Questa opera segue il curriculum 2021 della Association for Computing Machinery per specialisti in Scienze dei Dati, con l’obiettivo di costituire un “Bignami” della Scienza ed Ingegneria dei Dati e facilitare il percorso di formazione personale a partire da competenze specialistiche in Informatica o Matematica o Statistica per un lettore di lingua madre italiana.
Parte di una serie di testi, riepiloga prima di tutto la metodologia di lavoro standard CRISP DM utilizzata in questa opera e in progetti di Scienza dei Dati.
Poichè questo testo utilizza Python, MySQL ed SQLite per gli aspetti applicativi, ne descrive brevemente l’installazione e il loro uso elementare. In ogni caso questo testo non va considerato un manuale dei rispettivi programmi, e se per caso aveste sbagliato nella scelta perchè vi aspettavate qualcosa di diverso, siete liberi di restituirlo ma forse non è il caso di mettere una valutazione negativa.
Considera quindi le tipologie dei dati e le loro rappresentazioni, incluse immagini e documenti. Vengono introdotti i concetti di Sistema, Sistema Informativo e Data Base e le pratiche più comuni di sicurezza e privacy dei dati. Il modello relazionale ed SQL viene spiegato anche con esempi applicativi con MySQL ed SQLite.
Vengono quindi analizzati i vari tipi di Join, le query di ordinamento, aggregazione e raggruppmento, i vincoli di integrità , le funzionalità di sicurezza GRANT e REVOKE, le viste, l’indicizzazione, le Forme normali e la Normalizzazione.
Viene poi considerato l’accesso multiutente a Data Bases, l’interferenza ed il deadlock e le tecniche di locking e le transazioni. Sono descritti quindi i Data Base Distribuiti e le opzioni possibili con MySQL ed SQLite.
Vengono delineati i limiti del modello relazionale e i più comuni modelli non relazionali (NOSQL) , I modelli concettuali Entità-Relazione e ad oggetti secondo ISO/UML ed il processo per passare dal testo del problema al modello concettuale e logico relazionale.
Viene delineato il processo di integrazione dei dati anche con l’uso di datawarehouses, data lakes e mediators, la pulizia dei dati, la gestione dei valori mancanti, ripetuti, anomali ed errati, la codifica dei valori categoriali. Infine vengono distinti gli obiettivi di progetto in funzione del miglior modello, se relazionale o non relazionale.
Il testo è corredato di materiale di supporto ed è possibile scaricare gli esempi e i dati di prova.
