Summary of Foundations of Computer Science

Course Syllabus

Italiano ‎(it)‎
English ‎(en)‎

Export

Obiettivi

Al termine del corso lo studente sarà in grado di interrogare e di inferire la struttura implicita della base di dati a partire dalle tabelle che la compongono.

Inoltre lo studente saprà scrivere e correggere gli errori di semplici programmi in Python per la gestione e l'analisi di dataset formati da poche tabelle interconnesse, come quelle disponibili a kaggle.com (formati CSV, TSV, JSON). In particolare, le analisi verranno fatte utilizzando il Jupyter Notebook.

Infine, lo studente potrà interrogare database relazionali usando SQL, sia come linguaggio separato, sia come chiamata in un programma Python.

Conoscenza e comprensione

Questo insegnamento fornisce le conoscenze basilari e capacità di comprensione relativamente a:

Database.
SQL
Programmazione in Python
Notebook Jupyter
Gestione di dati tabellari con Pandas

Capacità di applicare conoscenza e comprensione

Alla fine dell'insegnamento gli studenti saranno in grado di:

Scrivere interrogazioni in SQL
Scrivere notebook in Python per gestire dataset
Scrivere notebook in Python per analizzare e pulire dataset

Contenuti sintetici

Organizzazione di dati grezzi: file system, file con delimitatori.

Introduzione ai database. Il modello relazionale dei dati e linguaggio SQL. Select ... From … Where.

Introduzione alla programmazione in Python. Programmazione esplorativa. Gestione dati in formato tabellare.

Cenni di test e debugging.

Programma esteso

Organizzazione di dati grezzi
file, directory, tipi di file
principali comandi da terminale
file con delimitatori.
Introduzione ai database.
Il modello relazionale dei dati
Il linguaggio SQL: Select ... From … Where su una tabella.
Interrogazioni su più tabelle.
Introduzione alla programmazione in Python.
Array, liste, dizionari
Cicli
Organizzazione di un programma: funzioni
Librerie
Programmazione esplorativa. Gestione dati in formato tabellare.
Jupyter Notebook
Pandas
Cenni di test e debugging.

Prerequisiti

Conoscenza di un linguaggio di programmazione

Modalità didattica

Tutte le attività sono tenute in presenza e non vengono registrate nè trasmesse in streaming. L'insegnamento è erogato in Inglese. Le attività previste sono:

lezioni da 2 o 3 ore svolte (totale 28 ore) in modalità erogativa nella parte iniziale ed in modalità interattiva nella parte successiva. Le attività richiedono l'utilizzo di un PC, pertanto si terranno in un laboratorio informatico.
attività di laboratorio da 2 o 3 ore svolte (totale 18 ore) in modalità erogativa nella parte iniziale ed in modalità interattiva nella parte successiva

Materiale didattico

Downey Think Python 2e: How To Think Like a Computer Scientist
Downey Think Stats 2e
Downey Elements of Data Science. This book is a bit too basic.
VanderPlas, Python Data Science Handbook
Elmasri, Navathe, Fundamentals of Database Systems

Periodo di erogazione dell'insegnamento

Primo semestre

Modalità di verifica del profitto e valutazione

L'esame consiste di due parti: uno scritto su SQL e un progetto relativo alla parte su Python.

L'esame scritto prevede quattro domande a risposta aperta per la parte di Basi di Dati, dove ogni domanda è una query SQL. Nello scritto viene valutata la completezza e la correttezza delle risposte.

Il progetto in Python è svolto in piccoli gruppi (max 3 persone), e prevede una discussione del progetto dove viene valutata la capacità individuale di realizzare le analisi richieste e di giustificare le decisioni progettuali. Sia lo scritto che la presentazione del progetto devono essere completati entro Settembre 2025.

Il voto finale è ottenuto per 1/4 dalla prova scritta e per 3/4 dal progetto.

Non sono previste prove in itinere. Si ricorda che è necessario essere iscritti alle prove d'esame tramite segreterie online. Non verranno fatte eccezioni al riguardo.

Orario di ricevimento

Il ricevimento è online e su appuntamento a https://www.unimib.it/gianluca-della-vedova

Sustainable Development Goals

Export

Aims

At the end of the course, the students will understand how to query a database, and how to infer the implicit structure of a database from its tables.

Moreover, the students will be able to write and debug some simple programs in Python, to manage and analyze datasets consisting of a few interconnected tables, such as those usually available at kaggle.com (CSV, TSV, JSON formats). This part will taught with the Jupyter Notebook.

Finally, the students will be able to query a relational database using SQL, both via a dedicated interface and from a Python program.

Knowledge and understanding

This course provides basic knowledge and understanding on:

Data bases
SQL
Programming in Python
Jupyter notebooks
Managing tabular datasets with Pandas

Ability to apply knowledge and understanding

At the end of the course the students will be able to:

Write SQL queries
Write Python notebooks to manage datasets
Write Python notebooks to analyze and clean datasets

Organizing raw datasets: file system, delimited files.

Introduction to data bases. Relational Data Model and SQL. Select ... From … Where.

Introduction to programming with Python. Explorative programmaing. Managing tabular data.

Introduction to testing and debugging.

Detailed program

Organizing raw datasets
files, directories, types of files
main command-line commands
delimiter-separated values
Introduction to data bases.
The Relational Data Model.
SQL: Select ... From … Where on a table.
Querying two or more tables.
Introduction to programming in Python.
Arrays, lists, dictionaries
Loops
Organization of a programma: functions
Modules and libraries
Explorative programming. Managing tabular data.
The Jupyter Notebook
Pandas
Introduction to testing and debugging.

Prerequisites

Basic knowlege of any programming language

Teaching form

All activities are in-person and will be neither recorded nor streamed. The teaching language of this course is English. The activities will be:

lectures, 2 or 3 hours each (overall 28 hours), with an initial part in unidirectional mode and a second part in interactive mode. The activities will require using a PC, therefore they will take place in a computer lab.
lab activities, 2 or 3 hours each (overall 18 hours), with an initial part in unidirectional mode and a second part in interactive mode.

Textbook and teaching resource

Downey Think Python 2e: How To Think Like a Computer Scientist
Downey Think Stats 2e
Downey Elements of Data Science. This book is a bit too basic.
VanderPlas, Python Data Science Handbook
Elmasri, Navathe, Fundamentals of Database Systems

Semester

First

Assessment method

The exam consists of 2 parts: a written exam (with open questions) on the data bases topics, and a small group (max 3 people) project, with an oral discussion, on the Python topics.

The grading of the written exam is based on the correctness and the completeness of the answers. The written exam consists of writing 4 SQL queries, where each query corresponds to an open-ended question.

The grading of the project is based on the individual contribution that is displayed during the oral discussion, including the ability to explain the choices made to complete the project, and on the fitness of the project to perform the required analysis. Both the written exam and the project discussion must be completed by September 2025.

The final grade is 1/4 of the written exam and 3/4 of the project.

There are no in-progress exams. Beware that you must be registered via "segreterie online" to take the exam. If you are not registered, you will not allowed to take the exam. No exceptions will be made.