{"id":77176,"date":"2020-04-08T13:42:19","date_gmt":"2020-04-08T11:42:19","guid":{"rendered":"https:\/\/prohoster.info\/blog\/administrirovanie\/data-engineer-i-data-scientist-kakaya-voobshhe-raznicza"},"modified":"2020-04-08T13:42:19","modified_gmt":"2020-04-08T11:42:19","slug":"data-engineer-i-data-scientist-kakaya-voobshhe-raznicza","status":"publish","type":"post","link":"https:\/\/prohoster.info\/it\/blog\/administrirovanie\/data-engineer-i-data-scientist-kakaya-voobshhe-raznicza","title":{"rendered":"Data Engineer e Data Scientist: quale differenza c'\u00e8 davvero?","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"<p>Le professioni di Data Scientist e Data Engineer vengono spesso confuse. Ogni azienda ha la propria specificit\u00e0 nella gestione dei dati, obiettivi di analisi diversi e una propria visione su quale specialista debba occuparsi di quali aspetti del lavoro, pertanto ogni azienda ha le proprie esigenze.\u00a0<\/p>\n<p>Analizziamo qual \u00e8 la differenza tra questi specialisti, quali problemi aziendali risolvono, quali competenze possiedono e quale sia il loro stipendio. Il materiale \u00e8 piuttosto ampio, quindi lo abbiamo diviso in due pubblicazioni.<\/p>\n<p>Nel primo articolo, Elena Gerasimova, direttrice del dipartimento \"<noindex><a rel=\"nofollow\" href=\"https:\/\/netology.ru\/navigation\/?direction=data-science?utm_source=habr&amp;utm_medium=externalblog&amp;utm_campaign=bds_all_ou&amp;utm_content=07042020_dataengscientist\">Data Science e analisi<\/a><\/noindex>\" di Netology, spiega qual \u00e8 la differenza tra Data Scientist e Data Engineer e con quali strumenti lavorano.<noindex><a rel=\"nofollow\" name=\"habracut\"><\/a><\/noindex><\/p>\n<h2>Come si differenziano i ruoli degli ingegneri e dei scientist<\/h2>\n<p>\nL'ingegnere dei dati \u00e8 uno specialista che, da un lato, sviluppa, testa e mantiene l'infrastruttura per la gestione dei dati: database, archiviazione e sistemi di elaborazione di massa. D'altro canto, \u00e8 colui che pulisce e 'pulisce' i dati per l'uso da parte di analisti e data scientist, ovvero crea pipeline di elaborazione dei dati.<\/p>\n<p>Il Data Scientist crea e addestra modelli predittivi (e non solo) utilizzando algoritmi di machine learning e reti neurali, aiutando le aziende a trovare schemi nascosti, prevedere l'evoluzione degli eventi e ottimizzare i processi aziendali chiave.<\/p>\n<p>La principale differenza tra Data Scientist e Data Engineer \u00e8 che di solito hanno obiettivi diversi. Entrambi lavorano affinch\u00e9 i dati siano accessibili e di qualit\u00e0. Ma il Data Scientist cerca risposte alle proprie domande e verifica le ipotesi nell'ecosistema dei dati (ad esempio, su una base Hadoop), mentre il Data Engineer crea la pipeline per il supporto dell'algoritmo di machine learning sviluppato dal data scientist, all'interno di un cluster Spark nello stesso ecosistema.\u00a0<\/p>\n<p>L'ingegnere dei dati porta valore all'azienda lavorando in squadra. Il suo compito \u00e8 quello di fungere da anello importante tra i vari partecipanti: dagli sviluppatori agli utilizzatori aziendali dei report, aumentando la produttivit\u00e0 degli analisti \u2014 da quelli di marketing e prodotto a quelli di BI.\u00a0<\/p>\n<p>Il Data Scientist, al contrario, partecipa attivamente alla strategia aziendale e all'estrazione di intuizioni, nel processo decisionale, nell'implementazione di algoritmi di automazione, modellazione e generazione di valore dai dati.<br \/>\n<img decoding=\"async\" alt=\"Data Engineer e Data Scientist: quale differenza c&#039;\u00e8 davvero?\" src=\"\/wp-content\/uploads\/2020\/04\/1ce3e892eb7a354b106dc2f6398ec5e7.jpg\" style=\"display:block;margin: 0 auto;\" \/><br \/>\n<br \/>\nIl lavoro con i dati \u00e8 soggetto al principio GIGO (garbage in \u2014 garbage out): se gli analisti e i data scientist si confrontano con dati non preparati e potenzialmente non corretti, i risultati, anche utilizzando gli algoritmi di analisi pi\u00f9 sofisticati, saranno errati.\u00a0<\/p>\n<p>Gli ingegneri dei dati risolvono questo problema costruendo pipeline per l'elaborazione, la pulizia e la trasformazione dei dati, consentendo ai data scientist di lavorare gi\u00e0 con dati di qualit\u00e0.\u00a0<\/p>\n<p>Sul mercato esistono molti strumenti per lavorare con i dati, che coprono ognuna delle fasi: dall'emergere dei dati all'output su un dashboard per il consiglio di amministrazione. \u00c8 importante che la decisione di utilizzarli sia presa dall'ingegnere, non perch\u00e9 sia di moda, ma perch\u00e9 realmente aiuter\u00e0 gli altri partecipanti al processo nel loro lavoro.\u00a0<\/p>\n<p>Condizionatamente: se l'azienda ha bisogno di integrare BI ed ETL \u2014 il caricamento dei dati e gli aggiornamenti dei report, ecco un tipico fondamento legacy con cui dovr\u00e0 confrontarsi l'ingegnere dei dati (\u00e8 positivo se nel team ci sar\u00e0 anche un architetto).<\/p>\n<p><b>Responsabilit\u00e0 dell'ingegnere dei dati<\/b><\/p>\n<ul>\n<li>Progettazione, costruzione e manutenzione dell'infrastruttura per il lavoro con i dati.<\/li>\n<li>Gestione degli errori e creazione di pipeline di elaborazione dei dati affidabili.<\/li>\n<li>Adattare i dati non strutturati provenienti da diverse fonti dinamiche nella forma necessaria per il lavoro degli analisti.<\/li>\n<li>Fornire raccomandazioni per migliorare la coerenza e la qualit\u00e0 dei dati.<\/li>\n<li>Garantire e supportare l'architettura dei dati utilizzata dai data scientist e dagli analisti.<\/li>\n<li>Elaborare e memorizzare i dati in modo sequenziale ed efficiente in un cluster distribuito su decine o centinaia di server.<\/li>\n<li>Valutare i compromessi tecnici degli strumenti per creare architetture semplici ma affidabili, in grado di resistere ai guasti.<\/li>\n<li>Controllo e supporto dei flussi di dati e dei sistemi correlati (configurazione del monitoraggio e degli avvisi).<\/li>\n<\/ul>\n<p>\nEsiste un'altra specializzazione all'interno della traiettoria dell'ingegnere dei dati \u2014 l'ingegnere ML. In breve, questi ingegneri si specializzano nell'implementazione di modelli di machine learning per l'uso industriale. Spesso il modello fornito dal data scientist \u00e8 parte di una ricerca e potrebbe non funzionare in condizioni operative.<\/p>\n<p><b>Responsabilit\u00e0 del data scientist<\/b><\/p>\n<ul>\n<li>Estrazione delle caratteristiche dai dati per l'applicazione di algoritmi di machine learning.<\/li>\n<li>Utilizzo di diversi strumenti di apprendimento automatico per la previsione e la classificazione dei modelli nei dati.<\/li>\n<li>Aumento delle prestazioni e della precisione degli algoritmi di apprendimento automatico attraverso la sintonizzazione fine e l'ottimizzazione degli algoritmi.<\/li>\n<li>Formulazione di \u00abforti\u00bb ipotesi secondo la strategia aziendale, che devono essere verificate.<\/li>\n<\/ul>\n<p><\/p>\n<blockquote><p>Sia il Data Engineer che il Data Scientist condividono un contributo tangibile allo sviluppo della cultura del lavoro con i dati, attraverso la quale l'azienda pu\u00f2 ottenere profitti aggiuntivi o ridurre i costi.<\/p><\/blockquote>\n<p><\/p>\n<h2>Con quali linguaggi e strumenti lavorano ingegneri e data scientist<\/h2>\n<p>\nOggi, le aspettative nei confronti degli specialisti nella gestione dei dati sono cambiate. In passato, gli ingegneri scrivevano grandi query SQL, scrivevano manualmente MapReduce e gestivano i dati utilizzando strumenti come Informatica ETL, Pentaho ETL, Talend.\u00a0<\/p>\n<p>Nel 2020, uno specialista non pu\u00f2 fare a meno della conoscenza di Python e degli strumenti moderni per l'esecuzione dei calcoli (ad esempio, Airflow), della comprensione dei principi di lavoro con le piattaforme cloud (utilizzandole per risparmiare sull'hardware, rispettando i principi di sicurezza).<\/p>\n<p>SAP, Oracle, MySQL, Redis sono strumenti tradizionali per un ingegnere dei dati nelle grandi aziende. Sono validi, ma il costo delle licenze \u00e8 cos\u00ec elevato che ha senso imparare a lavorare con essi solo in progetti industriali. Tuttavia, esiste un'alternativa gratuita in Postgres: \u00e8 gratuito e adatto non solo per l'apprendimento.\u00a0<\/p>\n<p><img decoding=\"async\" alt=\"Data Engineer e Data Scientist: quale differenza c&#039;\u00e8 davvero?\" src=\"\/wp-content\/uploads\/2020\/04\/8a002b86ee3a18d5b232c5232a62dd3e.jpg\" style=\"display:block;margin: 0 auto;\" \/><br \/>\nStoricamente, c'\u00e8 stata spesso richiesta di Java e Scala, sebbene, con l'evoluzione delle tecnologie e degli approcci, questi linguaggi stiano venendo messi in secondo piano.<\/p>\n<p>Tuttavia, il BigData hardcore: Hadoop, Spark e il restante zoo non sono pi\u00f9 una condizione necessaria per un ingegnere dei dati, ma una variet\u00e0 di strumenti per affrontare problemi che non possono essere risolti tramite ETL tradizionali.\u00a0<\/p>\n<blockquote><p>Tendenze sono i servizi per l'utilizzo di strumenti senza la conoscenza del linguaggio in cui sono scritti (ad esempio, Hadoop senza conoscenza di Java), nonch\u00e9 la fornitura di servizi pronti per l'elaborazione dei dati in streaming (riconoscimento vocale o immagini nei video).<\/p><\/blockquote>\n<p>\nLe soluzioni industriali di SAS e SPSS sono popolari, mentre Tableau, Rapidminer, Stata e Julia sono ampiamente utilizzati dai data scientist per compiti locali.<\/p>\n<p><img decoding=\"async\" alt=\"Data Engineer e Data Scientist: quale differenza c&#039;\u00e8 davvero?\" src=\"\/wp-content\/uploads\/2020\/04\/cf18b6b4fe45d9286f2ec6d14418d28c.jpg\" style=\"display:block;margin: 0 auto;\" \/><br \/>\nLa possibilit\u00e0 di costruire pipeline da soli \u00e8 emersa per gli analyst e i data scientist solo pochi anni fa: ad esempio, ora \u00e8 possibile indirizzare i dati in uno storage basato su PostgreSQL con script relativamente semplici.\u00a0<\/p>\n<p>Di solito, l'utilizzo di pipeline e strutture dati integrate \u00e8 di competenza dei data engineer. Ma oggi, pi\u00f9 che mai, \u00e8 forte il trend verso professionisti a forma di T \u2014 con competenze ampie in ambiti correlati, poich\u00e9 gli strumenti si stanno semplificando continuamente.<\/p>\n<h2>Perch\u00e9 Data Engineer e Data Scientist devono lavorare insieme<\/h2>\n<p>\nLavorando a stretto contatto con gli ingegneri, i Data Scientist possono concentrarsi sulla parte di ricerca, creando algoritmi di machine learning pronti all'uso.<br \/>\nE gli ingegneri \u2014 focalizzarsi sulla scalabilit\u00e0, sul riutilizzo dei dati e garantire che le pipeline di input e output dei dati in ogni singolo progetto siano conformi all'architettura globale. <\/p>\n<p>Questa suddivisione delle responsabilit\u00e0 assicura coerenza nelle azioni tra i gruppi di specialisti che lavorano su diversi progetti di machine learning.\u00a0<\/p>\n<p>La collaborazione aiuta a creare nuovi prodotti in modo efficace. La velocit\u00e0 e la qualit\u00e0 sono raggiunte grazie a un equilibrio tra la creazione di servizi per tutti (storage globale o integrazione di dashboard) e la realizzazione di ogni specifica esigenza o progetto (pipeline specializzate, integrazione di fonti esterne).\u00a0<\/p>\n<p>Un lavoro stretto con i data scientist e gli analyst aiuta gli ingegneri a sviluppare abilit\u00e0 analitiche e di ricerca per scrivere codice di qualit\u00e0 superiore. Migliora lo scambio di conoscenze tra gli utenti di storage e data lake, rendendo i progetti pi\u00f9 flessibili e garantendo risultati a lungo termine pi\u00f9 solidi.<\/p>\n<p>Nelle aziende che puntano a sviluppare una cultura data-driven e costruire processi aziendali su di essa, i Data Scientist e i Data Engineer si completano a vicenda e creano un sistema di analisi dei dati completo.\u00a0<\/p>\n<p>Nel prossimo articolo parleremo di quale formazione deve avere un Data Engineer e un Data Scientist, quali competenze devono sviluppare e come \u00e8 strutturato il mercato.<\/p>\n<h2>Dalla redazione di Netology<\/h2>\n<p>\nSe stai considerando la professione di Data Engineer o Data Scientist, ti invitiamo a esplorare i programmi dei nostri corsi:<\/p>\n<ul>\n<li>Professione \u00ab<noindex><a rel=\"nofollow\" href=\"https:\/\/netology.ru\/programs\/data-engineer?utm_source=habr&amp;utm_medium=externalblog&amp;utm_campaign=bds_deg_ou&amp;utm_content=07042020_dataengscientist\">Data Engineer<\/a><\/noindex>\u00bb.\u00a0\u00a0<\/li>\n<li>Professione \u00ab<noindex><a rel=\"nofollow\" href=\"https:\/\/netology.ru\/programs\/data-scientist\/?utm_source=habr&amp;utm_medium=externalblog&amp;utm_campaign=bds_ds_ou&amp;utm_content=07042020_dataengscientist\">Data Scientist<\/a><\/noindex>\u00bb.<\/li>\n<\/ul>\n<p>Fonte: <a content=\"nofollow\" rel=\"nofollow\" href=\"https:\/\/habr.com\/ru\/company\/netologyru\/blog\/496082\/\">habr.com<\/a> <\/p>","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"excerpt":{"rendered":"<p>\u041f\u0440\u043e\u0444\u0435\u0441\u0441\u0438\u0438 Data Scientist \u0438 Data Engineer \u0447\u0430\u0441\u0442\u043e \u043f\u0443\u0442\u0430\u044e\u0442. \u0423 \u043a\u0430\u0436\u0434\u043e\u0439 \u043a\u043e\u043c\u043f\u0430\u043d\u0438\u0438 \u0441\u0432\u043e\u044f \u0441\u043f\u0435\u0446\u0438\u0444\u0438\u043a\u0430 \u0440\u0430\u0431\u043e\u0442\u044b \u0441 \u0434\u0430\u043d\u043d\u044b\u043c\u0438, \u0440\u0430\u0437\u043d\u044b\u0435 \u0446\u0435\u043b\u0438 \u0438\u0445 \u0430\u043d\u0430\u043b\u0438\u0437\u0430 \u0438 \u0440\u0430\u0437\u043d\u043e\u0435 \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u043b\u0435\u043d\u0438\u0435, \u043a\u0442\u043e \u0438\u0437 \u0441\u043f\u0435\u0446\u0438\u0430\u043b\u0438\u0441\u0442\u043e\u0432 \u043a\u0430\u043a\u043e\u0439 \u0447\u0430\u0441\u0442\u044c\u044e \u0440\u0430\u0431\u043e\u0442\u044b \u0434\u043e\u043b\u0436\u0435\u043d \u0437\u0430\u043d\u0438\u043c\u0430\u0442\u044c\u0441\u044f, \u043f\u043e\u044d\u0442\u043e\u043c\u0443 \u0438 \u0442\u0440\u0435\u0431\u043e\u0432\u0430\u043d\u0438\u044f \u043a\u0430\u0436\u0434\u044b\u0439 \u043f\u0440\u0435\u0434\u044a\u044f\u0432\u043b\u044f\u0435\u0442 \u0441\u0432\u043e\u0438.\u00a0 \u0420\u0430\u0437\u0431\u0438\u0440\u0430\u0435\u043c\u0441\u044f, \u0432 \u0447\u0451\u043c \u0440\u0430\u0437\u043d\u0438\u0446\u0430 \u044d\u0442\u0438\u0445 \u0441\u043f\u0435\u0446\u0438\u0430\u043b\u0438\u0441\u0442\u043e\u0432, \u043a\u0430\u043a\u0438\u0435 \u0437\u0430\u0434\u0430\u0447\u0438 \u0431\u0438\u0437\u043d\u0435\u0441\u0430 \u043e\u043d\u0438 \u0440\u0435\u0448\u0430\u044e\u0442, \u043a\u0430\u043a\u0438\u043c\u0438 \u043d\u0430\u0432\u044b\u043a\u0430\u043c\u0438 \u043e\u0431\u043b\u0430\u0434\u0430\u044e\u0442 \u0438 \u0441\u043a\u043e\u043b\u044c\u043a\u043e \u0437\u0430\u0440\u0430\u0431\u0430\u0442\u044b\u0432\u0430\u044e\u0442. \u041c\u0430\u0442\u0435\u0440\u0438\u0430\u043b [&hellip;]<\/p>\n","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"author":1,"featured_media":77177,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[688],"tags":[],"class_list":["post-77176","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-administrirovanie"],"aioseo_notices":[],"aioseo_head":"\n\t\t<!-- All in One SEO 5.0.2 - aioseo.com -->\n\t<meta name=\"description\" content=\"\u041f\u0440\u043e\u0444\u0435\u0441\u0441\u0438\u0438 Data Scientist \u0438 Data Engineer \u0447\u0430\u0441\u0442\u043e \u043f\u0443\u0442\u0430\u044e\u0442.\" \/>\n\t<meta name=\"robots\" content=\"max-image-preview:large\" \/>\n\t<meta name=\"author\" content=\"Yuri Gagarin\"\/>\n\t<link rel=\"canonical\" href=\"https:\/\/prohoster.info\/it\/blog\/administrirovanie\/data-engineer-i-data-scientist-kakaya-voobshhe-raznicza\" \/>\n\t<meta name=\"generator\" content=\"All in One SEO (AIOSEO) 5.0.2\" \/>\n\t\t<meta property=\"og:locale\" content=\"it_IT\" \/>\n\t\t<meta property=\"og:site_name\" content=\"ProHoster | \u041a\u0443\u043f\u0438\u0442\u044c \u043d\u0430\u0434\u0435\u0436\u043d\u044b\u0439 \u0445\u043e\u0441\u0442\u0438\u043d\u0433 \u0434\u043b\u044f \u0441\u0430\u0439\u0442\u043e\u0432 \u0441 \u0437\u0430\u0449\u0438\u0442\u043e\u0439 \u043e\u0442 DDoS, VPS VDS \u0441\u0435\u0440\u0432\u0435\u0440\u044b\" \/>\n\t\t<meta property=\"og:type\" content=\"article\" \/>\n\t\t<meta property=\"og:title\" content=\"\ud83e\udd47Data Engineer \u0438 Data Scientist: \u043a\u0430\u043a\u0430\u044f \u0432\u043e\u043e\u0431\u0449\u0435 \u0440\u0430\u0437\u043d\u0438\u0446\u0430? | ProHoster\" \/>\n\t\t<meta property=\"og:description\" content=\"\u041f\u0440\u043e\u0444\u0435\u0441\u0441\u0438\u0438 Data Scientist \u0438 Data Engineer \u0447\u0430\u0441\u0442\u043e \u043f\u0443\u0442\u0430\u044e\u0442.\" \/>\n\t\t<meta property=\"og:url\" content=\"https:\/\/prohoster.info\/it\/blog\/administrirovanie\/data-engineer-i-data-scientist-kakaya-voobshhe-raznicza\" \/>\n\t\t<meta property=\"og:image\" content=\"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg\" \/>\n\t\t<meta property=\"og:image:secure_url\" content=\"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg\" \/>\n\t\t<meta property=\"og:image:width\" content=\"350\" \/>\n\t\t<meta property=\"og:image:height\" content=\"350\" \/>\n\t\t<meta property=\"article:published_time\" content=\"2020-04-08T11:42:19+00:00\" \/>\n\t\t<meta property=\"article:modified_time\" content=\"2020-04-08T11:42:19+00:00\" \/>\n\t\t<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/prohoster\" \/>\n\t\t<meta property=\"article:author\" content=\"https:\/\/www.facebook.com\/prohoster\" \/>\n\t\t<!-- All in One SEO -->\n\n","aioseo_head_json":{"title":"\ud83e\udd47Data Engineer e Data Scientist: quale differenza esiste? | ProHoster","description":"Le professioni di Data Scientist e Data Engineer vengono spesso confuse.","canonical_url":"https:\/\/prohoster.info\/it\/blog\/administrirovanie\/data-engineer-i-data-scientist-kakaya-voobshhe-raznicza","robots":"max-image-preview:large","keywords":"","webmasterTools":{"miscellaneous":""},"schema":null,"og:locale":"it_IT","og:site_name":"ProHoster | \u041a\u0443\u043f\u0438\u0442\u044c \u043d\u0430\u0434\u0435\u0436\u043d\u044b\u0439 \u0445\u043e\u0441\u0442\u0438\u043d\u0433 \u0434\u043b\u044f \u0441\u0430\u0439\u0442\u043e\u0432 \u0441 \u0437\u0430\u0449\u0438\u0442\u043e\u0439 \u043e\u0442 DDoS, VPS VDS \u0441\u0435\u0440\u0432\u0435\u0440\u044b","og:type":"article","og:title":"\ud83e\udd47Data Engineer \u0438 Data Scientist: \u043a\u0430\u043a\u0430\u044f \u0432\u043e\u043e\u0431\u0449\u0435 \u0440\u0430\u0437\u043d\u0438\u0446\u0430? | ProHoster","og:description":"\u041f\u0440\u043e\u0444\u0435\u0441\u0441\u0438\u0438 Data Scientist \u0438 Data Engineer \u0447\u0430\u0441\u0442\u043e \u043f\u0443\u0442\u0430\u044e\u0442.","og:url":"https:\/\/prohoster.info\/it\/blog\/administrirovanie\/data-engineer-i-data-scientist-kakaya-voobshhe-raznicza","og:image":"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg","og:image:secure_url":"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg","og:image:width":350,"og:image:height":350,"article:published_time":"2020-04-08T11:42:19+00:00","article:modified_time":"2020-04-08T11:42:19+00:00","article:publisher":"https:\/\/www.facebook.com\/prohoster","article:author":"https:\/\/www.facebook.com\/prohoster"},"aioseo_meta_data":{"post_id":"77176","title":null,"description":null,"keywords":null,"keyphrases":null,"primary_term":null,"canonical_url":null,"og_title":null,"og_description":null,"og_object_type":"default","og_image_type":"default","og_image_url":null,"og_image_width":null,"og_image_height":null,"og_image_custom_url":null,"og_image_custom_fields":null,"og_video":null,"og_custom_url":null,"og_article_section":null,"og_article_tags":null,"twitter_use_og":false,"twitter_card":"default","twitter_image_type":"default","twitter_image_url":null,"twitter_image_custom_url":null,"twitter_image_custom_fields":null,"twitter_title":null,"twitter_description":null,"schema":{"blockGraphs":[],"customGraphs":[],"default":{"data":{"Article":[],"Course":[],"Dataset":[],"FAQPage":[],"Movie":[],"Person":[],"Product":[],"ProductReview":[],"Car":[],"Recipe":[],"Service":[],"SoftwareApplication":[],"WebPage":[]},"graphName":"","isEnabled":true},"graphs":[]},"schema_type":null,"schema_type_options":null,"pillar_content":false,"robots_default":true,"robots_noindex":false,"robots_noarchive":false,"robots_nosnippet":false,"robots_nofollow":false,"robots_noimageindex":false,"robots_noodp":false,"robots_notranslate":false,"robots_max_snippet":null,"robots_max_videopreview":null,"robots_max_imagepreview":"large","priority":null,"frequency":null,"local_seo":null,"seo_analyzer_scan_date":null,"breadcrumb_settings":null,"limit_modified_date":false,"reviewed_by":null,"ai":null,"created":"2021-02-28 17:22:32","updated":"2022-09-28 20:49:23","focus_keyword":null,"additional_keywords":null,"truseo_locale":null},"gt_translate_keys":[{"key":"link","format":"url"}],"_links":{"self":[{"href":"https:\/\/prohoster.info\/it\/wp-json\/wp\/v2\/posts\/77176","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/prohoster.info\/it\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/prohoster.info\/it\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/prohoster.info\/it\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/prohoster.info\/it\/wp-json\/wp\/v2\/comments?post=77176"}],"version-history":[{"count":0,"href":"https:\/\/prohoster.info\/it\/wp-json\/wp\/v2\/posts\/77176\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/prohoster.info\/it\/wp-json\/wp\/v2\/media\/77177"}],"wp:attachment":[{"href":"https:\/\/prohoster.info\/it\/wp-json\/wp\/v2\/media?parent=77176"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/prohoster.info\/it\/wp-json\/wp\/v2\/categories?post=77176"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/prohoster.info\/it\/wp-json\/wp\/v2\/tags?post=77176"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}