No ano passado, durante o TCC do Rafael Rampim Soratto, sofremos com o consumo de memória durante o processamento dos dados. Na época tentamos usar estruturas esparsas para armazenar os dados, mas sem sucesso (em elas ficarem realmente esparsas). Um dos trabalhos futuros, inclusive, envolvia esse problema. Hoje encontrei um artigo sobre este problema, no caso resolvido usando o Polars. Ele é um implementação de DataFrame. Aparentemente uma boa solução, embora não seja compatível com Pandas. Outras alternativas são o Dask e o Vaex. Vale também a pena investigar outras opções listadas em https://h2oai.github.io/db-benchmark/. Por exemplo, (py)datatable parece ser bem performático.
Embora eu não seja fã, existe utilidade na extensão criada pelo Nabor para mostrar o Qualis automaticamente para publicações mostradas no Lattes. Seria mais útil ainda se a extensão calculasse o Qualis, considerando os critérios da área.
Finalmente assisti o Picture a Scientist. Expõe diversos problemas referentes ao gênero, mais precisamente sobre a discriminação de mulheres, no meio acadêmico, abrangendo desde assédio sexual, desvalorização da mulher como cientista, dentre outros. Doce ilusão achar que não existem problemas de gênero nos meios acadêmicos mais bem reconhecidos do mundo…