i limiti sono tre più un vincolo pratico, la lunghezza massima del contesto
Cronologia delle versioni
  1. v1.7 · 17 ottobre 2026Correzione: nel capitolo 1 i limiti sono tre più un vincolo pratico, la lunghezza massima del contesto
  2. v1.6 · 17 ottobre 2026Formattazione per la lettura: frasi chiave evidenziate, termini definiti, riquadri (sintesi, attenzione, esempio), calcoli in riquadri per formule, una mappa concettuale per capitolo
  3. v1.5 · 2 ottobre 2026Nuova sottosezione sul prompt con laboratorio; JSON valido con structured outputs e decodifica vincolata; rimando alla guida sull'inferenza
  4. v1.4 · 2 ottobre 2026Revisione: correzioni di italiano e acronimi, descrizione dei tool, callout sull'accumulo degli errori; letture consigliate in testa; rimando all'ingegneria dei sistemi LLM per budget, ripresa ed evals
  5. v1.3 · 25 settembre 2026Indice rivisto: pulsante fuori dalla barra (nessuna sovrapposizione), pannello sotto la barra, sezioni comprimibili, ricerca e posizione corrente
  6. v1.2 · 24 settembre 2026Pannello Indice con tutte le sezioni, come in transazioni
  7. v1.1 · 24 settembre 2026Riferimenti incrociati con anteprima, anche verso la guida sul training (SFT, DPO, RLVR); termini chiave e sezioni collegati con popup
  8. v1.0 · 24 settembre 2026Prima versione.
versione 1.7aggiornata il 17 ottobre 2026
LLMinferenzaprestazioniserving

Dentro l'inferenza

Come un LLM genera davvero: ciclo token per token, campionamento (top-k, top-p, min-p), cache KV, prefill contro decode, batching, PagedAttention, decodifica speculativa e output strutturato.

Novità v1.2: Formattazione per la lettura: frasi chiave evidenziate, termini definiti, riquadri (sintesi, attenzione, esempio), calcoli in riquadri per formule, una mappa concettuale per capitolo
Cronologia delle versioni
  1. v1.2 · 17 ottobre 2026Formattazione per la lettura: frasi chiave evidenziate, termini definiti, riquadri (sintesi, attenzione, esempio), calcoli in riquadri per formule, una mappa concettuale per capitolo
  2. v1.1 · 16 ottobre 2026Capitolo 1: rimando al laboratorio sulla softmax della guida sul machine learning
  3. v1.0 · 2 ottobre 2026Prima versione: ciclo di generazione, campionamento (top-k, top-p, min-p), cache KV, prefill contro decode, batching e PagedAttention, decodifica speculativa, output strutturato
versione 1.2aggiornata il 17 ottobre 2026
LLMarchitettureMoE

Encoder, decoder, esperti

BERT contro GPT, le famiglie di architetture dei modelli linguistici, modelli densi e sparsi a esperti (MoE) e come sceglie il router.

Novità v1.3: Formattazione per la lettura: frasi chiave evidenziate, termini definiti, riquadri (sintesi, attenzione, esempio), calcoli in riquadri per formule, una mappa concettuale per capitolo
Cronologia delle versioni
  1. v1.3 · 17 ottobre 2026Formattazione per la lettura: frasi chiave evidenziate, termini definiti, riquadri (sintesi, attenzione, esempio), calcoli in riquadri per formule, una mappa concettuale per capitolo
  2. v1.2 · 2 ottobre 2026Rimando alla guida sull'inferenza per il ciclo di generazione e la cache KV
  3. v1.1 · 2 ottobre 2026Revisione: note del calcolatore corrette sui preset, capacità dei MoE, Llama 4 Maverick, bilanciamento con bias in DeepSeek-V3, rinormalizzazione non universale; letture consigliate in testa; rimando al capitolo sugli strati del training
  4. v1.0 · 25 settembre 2026Prima versione: BERT contro GPT, famiglie di architetture, modelli densi e a esperti (MoE), come sceglie il router. Laboratori su maschera di attenzione, calcolatore denso/sparso e router a 8 esperti.
versione 1.3aggiornata il 17 ottobre 2026
LLMAI engineeringRAGagentieval

Ingegneria dei sistemi LLM

Un modello non è un sistema: gateway con costi e cache, retrieval misurato, agenti come macchine a stati durevoli, memoria con budget, giudice calibrato e guardrail, fino al deploy con utenti reali. Sei strati, sei laboratori.

Novità v1.4: Formattazione per la lettura: frasi chiave evidenziate, termini definiti, riquadri (sintesi, attenzione, esempio), calcoli in riquadri per formule, una mappa concettuale per capitolo
Cronologia delle versioni
  1. v1.4 · 17 ottobre 2026Formattazione per la lettura: frasi chiave evidenziate, termini definiti, riquadri (sintesi, attenzione, esempio), calcoli in riquadri per formule, una mappa concettuale per capitolo
  2. v1.3 · 16 ottobre 2026Sezione 5: la soglia del guardrail collegata a precisione e recall della guida sul machine learning, e perché qui conta il tasso di falsi positivi
  3. v1.2 · 2 ottobre 2026Allucinazione e grounding nel RAG; prompt caching del provider distinto dalla cache del gateway; prefill e decode nel TTFT; inferenza tra le letture consigliate
  4. v1.1 · 2 ottobre 2026Revisione: nota e callout della cache coerenti con il laboratorio, temperatura e determinismo, laboratorio RRF, scala di Landis e Koch, durata del test con utenti; letture consigliate in testa; rimandi alle guide sugli agenti e sul training
  5. v1.0 · 28 settembre 2026Prima versione: i sei strati del portfolio ai-engineering-portfolio (async, gateway, RAG, agenti, memoria, eval, capstone) con laboratori su percentili e cache, circuit breaker, RRF e recall@k, macchina a stati con crash e ripresa, selezione dei ricordi, kappa di Cohen e soglia dei guardrail
versione 1.4aggiornata il 17 ottobre 2026
machine learningregressionereti neuralialbericlusteringreinforcement learning

Machine learning: dalla retta che impara all'agente che decide

Il programma della Machine Learning Specialization (Andrew Ng) in una guida sola: regressione, classificazione, reti neurali, alberi, clustering, anomalie, recommender e reinforcement learning, con 16 laboratori che eseguono davvero i calcoli.

Novità v1.4: Capitolo 14: corretto il conto del ritorno del rover (12,5 a sinistra e 10 a destra, non 25 e 20), con una riga che spiega i termini; esame a risposta aperta con 13 domande
Cronologia delle versioni
  1. v1.4 · 17 ottobre 2026Capitolo 14: corretto il conto del ritorno del rover (12,5 a sinistra e 10 a destra, non 25 e 20), con una riga che spiega i termini; esame a risposta aperta con 13 domande
  2. v1.3 · 17 ottobre 2026Formattazione per la lettura: frasi chiave evidenziate, termini definiti, riquadri (sintesi, attenzione, esempio), calcoli in riquadri per formule, una mappa concettuale per capitolo
  3. v1.2 · 16 ottobre 2026Capitolo 4: esempio svolto di normalizzazione per media (mean normalization) sulle superfici delle case del capitolo 1, con il confronto tra media vera e punto medio e l'uso degli stessi valori in previsione
  4. v1.1 · 16 ottobre 2026Capitolo 8: rimando a Neural Network Driving come esempio di rete allenata senza gradiente, per evoluzione
  5. v1.0 · 4 ottobre 2026Prima versione: guida originale sul programma della Machine Learning Specialization in 14 capitoli, riepilogo e glossario, 16 laboratori con la matematica reale (retta e costo, discesa del gradiente, scaling, regressione logistica, overfitting, rete neurale, softmax, curve di apprendimento, precisione e recall, entropia, k-means, anomalie, filtro collaborativo, rover e Bellman)
versione 1.4aggiornata il 17 ottobre 2026
manualeLLMtransformermachine learningstoria

Manuale AI: i concetti dell’intelligenza artificiale, uno sopra l’altro

I concetti dell'intelligenza artificiale in ordine di prerequisito, ciascuno con definizione, storia, errori comuni, esempi e una figura interattiva.

Novità v1.10: Correzioni: capitolo 38, 14.336 × 32 = 458.752 filtri per token; capitolo 37, i due terzi dei parametri valgono per i transformer di allora (in Llama 3 sono quattro quinti); capitolo 24, il modello da 27 miliardi entra in 32 GB perché i pesi sono compressi a 4 bit
Cronologia delle versioni
  1. v1.10 · 17 ottobre 2026Correzioni: capitolo 38, 14.336 × 32 = 458.752 filtri per token; capitolo 37, i due terzi dei parametri valgono per i transformer di allora (in Llama 3 sono quattro quinti); capitolo 24, il modello da 27 miliardi entra in 32 GB perché i pesi sono compressi a 4 bit
  2. v1.9 · 17 ottobre 2026Formattazione per la lettura: frasi chiave evidenziate, termini definiti, riquadri (sintesi, attenzione, esempio), calcoli in riquadri per formule, una mappa concettuale per capitolo
  3. v1.8 · 15 ottobre 2026Capitolo 7: peso e parametro, che differenza c'è (parametro è ogni numero regolato dall'addestramento, peso è il parametro che moltiplica un ingresso, bias quello che sposta la soglia), con tabella sul nodo a tre ingressi e sul laboratorio delle case, e perché nel parlare comune pesi e parametri sono usati come sinonimi
  4. v1.7 · 14 ottobre 2026Capitolo 1: storia riordinata e Deep Blue spiegato (albero delle mosse, voto alle posizioni con una formula scritta da programmatori e maestri, in fondo una procedura classica che funziona perché negli scacchi le regole si sanno scrivere, a differenza dei pixel di una foto); schema dei tre modi di sostituire la procedura (ricerca, regole degli esperti, machine learning); rimossa la linea del tempo
  5. v1.6 · 13 ottobre 2026Capitolo 9, caso strawberry riscritto: che cosa arriva al modello (il tokenizzatore lo spezza in pezzi, prima del modello), come il modello risponde (non esegue un conteggio, produce la risposta più probabile), e perché scrivere la parola lettera per lettera aiuta (il testo scritto rientra e passa dallo stesso tokenizzatore, ogni lettera isolata diventa un token)
  6. v1.5 · 13 ottobre 2026Capitolo 9: il caso strawberry passo per passo (che cosa vediamo noi, che cosa riceve il modello, perché l'ortografia dei pezzi non arriva, perché i modelli recenti rispondono giusto scrivendo la parola lettera per lettera) con figura a tre viste
  7. v1.4 · 13 ottobre 2026Capitolo 2: laboratorio delle case spiegato passo per passo (dati, retta come funzione, errori, manopole a mano, passi di correzione) e a che cosa tende l'errore: al minimo della retta migliore (≈ 18,9), non a zero; linea del minimo nel grafico dell'errore
  8. v1.3 · 13 ottobre 2026Capitolo 1: che cosa c'è dentro l'etichetta «intelligenza artificiale» (ricerca, sistemi esperti, pianificazione e ottimizzazione, ragionamento con l'incertezza, machine learning; visione, linguaggio e robotica come campi di applicazione) e che cosa distingue un software classico (da dove viene la logica della decisione), con la figura «Lo stesso compito, quattro approcci»; capitolo 4: le altre famiglie accanto al machine learning nelle matrioske
  9. v1.2 · 13 ottobre 2026Da glossario a manuale: titolo, capitoli al posto di voci, nessun conteggio totale (i capitoli potranno aumentare); riscritta la frase sul limite delle regole (compiti che a noi riescono senza sforzo e che nessuno sa scomporre in istruzioni)
  10. v1.1 · 13 ottobre 2026Testo reso autonomo dalle fonti; spiegazione e laboratorio «Scrivi tu le regole del gatto»; nel laboratorio delle case spiegato a che cosa servono le manopole w e b, con la stima di una casa nuova
  11. v1.0 · 13 ottobre 2026Prima versione: i concetti dall'intelligenza artificiale alla funzione di attivazione, in ordine di prerequisito, con cenni storici, mappa dei prerequisiti, linea del tempo 1637–2024 e una figura per capitolo (laboratori con calcolo reale su BPE, similarità coseno, temperatura, Q·K·V, RoPE, maschera causale, funzioni di attivazione)
versione 1.10aggiornata il 17 ottobre 2026
reti neuralineuroevoluzionesimulazionealgoritmi genetici

Neural Network Driving

Come una rete neurale impara a guidare in un simulatore 2D senza gradiente: mondo, sensori, rete, neuroevoluzione e struttura del repo didattico.

Novità v1.4: Correzioni: la rete ha 82 parametri (72 pesi e 10 bias), non 82 pesi; nel grafo gli archi sono 72, non centinaia; le copie della pista sono una per auto
Cronologia delle versioni
  1. v1.4 · 17 ottobre 2026Correzioni: la rete ha 82 parametri (72 pesi e 10 bias), non 82 pesi; nel grafo gli archi sono 72, non centinaia; le copie della pista sono una per auto
  2. v1.3 · 17 ottobre 2026Formattazione per la lettura: frasi chiave evidenziate, termini definiti, riquadri (sintesi, attenzione, esempio), calcoli in riquadri per formule, una mappa concettuale per capitolo
  3. v1.2 · 16 ottobre 2026Rimandi alla guida sul machine learning: lettura consigliata sulle reti neurali, capitolo 7 dal forward pass, capitolo 3 dalla discesa del gradiente, capitolo 9 dalla generalizzazione
  4. v1.1 · 2 ottobre 2026Revisione: modello a bicicletta (il raggio non dipende dalla velocità), crossover a un punto, discesa del gradiente e apprendimento supervisionato; letture consigliate in testa
  5. v1.0 · 29 settembre 2026Prima versione: mondo simulato (modello a bicicletta), sensori a raycasting, rete 8-6-4 con grafo interattivo, neuroevoluzione con simulazione in pista, dal video al repo a tappe.
versione 1.4aggiornata il 17 ottobre 2026
EPSOconcorsi UEcloudproject managementdata science

Preparazione EPSO AD 7

Il concorso EPSO/AD/429/26 in quattro settori: infrastruttura ICT, gestione di progetti (PM², valore acquisito, appalti), cloud e reti, data science (pipeline, tecnologie semantiche, statistica, governance dei dati), con laboratori ed esercitazioni.

Novità v1.0: Prima versione
versione 1.0aggiornata il 17 ottobre 2026
EPSOconcorsi UEAI Actcybersicurezza

Preparazione EPSO AD 8

Il concorso EPSO/AD/430/26 in intelligenza artificiale e cybersicurezza, mansione per mansione: MLOps, AI Act, protezione dei dati, AI affidabile, rischio, zero trust, SOC, NIS2 e regolamento 2023/2841, con laboratori ed esercitazioni per capitolo.

Novità v1.0: Prima versione
versione 1.0aggiornata il 17 ottobre 2026
databasetransazionisistemi distribuiti

Quando il COMMIT non basta più

Transazioni dal singolo database ai servizi distribuiti: WAL e recovery, ACID lettera per lettera, isolamento e anomalie, lock, 2PC, saga, NoSQL.

Novità v2.15: Formattazione per la lettura: frasi chiave evidenziate, termini definiti, riquadri (sintesi, attenzione, esempio), calcoli in riquadri per formule, una mappa concettuale per capitolo
Cronologia delle versioni
  1. v2.15 · 17 ottobre 2026Formattazione per la lettura: frasi chiave evidenziate, termini definiti, riquadri (sintesi, attenzione, esempio), calcoli in riquadri per formule, una mappa concettuale per capitolo
  2. v2.14 · 30 settembre 2026Capitolo 3: il WAL è un log fisico — ogni nota contiene l'indirizzo della modifica (file, pagina, offset); distinzione esplicita tra l'indirizzo nella nota (quale pagina caricare) e l'LSN nell'header della pagina (se applicare).
  3. v2.13 · 30 settembre 2026Capitolo 3: definizione dell'LSN (indirizzo della nota nel log: ordina e localizza) introdotta dove il log compare per la prima volta; nuova sezione «Dopo il crash: come si trova l'ultima nota scritta?» (file di controllo e redo point, scansione del log in avanti fino al primo CRC non valido, nessuna scansione delle pagine dati); riepilogo e autodiagnosi aggiornati.
  4. v2.12 · 27 settembre 2026Capitolo 3: chi applica la modifica alla pagina (nessun processo in ascolto sul WAL); abort prima del commit: le note nel WAL restano, la pagina sporca in PostgreSQL vs InnoDB
  5. v2.11 · 27 settembre 2026Capitolo 3: come funziona il checksum (CRC) delle note del log, in scrittura e in lettura al riavvio; voce nel glossario
  6. v2.10 · 26 settembre 2026Corretta la frase sull'autocommit nel capitolo 2: la finestra SELECT/UPDATE è identica con o senza BEGIN, perché solo l'UPDATE prende il lock
  7. v2.9 · 26 settembre 2026Capitolo 2: separati i due problemi di SELECT+if+UPDATE — il crash a metà lo risolve la transazione, la finestra concorrente no perché la SELECT non prende lock; tabella riassuntiva
  8. v2.8 · 26 settembre 2026Chiarito che lo snapshot governa solo le letture: l'UPDATE lavora sulla versione corrente della riga, non sullo snapshot della SELECT; confronto READ_COMMITTED / REPEATABLE_READ
  9. v2.7 · 26 settembre 2026Relazione tra transazione e lock (il lock nasce dall'istruzione, la transazione ne decide la durata) e a che cosa serve una transazione per le sole letture
  10. v2.6 · 26 settembre 2026Autocommit: un'istruzione, una transazione, e i tre casi in cui più istruzioni condividono il confine (trigger e cascate, funzioni, driver senza autocommit); lock in MVCC: la SELECT prima dell'UPDATE non prende il lock esclusivo, salvo FOR UPDATE
  11. v2.5 · 25 settembre 2026I 68 schemi in testo monospazio diventano componenti web: schede codice con Copia, linee temporali T1/T2, contenitori RAM/log/disco, tabelle con barre, schede dei casi, pile, catene di versioni e diagrammi SVG. Nuovo blocco condiviso vx per tutte le guide.
  12. v2.4 · 25 settembre 2026Indice rivisto: pulsante fuori dalla barra (nessuna sovrapposizione), pannello sotto la barra, sezioni comprimibili, ricerca e posizione corrente; sostituito l'indice precedente con il componente condiviso, come nelle altre guide
  13. v2.3 · 24 settembre 2026Id stabili per i capitoli (cap-1 … cap-17), usati dall'esame a risposta aperta e dai link esterni
  14. v2.2 · 24 settembre 2026Riferimenti incrociati con anteprima: capitoli, parti, casi, passi, scenari e termini del glossario diventano link; al passaggio del mouse (o al primo tocco) un popup mostra il contenuto collegato
  15. v2.1 · 24 settembre 2026Indice di navigazione interna sempre visibile: la barra delle parti resta fissa in alto durante lo scorrimento, con il pulsante Indice per l'elenco completo dei capitoli
  16. v2.0 · 24 settembre 2026Revisione dei contenuti (circa 75 correzioni), nuovo stile, cinque nuovi laboratori: lock e MVCC, crash recovery, anomalie per motore e livello, 2PC, quorum.
  17. v1.0 · data non notaVersione originale.
versione 2.15aggiornata il 17 ottobre 2026