Home » Blog
Blog

SQL: transazioni e manipolazione dei dati
I database forniscono un ottimo strumento per immagazzinare grandi moli di dati. Ma come facciamo a scrivere i dati correttamente al suo interno? Esistono dei meccanismi che ci assicurano che i dati siano corretti? Scopriamo cosa sono le transazioni e le lore proprietà, oltre ai comandi base per manipolare i dati.

SQL: creazione di un database
I database relazionali ricoprono un ruolo fondamentale nella progettazione e sviluppo di qualsiasi applicativo software. Imparare a modellare ed interrogare un database oltre a manipolare opportunamente i dati mediante il linguaggio SQL è alla portata di tutti. Iniziamo a scoprire alcune caratteristiche di questo linguaggio mediante le istruzioni per creare un database e definire le tabelle che lo costituiscono.

Firebase: come integrare un database real-time in Python
Firebase è un prodotto di Google Cloud che può. essere utilizzato per costruire applicazioni web in modo semplice e veloce. Tra le sue funzionalità vi è la possibilità di creare un database NoSQL realtime. Scopriamo come interagire con il database in un programma python.

MongoDB 6.0: nuove funzionalità per migliorare le applicazioni
La nuova versione di MongoDB fornisce nuove funzionalità sia per migliorare l’efficienza di alcune operazioni sia per aumentare la produttività degli sviluppatori. Passare, quindi, a MongoDB 6 è un’ottima scelta!!!

Plotly Go: visualizzazione avanzata in Python
Visualizzare i dati è fondamentale per comprendere al meglio i dati e le analisi effettuate. Esistono diversi strumenti, gratuiti e a pagamento, che permettono di creare fantastiche dashboard. E’ possibile però scrivere poche riche in Python per ottenere degli ottimi risultati ed essere più flessibili in base al progetto di interesse. Scopriamo come creare grafici Scatter Bubble interattivi con Plotly Go su un progetto reale.

Clustering: un vero progetto per esplorare i dati
Il clustering è uno strumento molto potente per raggruppare i dati. Esistono molti algoritmi che possono essere applicati e pertanto la scelta risulta sempre difficile. Inoltre, tutti gli algoritmi di clustering richiedono dei parametri per funzionare. Mediante un caso di studio reale, applicato ai dati immobiliari, combineremo PCA, clustering gerarchico e K-means per fornire soluzioni di clustering ottimali.