Course Syllabus

Export

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 capacità di 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

Autonomia di giudizio

Gli studenti saranno in grado di comprendere autonomamente la qualità dei dati da gestire ed effettuare un'analisi esplorativa usano un notebook Jupyter

Abilità comunicative

Gli studenti saranno in grado di descrivere i processi decisionali che li hanno portati a analizzare e pulire un dataset.

Capacità di apprendere

Gli studenti saranno in grado di apprendere nuovi linguaggi di programmazioni dedicati all'analisi statistica, in particolare R.

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.

  1. Organizzazione di dati grezzi
  2. file, directory, tipi di file
  3. principali comandi da terminale
  4. file con delimitatori.
  5. Introduzione ai database.
  6. Il modello relazionale dei dati
  7. Il linguaggio SQL: Select ... From … Where su una tabella.
  8. Interrogazioni su più tabelle.
  9. Introduzione alla programmazione in Python.
  10. Array, liste, dizionari
  11. Cicli
  12. Organizzazione di un programma: funzioni
  13. Librerie
  14. Programmazione esplorativa. Gestione dati in formato tabellare.
  15. Jupyter Notebook
  16. Pandas
  17. Cenni di test e debugging.

Conoscenza di un linguaggio di programmazione

Lezioni e esercizi al computer.
Tutte le lezioni prevedono una prima parte (circa il 20% del tempo) dove vengono spiegati i contenuti in modalità erogativa, seguita da una parte interattiva basata sullo svolgimento di esercizi.
Le lezioni non vengono registrate nè trasmesse in streaming.

Primo semestre

L'esame consiste di due parti: uno scritto e un progetto da sviluppare in piccoli gruppi (max 3 persone). Entrambe le parti devono essere sostenute in Inglese.

L'esame scritto prevede domande a risposta aperta. Per la parte di Basi di Dati ogni domanda è una query SQL. Per la parte su Python, ogni domanda verterà sulla sintassi e semantica di un breve programma.
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 approfondita e completa 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 2024.
Se la discussione del progetto evidenzierà mancanze nella comprensione dell'elaborato, verrà assegnato un diverso progetto e la prova scritta superata non sarà più valida.

Il voto finale è ottenuto per 1/2 dalla prova scritta e per 1/2 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.

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

Export

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

Independent evaluation

Students will be able to independently assess the quality of data to be processed and perform exploratory data analysis using a Jupyter Notebook.

Communication Skills

Students will be able to describe the decision-making processes that guided their approach to analyzing and cleaning a dataset.

Learning Skills

Students will be able to learn new programming languages dedicated to statistical analysis, with a particular focus on the R language.

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.

  1. Organizing raw datasets
  2. files, directories, types of files
  3. main command-line commands
  4. delimiter-separated values
  5. Introduction to data bases.
  6. The Relational Data Model.
  7. SQL: Select ... From … Where on a table.
  8. Querying two or more tables.
  9. Introduction to programming in Python.
  10. Arrays, lists, dictionaries
  11. Loops
  12. Organization of a programma: functions
  13. Modules and libraries
  14. Explorative programming. Managing tabular data.
  15. The Jupyter Notebook
  16. Pandas
  17. Introduction to testing and debugging.

Basic knowlege of any programming language

Lectures and exercises with a PC.
Lectures consist of two parts: the first part (approx. 20%) where the content will be introduced by the teacher, and a second (approx. 80%) , more interactive, part based on exercises.
Lectures will be neither recorded nor streamed.

First

The exam consists of 2 parts: a written exam, and an oral discussion of a project completed in small groups (max 3 people). Both parts must be completed in English.

The written exam has open questions on SQL queries and on the Python basics.

The project covers the course contents.

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, and 2 questions on the syntax and semantics of a short Python program.

The grading of the project is based on the individual contribution that is displayed during the a complete and thorough 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 2024.
If you don't show a complete understanding of your project, you will be assigned a different project and you will take to take again the written exam.

The final grade is computed with weights 50% the written exam and 50% 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.

Office hourse are online. You can book a meeting at https://www.unimib.it/gianluca-della-vedova

Enter

Key information

Field of research
INF/01
ECTS
6
Term
First semester
Course Length (Hours)
46
Degree Course Type
2-year Master Degreee
Language
English

Staff

    Teacher

  • Gianluca Della Vedova
    Gianluca Della Vedova

Students' opinion

View previous A.Y. opinion

Bibliography

Find the books for this course in the Library

Enrolment methods

Manual enrolments
Self enrolment (Student)