SELECT: struttura di una query semplice
L’istruzione SELECT nel linguaggio SQL è quella forse più utilizzata in quanto ci permette di recuperare le informazioni di interesse dal database. La sua sintassi è semplice e ben strutturata ma bisogna conoscere alcuni vincoli che si nascondo dietro ogni clausola dell’istruzione. Mediante alcuni esempi scopriremo come scrivere query semplici ma allo stesso tempo utili in un contesto reale.
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.
BigQuery e i fogli di calcolo: come integrarli?
Tutti noi usiamo i servizi di Google per gestire le email, scrivere documenti, creare presentazioni e fare calcoli. Ma vi siete mai chiesti come questi strumenti possano essere utilizzati per far aumentare la vostra produttività lavorativa? Grazie ai semplici fogli di calcolo di Google e il potente datawarehouse BigQuery, possiamo analizzare grandi quantità di dati senza dover essere degli esperti. Scopriamo come integrare facilmente questi due strumenti per i nostri progetti.
Clustering gerarchico: come funziona
Gli algoritmi di clustering permettono di raggruppare i dati in base alle loro caratteristiche intrinseche. Esistono molti algoritmi che sono stati sviluppati negli anni. Il clustering gerarchico, grazie ad una rappresentazione grafica chiamata dendrogramma permette di visualizzare in modo immediato la composizione dei clusters e interpretare le loro caratteristiche. Scopriamo, passo passo, il suo funzionamento e come interpretare i risultati ottenuti.
K-Means: come funziona
Gli algoritmi di clustering permettono di raggruppare i dati in base alle loro caratteristiche intrinseche. Esistono molti algoritmi che sono stati sviluppati negli anni. Il K-Means è quello sicuramente più popolare e semplice. Scopriamo, passo passo, come questo metodo riesce ad individuare cluster di dati usando solo il numero di gruppi che devono essere estratti.
