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

Conoscenza e capacità di comprensione applicate

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 gestire, pulire, analizzare 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 (prime 6 settimane)

L'esame consiste di tre parti: uno scritto, un progetto da sviluppare in piccoli gruppi (da 1 a 3 persone) e una prova orale. Tutte le parti devono essere sostenute in lingua inglese.

Esame scritto

Prevede quattro domande a risposta aperta, ciascuna consistente in una query SQL. Vengono valutate la completezza e la correttezza delle risposte. Se lo scritto risulta insufficiente, non è possibile presentare il progetto.

Progetto (in Python)
Il progetto integra tutte le competenze acquisite nell'insegnamento. Il testo della prova è unico per tutti gli appelli fino a settembre 2026.

Modalità di consegna: Successivamente al superamento dello scritto, e comunque entro un mese dalla data dello stesso (e almeno 3 giorni prima della prova orale, se sostenuta), il progetto deve essere caricato pubblicamente su GitHub sotto forma di un singolo notebook Jupyter. Il link al repository va comunicato tramite un apposito form online.

Utilizzo di LLM/Generative AI: È ammesso, ma il notebook deve contenere una sezione dedicata che descriva come tali strumenti siano stati utilizzati. Il progetto viene valutato per correttezza, completezza e originalità (specialmente rispetto alle soluzioni standard generate dalle AI).

Se la discussione evidenzierà utilizzi di AI non dichiarati, verrà assegnato un nuovo progetto e la prova scritta sarà annullata.

Prova orale

Deve essere sostenuta entro un mese dallo scritto e consiste in alcune domande sul progetto e su tutti gli argomenti trattati a lezione, volte a verificare la comprensione del programma.
E' possibile scegliere di sostenere la prova orale solo con domande sul progetto (quindi senza domande sugli argomenti trattati a lezione): chi sceglie questa modalità può ottenere al massimo 24/30.
Un esito insufficiente all'orale rende insufficiente l'intera prova d'esame.

Valutazione finale

Il voto di partenza è calcolato sulla media geometrica (arrotondata per difetto) tra il voto dello scritto e quelli delle tre componenti del progetto (ciascuno espresso da 0 a 30). La prova orale modifica questo voto di un massimo di 3 punti, sia in aumento sia in diminuzione.

È obbligatorio iscriversi allo scritto tramite la segreteria online. Non saranno ammesse eccezioni.

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

ISTRUZIONE DI QUALITÁ
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

Applied 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 Judgment

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 (first 6 weeks only)

The exam consists of three parts: a written exam, a project to be developed in small groups (1 to 3 people), and an optional oral exam. All parts must be taken in English.

Written exam

It consists of four open-ended questions, each requiring an SQL query. Evaluation is based on the completeness and correctness of the answers. If the written exam is insufficient (a fail), the project cannot be presented.

Project (in Python)

The project integrates all the skills acquired throughout the course. The project specification is the same for all exam sessions until September 2026.

Submission guidelines: Following the successful completion of the written exam, and in any case within one month of its date (and at least 3 days before the oral exam, if taken), the project must be publicly uploaded to GitHub as a single Jupyter notebook. The link to the repository must be submitted via a dedicated online form.

Use of LLMs/Generative AI: This is permitted, but the notebook must include a dedicated section describing how these tools were used. The project is evaluated on correctness, completeness, and originality (especially compared to standard AI-generated solutions).

If the discussion reveals undisclosed uses of AI, a new project will be assigned and the written exam will be voided.

Oral exam

It must be taken within one month of the written exam and consists of a few questions on the project and all topics covered in class, aimed at assessing your understanding of the course syllabus.
Students can choose to answer questions only on the project (not on the topics covered in class): in this case the maximum grade is 24/30.
An insufficient grade in the oral exam results in a fail for the entire exam.

Final Grading

The baseline grade is calculated using the geometric mean (rounded down) of the written exam grade and the grades of the three components of the project (each expressed on a scale from 0 to 30). The oral exam modifies this grade by a maximum of 3 points, either upwards or downwards.

Registration for the written exam via the online student registry (segreteria online) is mandatory. No exceptions will be made.

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

QUALITY EDUCATION
Enter

Key information

Field of research
INFO-01/A
ECTS
6
Term
First semester
Activity type
Mandatory to be chosen
Course Length (Hours)
46
Degree Course Type
2-year Master Degree
Language
English

Staff

    Teacher

  • Gianluca Della Vedova
    Gianluca Della Vedova
  • Domenico Giorgio Sorrenti
    Domenico Giorgio Sorrenti

Students' opinion

View previous A.Y. opinion

Bibliography

Find the books for this course in the Library

Enrolment methods

Manual enrolments

Sustainable Development Goals

QUALITY EDUCATION - Ensure inclusive and equitable quality education and promote lifelong learning opportunities for all