Informatica per la comunicazione - lezione 8 -
|
|
- Cosimo Capone
- 5 anni fa
- Visualizzazioni
Transcript
1 Informatica per la comunicazione - lezione 8 -
2 Parte III: il computer come strumento per l interazione e la comunicazione Si è parlato di identità
3 Parte III: il computer come strumento per l interazione e la comunicazione aspetti fisici aspetti mentali aspetti anagrafici
4 Parte III: il computer come strumento per l interazione e la comunicazione L identità è definita anche dal comportamento
5 che cosa mi piace che cosa compro che cosa guardo che cosa ascolto che cosa indosso che cosa leggo che cosa dico
6 User profile (profilo utente): una raccolta di dati personali associati a uno specifico utente di un servizio L informazione contenuta in un profilo utente può essere usata per adattare il servizio fornito alle caratteristiche e alle preferenze dell utente. User profiling (profilazione utente): il processo di costruzione del profilo di un utente mediante estrazione di informazioni da una collezione di dati.
7 Database
8 Database: collezione strutturata di dati riguardanti un certo aspetto della realtà, un entità, o un organizzazione. Esempi di database: i voti degli esami degli studenti di UniBG dalla fondazione dell università ad oggi; i nomi degli abitanti della Svezia; la targhe delle auto immatricolate in Italia nel marzo Database Management System (DBMS): sistema informatico che gestisce un database. Database system: il sistema complessivo che include un database e il suo DBMS.
9 Data model, o modello dei dati Per costruire un database e il relativo DBMS bisogna innanzitutto fissare un data model, ossia la struttura con cui vengono organizzati i dati, la quale determina come tali dati verranno immagazzinati, letti, e comunicati. Il data model è importante per le applicazioni che usano e scambiano dati perché ne determina le modalità di comunicazione e la precisione. Di fatto, crea un contesto comune allo scambio di informazione, quindi la facilità d uso e la minimizzazione delle ambiguità sono fondamentali. Il data model più diffuso è il modello relazionale.
10 Edgar F. Codd ( )
11 Il modello relazionale Proposto nel 1969 da Edgar Codd, un informatico inglese che lavorava per IBM. Come dice il suo nome stesso, il modello si basa sul concetto di relazione: i dati vengono organizzati secondo delle relazioni che legano tra loro determinati attributi. Una relazione viene rappresentata sotto forma di tabella, le cui colonne corrispondono agli attributi legati da tale relazione. I dati nel database vengono organizzati secondo tali attributi, i cui valori riempiono le righe della tabella, chiamate tuple.
12 nome della tabella attributi/colonne testata valore corpo tupla/riga
13 Esempio
14 Il linguaggio SQL SQL (Structured Query Language, sequel ) è il linguaggio più diffuso per la creazione e gestione su computer di database SQL è composto da due sottolinguaggi: DDL (Data Definition Language) per specificare lo schema delle tabelle con cui organizzare il database; DML (Data Manipulation Language) per inserire, modificare, esaminare, cancellare i dati nelle tabelle.
15 Schema di una tabella Lo schema di una tabella si specifica assegnando: il nome della tabella, l elenco degli attributi della tabella, ciascuno con il relativo dominio (ovvero, il tipo dei dati che possono essere assegnati come valori dell attributo). Ad esempio: CREATE TABLE Studente ( matricola INTEGER(5), cognome VARCHAR(20), nome VARCHAR(20), data-iscr DATE, facoltà CHAR(3), ) Studente matricola INTEGER(5) cognome VARCHAR(20) nome VARCHAR(20) data-iscr DATE facoltà CHAR(3)
16 Schema di una tabella Lo schema di una tabella si specifica assegnando: il nome della tabella, l elenco degli attributi della tabella, ciascuno con il relativo dominio (ovvero, il tipo dei dati che possono essere assegnati come valori dell attributo). Ad esempio: CREATE TABLE Studente ( matricola INTEGER(5), cognome VARCHAR(20), nome VARCHAR(20), data-iscr DATE, facoltà CHAR(3), ) Studente matricola INTEGER(5) cognome VARCHAR(20) nome VARCHAR(20) data-iscr DATE facoltà CHAR(3)
17 Studente Inserimento di una tupla Una volta definitone lo schema, si inseriscono tuple nella tabella con specifici dati corrispondenti agli attributi. Ad esempio: INSERT INTO Studente VALUES (23456, Bini, Laura, , ing') matricola cognome nome data-iscr facoltà Aldi Annalisa eco Dotti Paolo ing Grossi Danilo let Studente matricola cognome nome data-iscr facoltà Aldi Annalisa eco Bini Laura ing Dotti Paolo ing Grossi Danilo let
18 Studente Cancellazione di una tupla È possibile cancellare le tuple che soddisfano una determinata condizione. Ad esempio: DELETE FROM Studente WHERE facoltà = eco matricola cognome nome data-iscr facoltà Aldi Annalisa eco Bini Laura ing Dotti Paolo ing Grossi Danilo let Studente matricola cognome nome data-iscr facoltà Bini Laura ing Dotti Paolo ing Grossi Danilo let
19 Studente Modifica di una tupla È possibile modificare il valore di un attributo di una tupla identificata tramite una determinata condizione Ad esempio: UPDATE Studente SET facoltà = let WHERE matricola = matricola cognome nome data-iscr facoltà Bini Laura ing Dotti Paolo ing Grossi Danilo let Studente matricola cognome nome data-iscr facoltà Bini Laura ing Dotti Paolo let Grossi Danilo let
20 Query / interrogazioni I dati contenuti nel database vengono recuperati tramite query, o interrogazioni. Le query si eseguono inserendo nel DBMS delle istruzioni scritte in SQL. Ogni query SQL è eseguita su un insieme di tabelle appartenenti al database, e restituisce come risposta una nuova tabella, costruita secondo precise regole.
21 Selezione di attributi Da una tabella può essere estratta una sottotabella costituita da determinati attributi. Ad esempio: dammi matricola e facoltà di tutti gli studenti SELECT matricola, facoltà FROM Studente Studente matricola cognome nome data-iscr facoltà Bini Laura ing Dotti Paolo let Grossi Danilo let matricola ing let let facoltà
22 Studente Selezione di tuple Da una tabella si possono estrarre le tuple con certi valori in corrispondenza di determinati attributi. Ad esempio: dammi tutti gli attributi degli studenti di ingegneria SELECT * FROM Studente WHERE facoltà = ing' matricola cognome nome data-iscr facoltà Bini Laura ing Dotti Paolo let Grossi Danilo let matricola cognome nome data-iscr facoltà Bini Laura ing
23 Selezione di attributi e tuple Le due operazioni possono essere combinate. Ad esempio: dammi il nome e il cognome degli studenti di ingegneria SELECT nome, cognome FROM Studente WHERE facoltà = ing' Studente matricola cognome nome data-iscr facoltà Bini Laura ing Dotti Paolo let Grossi Danilo let nome Laura cognome Bini
24 Come si fa a costruire una base di dati? Dipende.
25 Le persone che si iscrivono in università
26 forniscono dati che popolano il database dell università
27 Ma anche chi fa la spesa
28 fornisce informazioni con i suoi acquisti, anche se in maniera meno diretta
29 Una volta costruita la base di dati?
30 Profiling Costruzione di profili, intesi come pattern o correlazioni all interno di grandi quantità di dati usati per identificare individui o gruppi di persone. Pattern: uno schema ricorrente Correlazione: interdipendenza tra quantità variabili Tale costruzione può essere facilitata da strumenti informatici. Numerosi scopi: discriminazione di prezzo, servizi personalizzati, rilevamento di frodi, etc. Knowledge Discovery in Databases (KDD): il problema oggi non è più raccogliere i dati, bensì districarsi in una mole di dati e distinguere l informazione significativa e utile dal rumore. Rumore: oscillazioni casuali di una quantità.
31 Le 3 fasi della KDD 1. Preprocessing, o pre-processo dei dati Bisogna selezionare l insieme di dati obiettivo, selezionando un sottoinsieme della base di dati: deve essere grande abbastanza da contenere i pattern che cerchiamo, ma piccola abbastanza da permettere l analisi in tempi accettabili. L insieme obiettivo viene poi pulito (data cleansing/data cleaning) per eliminare dati corrotti o mancanti. Studente matricola cognome nome data-iscr facoltà Bini Laura Dotti Paolo let Gxxrossi Danilo let
32 Le 3 fasi della KDD 2. Data Mining Sotto questo termine generale in realtà ricadono numerosi tipi di knowledge discovery.
33 Anomaly detection / rilevamento di anomalie: ricerca di elementi inusuali nel data base; si potrebbe trattare di informazione interessante o di errori non puliti; è necessaria ulteriore indagine.
34
35 Association rule learning / apprendimento di regole d associazione: noto anche come market basket analysis, ricerca di correlazioni tra variabili diverse presenti nel database.
36
37 Clustering: ricerca di caratteristiche comuni tra diverse tuple del database, che permettono di riconoscere diversi gruppi di similarità.
38
39 Classification: applicazione di un criterio di discriminazione elaborato in precedenza su nuovi dati per classificarli.
40
41 Regression / regressione: ricerca di una funzione matematica che modelli l andamento dei dati analizzati con la maggiore precisione possibile, per poi fare estrapolazione e previsioni.
42 Quando cerchiamo di modellare i nostri dati con una retta, si parla di regressione lineare.
43 Questa è una regressione generica.
44 Summarization / riepilogo: accorpamento di dati per costruirne una rappresentazione più compatta per visualizzazioni più efficaci e reporting / rapportazione.
45
46 Facciamo un esempio di association rule learning / market basket analysis
47 scontrino acquisti 1 latte, vino 2 pane, burro 3 pane, burro, miele 4 pane, burro, latte 5 pane, vino Cerchiamo regole d associazione sotto forma di: SE c è x, ALLORA c è anche y nel carrello Cerchiamo regole d associazione sotto forma di: x -> y {se c è x, allora c è anche y nel carrello} Ce ne sono tante: pane -> burro latte -> pane miele -> pane e burro burro -> pane quali sono buone?
48 Criterio 1: supporto Si definisce supporto di una regola x -> y il rapporto tra il numero di righe che contengono x e y e il numero totale di righe della tabella analizzata. scontrino acquisti 1 latte, vino 2 pane, burro 3 pane, burro, miele 4 pane, burro, latte 5 pane, vino Sup(pane -> burro) = 60% Sup(latte -> pane) = 20% Sup(miele -> pane e burro) = 20% Sup(burro -> pane) = 60%* *regole con gli stessi oggetti hanno lo stesso supporto
49 Criterio 2: confidenza Si definisce confidenza di una regola x -> y il rapporto tra il numero di righe che contengono x e y e il numero di righe che contengono x. scontrino acquisti 1 latte, vino 2 pane, burro 3 pane, burro, miele 4 pane, burro, latte 5 pane, vino Conf(pane -> burro) = 75% Conf(latte -> pane) = 25% Conf(miele -> pane e burro) = 100% Conf(burro -> pane) = 100% La confidenza può essere interpretata come la probabilità di avere y in una riga, sapendo che c è x in quella riga.
50 Quali regole cercare, quindi?
51 Tutte quelle regole che hanno supporto superiore a un certo valore, e confidenza superiore a un certo valore.
52 Vendite nel 2007: 5782,6 milioni Se la spesa media è di 25 vuol dire più di 231mila scontrini Ci sono più di 10mila prodotti
53 E impraticabile far fare data mining a essere umani con questa mole di dati.
54 Le 3 fasi della KDD 3. Validazione dei risultati In realtà dobbiamo ricordarci che le analisi del data mining non si applicano sull intera base di dati disponibile ma su un sottoinsieme. La validazione dei risultati si ottiene controllando che i pattern trovati siano presenti anche nel resto della base dei dati. Questo è possibile perché per applicare un pattern già noto a una base di dati occorre molto meno tempo che trovare un pattern ancora sconosciuto.
55 Come sfruttare la conoscenza acquisita?
56 Picco di vendite di birra in coincidenza con eventi sportivi In vista della partita mettere bene in vista le birre, magari con offerte
57 Chi compra peluche compra spesso caramelle Mettere i due prodotti vicini per incrementare la probabilità di un acquisto congiunto
58 Riconoscere che esistono 3 tipi di clientela rispetto al consumo dei prodotti di macelleria Fornire servizi orientati ai 3 gruppi, iniziando da quello che garantisce i margini di guadagno più alti
59 Tramite la tessera di fidelizzazione capire a che gruppo appartiene un cliente Al suo prossimo acquisto fornirgli un buono sconto mirato per farlo tornare di domenica
60 Andamento delle vendite di patate Acquistare più patate dai fornitori
61 Risultati complessivi di fine anno Da portare in riunione per discutere sulle prossime strategie
62 In realtà non tutto il data mining è dettato dagli interessi economici
63 (commercial) data mining Abbiamo visto risvolti commerciali perché di fatto ci siamo concentrati su dati commerciali.
64 (text) data mining Ma ci sono altri tipi di dati, come ad esempio i testi scritti.
65 text mining
66 Text mining E una tecnica di elaborazione automatica dei testi, con lo scopo di estrarre da essi nuova informazione. Le informazioni estratte vengono composte per formare nuovi fatti o nuove ipotesi da verificare ulteriormente con mezzi più classici di sperimentazione.
67 text mining web search
68 Web search Text mining Obiettivo: t r o v a r e informazione già esistente. Problema: scartare il materiale non rilevante alla nostra ricerca. Obiettivo: estrarre nuova informazione che non era presente prima (almeno non in maniera esplicita). Problema: l informazione non è attualmente presente e va creata.
69 data mining text Di fatto, i testi sono un tipo particolare di dati, e il text mining può essere considerato un tipo particolare di data mining.
70 Si potrebbe pensare, quindi, che le svariate tecniche del data mining si possano applicare al caso particolare dei testi. Solo che
71 database matricola ing let let facoltà data mining text
72 Solo che il data mining si effettua su database, che sono tipicamente dati organizzati in tabelle mentre nel text mining si cercano i pattern interessanti in testi scritti in linguaggio naturale.
73 Ogni tecnica che mira ad elaborare in maniera automatica il linguaggio naturale viene considerata come parte della disciplina del Natural Language Processing (NLP). Il text mining è un caso speciale di NLP perché si concentra esclusivamente sui testi scritti. Il NLP comprende però anche l analisi del linguaggio parlato (ad esempio, col riconoscimento vocale).
74 Il prodotto con riconoscimento vocale del momento (aprile 2013) è l iphone 5 con Siri.
75 Torniamo ai testi: il text mining è un modo di analizzarli con il supporto del computer, in modi diversi. In contrasto con quanto visto con il data mining, prendiamo un campo di applicazione radicalmente diverso: la ricerca medica. MEDLINE è un catalogo online di articoli da oltre 5000 riviste mediche dal 1950 ad oggi. Nel 2011 MEDLINE conteneva riferimenti a più di 21 milioni di articoli (un numero in costante crescita). La ricerca medica è divisa in campi e sottocampi altamente specializzati, con poca comunicazione (e scambi di idee) tra discipline diverse. Questa separazione potrebbe essere necessaria e utile alla ricerca specializzata in questo campo, ma può anche avere l effetto di restringere le prospettive, impedendo la creazione di connessioni tra le varie scoperte.
76
77 Lo scopo della ricerca medica e di fare scoperte e di metterle in pratica sotto forma di diagnosi, prevenzione, e trattamenti. E ovvio che con 21 milioni di articoli catalogati, e con una crescita delle citazioni di circa 500mila all anno, diventa sempre più probabile che importanti collegamenti che possono far emergere scoperte fondamentali vengano trascurati, semplicemente perché non c è alcuna persona in grado di farli.
78 L elaboratione manuale dei testi con la loro indicizzazione sulla base di parole chiave aiuta, ma da un analisi di MEDLINE è emerso che molti concetti presenti nei testi degli articoli non erano rappresentati da alcuna parola chiave. Chiaramente, i testi della letteratura medica contengono informazioni importanti per i ricercatori che possono non essere completamente colte da revisori e curatori di questi articoli. Come al solito, laddove l azione umana non è abbastanza precisa o veloce, cerchiamo di delegare il compito a un computer.
79 Che cosa NON è il text mining Abbiamo già detto che NON è web search Il web search è la ricerca di un documento in particolare tra miliardi di altri che non ci interessano. Il text mining, invece, è la ricerca di conoscenza che colleghi tra loro documenti diversi. La conoscenza che si cerca tramite il text mining coinvolge più documenti. Per questo il text mining NON coincide con quelle pratiche automatiche di elaborazione dei testi che si focalizzano su un testo solo, come ad esempio l information extraction oppure la text summarization.
80 Information extraction Text summarization Esempio: Esempio: Dato un CV (meglio se in formato standard, come il CV europeo), si estraggono automaticamente certe informazioni, come il nome, il congnome, la data di nascita. Dato un testo, se ne fornisce un breve riassunto basato sulle parole più frequentemente usate (a parte quelle non significative, come il o di o e, chiamate stopword).
Informatica per le discipline umanistiche 2 lezione 11
Informatica per le discipline umanistiche 2 lezione 11 Come si fa a costruire una base di dati? Dipende. Le persone che si iscrivono in università forniscono dati che popolano il database dellʼuniversità
DettagliInformatica per la comunicazione" - lezione 14 -
Informatica per la comunicazione - lezione 14 - Parte III: il computer come strumento per l interazione e la comunicazione Si è parlato di identità Parte III: il computer come strumento per l interazione
DettagliInformatica per le discipline umanistiche 2 lezione 10
Informatica per le discipline umanistiche 2 lezione 10 Parte III: il computer come strumento per l interazione e la comunicazione Si è parlato di identità Parte III: il computer come strumento per l interazione
DettagliINTRODUZIONE AI DBMS. Inoltre i fogli elettronici. Mentre sono poco adatti per operazioni di. Prof. Alberto Postiglione
Informatica Generale (AA 07/08) Corso di laurea in Scienze della Comunicazione Facoltà di Lettere e Filosofia Università degli Studi di Salerno : Introduzione alla Gestione dei Dati Prof. Alberto Postiglione
DettagliINTRODUZIONE AI DBMS
Informatica Generale (AA 07/08) Corso di laurea in Scienze della Comunicazione Facoltà di Lettere e Filosofia Università degli Studi di Salerno : Introduzione alla Gestione dei Dati Prof. Alberto Postiglione
DettagliSistemi di Elaborazione delle Informazioni
SCUOLA DI MEDICINA E CHIRURGIA Università degli Studi di Napoli Federico II Corso di Sistemi di Elaborazione delle Informazioni Dott. Francesco Rossi a.a. 2017/2018 1 Settima parte Interrogazione di una
DettagliCapitolo 9. Sistemi di basi di dati Pearson Addison-Wesley. All rights reserved
Capitolo 9 Sistemi di basi di dati 2007 Pearson Addison-Wesley. All rights reserved Capitolo 9: Sistemi di basi di dati 9.1 Definizione di Sistemi di Basi di Dati 9.2 Modello relazionale 9.3 Basi di dati
DettagliV. Moriggia Modelli di Base Dati. Modelli di Base Dati. a.a. 2001/2002 4.1
Modelli di Base Dati 4 Un DBMS: Access a.a. 2001/2002 4.1 DBMS 4.2 DBMS = Data Base Management System Software per la costruzione e la gestione di una base dati Esempi di DBMS: Oracle, MySQL, SQLServer,
DettagliBibliografia. INFORMATICA GENERALE Prof. Alberto Postiglione. Scienze della Comunicazione Università di Salerno. Definizione di DB e di DBMS
INFORMATICA GENERALE DBMS: Introduzione alla gestione dei dati Bibliografia 4 ott 2011 Dia 2 Curtin, Foley, Sen, Morin Vecchie edizioni: 8.4, 8.5, 8.6, 8.7, 8.8 Edizione dalla IV in poi: 6.5, 21.1, 19.4,
DettagliIL MODELLO RELAZIONALE
Basi di dati 1 IL MODELLO RELAZIONALE (CAPITOLO 2) Codd 1970 Indipendenza dei dati Distinzione nella descrizione dei dati tra livello fisico e livello logico Vendors IBM,Informix,Microsoft,Oracle,Sybase
DettagliFondamenti di Informatica A. A / 1 9
Fondamenti di Informatica Prof. Marco Lombardi A. A. 2 0 1 8 / 1 9 Concetti Introduttivi 1/2 SQL (Structured Query Language) permette di manipolare i dati, interrogare un database relazionale e modellarne
DettagliLaboratorio di Basi di Dati e Multimedia
Laboratorio di Basi di Dati e Multimedia Laurea in Informatica Multimediale - A.A. 2006/07 Docente: Alessandra Di Pierro Email: dipierro@sci.univr.it Lezione 2 Vincoli intrarelazionali Proprietà che devono
DettagliPRINCIPI DI INFORMATICA CORSO DI LAUREA IN SCIENZE BIOLOGICHE
PRINCIPI DI INFORMATICA CORSO DI LAUREA IN SCIENZE BIOLOGICHE Gennaro Cordasco e Rosario De Chiara {cordasco,dechiara}@dia.unisa.it Dipartimento di Informatica ed Applicazioni R.M. Capocelli Laboratorio
DettagliINFORMATICA GENERALE Prof. Alberto Postiglione Scienze della Comunicazione Università degli Studi di Salerno GESTIONE DEI DATI
INFORMATICA GENERALE Prof. Alberto Postiglione Scienze della Comunicazione Università degli Studi di Salerno : INTRODUZIONE ALLA : INTRODUZIONE ALLA GESTIONE DEI DATI DBMS: Introduzione alla gestione dei
DettagliI.I.S. G. COSSALI - ORZINUOVI DATABASE. Marzo 2017 Prof. Dario Tomasoni 1
I.I.S. G. COSSALI - ORZINUOVI DATABASE Marzo 2017 Prof. Dario Tomasoni 1 IMPOSTAZIONE 60 min = Database concetti + Esercizi; 10 min = pausa; 30 min = Linguaggio SQL; 30 min = Database prove LibreOffice
DettagliSQL DDL. Create database. Alter database. Drop database
SQL In informatica, SQL (Structured Query Language) è un linguaggio standardizzato per database basati sul modello relazionale (RDBMS), progettato per le seguenti operazioni: creare e modificare schemi
DettagliScopo. Informatica. Sistema informativo. Sistema informatico
BASI DI DATI 1 BASI DI DATI 2 Scopo Informatica Elaborazione di dati: Basi di dati Gestione dell informazione Informazione: difficile da definire ma a tutti è chiara l importanza della sua gestione in
DettagliPIL Percorsi di Inserimento Lavorativo
PIL - 2008 Percorsi di Inserimento Lavorativo Basi di Dati - Lezione 2 Il Modello Relazionale Il modello relazionale rappresenta il database come un insieme di relazioni. Ogni RELAZIONE è una tabella con:
DettagliLezione 13. Il trattamento dei dati. database: il linguaggio SQL seconda parte. Proff. Valle Folgieri
Lezione 13 Il trattamento dei dati database: il linguaggio SQL seconda parte Proff. Valle Folgieri Lez13 Trattamento dati. Database: il linguaggio SQL-seconda parte 1 SQL: azioni sui dati Nella scorsa
DettagliLezione 12. Il trattamento dei dati. database: il linguaggio SQL seconda parte. Proff. Valle Folgieri
Lezione 12 Il trattamento dei dati database: il linguaggio SQL seconda parte Proff. Valle Folgieri Lez13 Trattamento dati. Database: il linguaggio SQL-seconda parte 1 SQL: azioni sui dati Nella scorsa
DettagliFondamenti di Informatica e Programmazione
Fondamenti di Informatica e Programmazione Prof. G ianni D Angelo Email: giadangelo@unisa.it A. A. 2018/ 19 Le Origini di SQL Principali Versioni Anni 70 1986 SEQUEL Structured English QUEry Language Sviluppato
DettagliInformatica Grafica. Basi di dati parte 2
Informatica Grafica Corso di Laurea in Ingegneria Edile Architettura Basi di dati parte 2 Michele Lombardi su materiale originario di Paolo Torroni Dipartimento di Elettronica, Informatica e Sistemistica
DettagliLaboratorio di Basi di Dati
Laboratorio di Basi di Dati Docente: Alberto Belussi Lezione 2 Vincoli di integrità Proprietà che devono essere soddisfatte da ogni istanza della base di dati. Il soddisfacimento è definito rispetto al
DettagliSISTEMI INFORMATIVI E TELEMEDICINA INFORMATICA MEDICA. 3. Panoramica su SQL Prof. Mauro Giacomini
SISTEMI INFORMATIVI E TELEMEDICINA INFORMATICA MEDICA 3. Panoramica su SQL Prof. Mauro Giacomini Sommario Introduzione Istruzione SELECT Tipi di Join Subquery Comandi DML Creazione delle tabelle Introduzione
DettagliInformatica documentale Laurea in Scienze della Comunicazione Prova scritta del 25 giugno Cognome e nome: Matricola:
Informatica documentale Laurea in Scienze della Comunicazione Prova scritta del 25 giugno 2012 Cognome e nome: Matricola: Parte prima Domanda 1 Domanda 2 Domanda 3 Totale Istruzioni: È vietato portare
DettagliDDL (Data Definition Language) schemi DML (Data Manipulation Language) DQL (Data Query Language) DCL (Data Control Language)
o o o o o DDL (Data Definition Language): consente di creare e modificare schemi di database; DML (Data Manipulation Language): consente di inserire, modificare e gestire i dati memorizzati; DQL (Data
DettagliSistemi Web per il turismo 20 ottobre 2016
Sistemi Web per il turismo 20 ottobre 2016 I siti Web per il turismo Come li scopriamo sul Web? Negli esercizi in classe delle lezioni precedenti, come hanno gli studenti selezionato i siti Web da analizzare?
DettagliScopo Informatica. Sistema informativo. Sistema informatico. Gestione dell informazione per le lauree triennali
Scopo Informatica Gestione dell informazione per le lauree triennali LEZIONE 9 Elaborazione di dati: Basi di dati Informazione: difficile da definire ma a tutti è chiara l importanza della sua gestione
DettagliA.A. 2018/2019. Introduzione a SQL FONDAMENTI DI INFORMATICA E PROGRAMMAZIONE. Docente Prof. Raffaele Pizzolante
A.A. 2018/2019 Introduzione a SQL Docente Prof. Raffaele Pizzolante FONDAMENTI DI INFORMATICA E PROGRAMMAZIONE Le Origini di SQL Principali Versioni Anni 70 1986 SEQUEL Structured English QUEry Language
DettagliIl Modello Relazionale e le operazioni
Il Modello Relazionale e le operazioni Prof. Giuseppe Di Capua UD 5 Modello Logico Nello sviluppo della teoria dei database sono emersi quattro tipi diversi di modelli per le basi di dati: 1. Modello gerarchico
DettagliInformatica per la Comunicazione/ Verdicchio/ 22/05/2014/ Domande / VERSIONE 1
Informatica per la Comunicazione/ Verdicchio/ 22/05/2014/ Domande / VERSIONE 1 1) In che senso i brani di Bach by Design sono originali? a) Hanno uno stile musicale nuovo b) Hanno una sequenza di note
DettagliAppunti su SQL. Query Language. Comando Select
Appunti su SQL Query Language... 1 Comando Select... 1 Select con campi ordinati: order By... 3 Sintassi generale:... 3 Ordinamanto su PIU campi... 3 DML (Data Manipulation Language per inserimento e modifica
DettagliCaratteristiche dei linguaggi per Database
IL LINGUAGGIO Caratteristiche dei linguaggi per Database I linguaggi per basi di dati relazionali possiedono i comandi per: definizione del data base; manipolazione dei dati; associazione tra tabelle diverse;
DettagliInterrogare una base di dati: algebra relazionale e SQL. Savino Castagnozzi Giorgio Macauda Michele Meomartino Salvatore Picerno Massimiliano Sartor
Interrogare una base di dati: algebra relazionale e SQL Savino Castagnozzi Giorgio Macauda Michele Meomartino Salvatore Picerno Massimiliano Sartor Contesto didattico Il seguente materiale didattico è
DettagliInformatica per la Comunicazione/ Verdicchio/ 22/07/2015/ Domande / VERSIONE 1 Matricola Cognome Nome
Informatica per la Comunicazione/ Verdicchio/ 22/07/2015/ Domande / VERSIONE 1 Matricola Cognome Nome 1) Quale delle seguenti persone ha sicuramente usato un compasso nella sua professione? a) David Cope
DettagliBasi di dati. Gabriella Trucco
Basi di dati Gabriella Trucco gabriella.trucco@unimi.it Algebra relazionale Definizione: insieme di operazioni (query) che servono per manipolare relazioni (tabelle). Formalizzazione matematica del modo
DettagliSQL e linguaggi di programmazione. Cursori. Cursori. L interazione con l ambiente SQL può avvenire in 3 modi:
SQL e linguaggi di programmazione L interazione con l ambiente SQL può avvenire in 3 modi: in modo interattivo col server attraverso interfacce o linguaggi ad hoc legati a particolari DBMS attraverso i
DettagliChe cos è l informatica?
BASI DI DATI Metodo di studio riflessione sui concetti, riferimento alle esperienze personali svolgimento di esercizi svolgimento di un progetto, realizzato con un opportuno strumento (MS Access) Che cos
DettagliBASI DATI: algebra relazionale INFORMATICA APPLICATA E SISTEMI DI ELABORAZIONE DELLE INFORMAZIONI
BASI DATI: algebra relazionale INFORMATICA APPLICATA E SISTEMI DI ELABORAZIONE DELLE INFORMAZIONI 1 Algebra relazionale Definizione L'algebra relazionale è un insieme di operazioni (query) che servono
DettagliManuale Comandi SQL SQL. Sito per esercitarsi (on line) SQL
Manuale Comandi SQL Sito per esercitarsi (on line)... 1 SQL... 1 Convenzioni e simboli usati... 2 Query Language... 2 Comando Select... 2 Order By:... 3 Sintassi generale:... 3 Ordinamanto su PIU campi...
DettagliInformatica per la Comunicazione/ Verdicchio/ 11/02/2015/ Domande / Matricola Cognome Nome Versione 1
Informatica per la Comunicazione/ Verdicchio/ 11/02/2015/ Domande / Matricola Cognome Nome Versione 1 1) Secondo quale delle seguenti persone la statistica ha un ruolo fondamentale nella costruzione di
DettagliScopo Laboratorio di Informatica
Corso di laurea triennale in Chimica - Laboratorio di Informatica 1 Corso di laurea triennale in Chimica - Laboratorio di Informatica 2 Scopo Laboratorio di Informatica Gestione dell informazione per la
DettagliLaboratorio di Basi di Dati
Laboratorio di Basi di Dati Docente: Alberto Belussi Lezione 1 SQL Structured Query Language SQL è stato definito nel 1973 ed è oggi il linguaggio più diffuso per i DBMS relazionali Il linguaggio SQL è
DettagliLe basi di dati. Definizione 1. Lezione 2. Bisogna garantire. Definizione 2 DBMS. Differenza
Definizione 1 Lezione 2 Le basi di dati Gli archivi di dati Organizzato in modo integrato attraverso tecniche di modellazione di dati Gestiti su memorie di massa Con l obiettivo Efficienza trattamento
DettagliInsegnamento di Informatica CdS Scienze Giuridiche A.A. 2007/8. Il trattamento dei dati
Insegnamento di Informatica CdS Scienze Giuridiche A.A. 2007/8 Il trattamento dei dati database: il linguaggio SQL prima parte Prof. Valle D.ssa Folgieri Lez8 8.11.07 Trattamento dati. Database: il linguaggio
DettagliIl linguaggio SQL. Il linguaggio SQL. Il linguaggio SQL. Il linguaggio SQL. Il linguaggio SQL: fondamenti. Il linguaggio SQL
: fondamenti Linguaggio per gestire le basi di dati relazionali Structured Query Language SQL possiede istruzioni per definire lo schema di una base di dati relazionale leggere e scrivere i dati definire
DettagliInterpretazione delle query nidificate
Interpretazione delle query nidificate Per analizzare il risultato di una interrogazione nidificata si può supporre di valutare prima il risultato dell interrogazione nidificata (query interna) per poi
DettagliCorso di Informatica. Software di produttività personale e database. Ing Pasquale Rota
Corso di Software di produttività personale e database Ing Pasquale Rota Argomenti I programmi di produttività personale Le basi di dati Fogli elettronici Software di produttività personale e database
DettagliElena Baralis 2007 Politecnico di Torino 1
Introduzione Istruzione INSERT Istruzione DELETE Istruzione UPDATE Linguaggio SQL: fondamenti 2 (1/3) Inserimento di tuple Cancellazione di tuple Modifica di tuple 4 (2/3) INSERT inserimento di nuove tuple
DettagliD B M G 2. Linguaggio SQL: fondamenti. Istruzioni di aggiornamento. Introduzione Istruzione INSERT Istruzione DELETE Istruzione UPDATE
Linguaggio SQL: fondamenti DB M B G Introduzione Istruzione INSERT Istruzione DELETE Istruzione UPDATE D B M G 2 DB M B G (1/3) Inserimento di tuple Cancellazione di tuple Modifica di tuple D B M G 4 (2/3)
DettagliPRODOTTO CARTESIANO Caso Generale
PRODOTTO CARTESIANO Caso Generale Vincoli di integrità dei dati Un database non deve solamente memorizzare i dati, ma garantire che i dati memorizzati siano corretti; se i dati sono imprecisi o incoerenti,
DettagliBasi di Dati: Corso di laboratorio
Basi di Dati: Corso di laboratorio Lezione 6 Raffaella Gentilini 1 / 40 Sommario 1 Viste 2 3 2 / 40 Viste Viste le viste sono tabelle virtuali corrispondono al risultato di una query (SELECT) valutata
DettagliBasi di dati DBMS Es:
DATABASE Basi di dati (database): archivi di dati, organizzati in modo integrato attraverso tecniche di modellazione dei dati e gestiti sulle memorie di massa dei computer attraverso appositi software
DettagliElena Baralis 2013 Politecnico di Torino 1
Introduzione Istruzione INSERT Istruzione DELETE Istruzione UPDATE Linguaggio SQL: fondamenti D B M G 2 (1/3) Inserimento di tuple Cancellazione di tuple Modifica di tuple D B M G 4 (2/3) INSERT inserimento
DettagliPre-elaborazione dei dati (Data pre-processing)
Pre-elaborazione dei dati (Data pre-processing) I dati nel mondo reale sono sporchi incompleti: mancano valori per gli attributi, mancano attributi importanti, solo valori aggregati rumorosi: contengono
DettagliTabelle esempio: Impiegato/Dipartimento
Informatica Generale (AA 07/08) Corso di laurea in Scienze della Comunicazione Facoltà di Lettere e Filosofia Università degli Studi di Salerno : SQL (4) Query di aggiornamento Prof. Alberto Postiglione
DettagliSQL. Lezione 1. Docente: Alberto Belussi
LaboratoriodiBasidiDatieWeb Docente: Alberto Belussi Lezione 1 SQL Structured Query Language SQL è stato definito nel 1973 ed è oggi il linguaggio più diffuso per i DBMS relazionali Il linguaggio SQL è
DettagliBASI DATI: algebra relazionale
BASI DATI: algebra relazionale BIOINGEGNERIA ED INFORMATICA MEDICA 1 Algebra relazionale Definizione L'algebra relazionale è un insieme di operazioni (query) che servono per manipolare relazioni (tabelle).
DettagliInterrogazioni nidificate
Interrogazioni nidificate Nella clausola where si possono utilizzare valori prodotti da altre istruzioni select utilizzando any (qualsiasi) o all (tutti) insieme agli operatori di confronto Trovare nome,
DettagliBasi di Dati. Informatica - G. Caminiti
Basi di Dati Basi di dati e sistemi informativi Una base di dati è un insieme organizzato di dati utilizzati per il supporto allo svolgimento delle attività di un ente Azienda, ufficio, persona Un sistema
DettagliLa progettazione concettuale
PROGETTAZIONE La progettazione concettuale Sintesi tra la visione degli utenti e la visione dei progettisti. I progettisti devono essere certi di aver compreso esattamente e completamente le esigenze degli
DettagliModello Relazionale. Schemi. Schemi. Schemi. In ogni base di dati si possono distinguere: Es. (relazioni INSEGNAMENTO e MANIFESTO)
Modello Relazionale Modello logico: definisce tipi attraverso il costruttore relazione, che organizza i dati secondo record a struttura fissa, rappresentabili attraverso tabelle. Es. (relazioni INSEGNAMENTO
Dettaglirecord a struttura fissa
Modello Relazionale E un modello logico: definisce tipi attraverso il costruttore relazione, che organizza i dati secondo record a struttura fissa, rappresentabili attraverso tabelle. Es. (relazioni INSEGNAMENTO
DettagliSistemi di Elaborazione delle Informazioni (C.I. 15) Basi di dati Introduzione teorica
Università degli Studi di Palermo Dipartimento di Ingegneria Informatica Sistemi di Elaborazione delle Informazioni (C.I. 15) Anno Accademico 2009/2010 Docente: ing. Salvatore Sorce Basi di dati Introduzione
DettagliIL PIANO DI QUALITA AZIENDALE
I DATABASE IL PIANO DI QUALITA AZIENDALE Metodologia per raggiungere gli obiettivi di un azienda in modo Veloce Economico Sicuro Standardizzato 2 IL SISTEMA AZIENDA L azienda è un organizzazione che per
DettagliMicrosoft Access. Nozioni di base. Contatti: Dott.ssa Silvia Bonfanti
Microsoft Access Nozioni di base Contatti: Dott.ssa Silvia Bonfanti silvia.bonfanti@unibg.it Introduzione In questa lezione vedremo lo strumento Microsoft Access ed impareremo come realizzare con esso
DettagliEquivalenza di espressioni. Equivalenze. Equivalenze. Due espressioni sono equivalenti se: Atomizzazione delle selezioni σ F1 F2 (E) σ F1 (σ F2 (E))
Equivalenza di espressioni Due espressioni sono equivalenti se: E 1 R E 2 se E 1 (r = E 2 (r per ogni istanza r di R (equivalenza dipendente dallo schema E 1 E 2 se E 1 R E 2 per ogni schema R (equivalenza
DettagliAccesso alla base di dati. Linguaggi per basi di dati. SQL immerso in linguaggio ad alto livello. SQL, un linguaggio interattivo
Linguaggi per basi di dati Accesso alla base di dati Linguaggi di definizione dei dati Utilizzati per definire gli schemi e le autorizzazioni per l accesso Linguaggi di manipolazione dei dati Utilizzati
DettagliCAPITOLO V. DATABASE: Il modello relazionale
CAPITOLO V DATABASE: Il modello relazionale Il modello relazionale offre una rappresentazione matematica dei dati basata sul concetto di relazione normalizzata. I principi del modello relazionale furono
DettagliSQL SQL. Definizione dei dati. Domini. Esistono 6 domini elementari:
SQL SQL (pronunciato anche come l inglese sequel): acronimo di Structured Query Language (linguaggio di interrogazione strutturato) Linguaggio completo che presenta anche proprietà di: DDL (Data Definition
DettagliInformatica. per laurea triennale di area non informatica. 1 Le basi di dati
1 Informatica per laurea triennale di area non informatica LEZIONE 7 - 2 Scopo Gestione dell informazione Informazione: difficile da definire ma a tutti è chiara l importanza della sua gestione in diversi
DettagliIl linguaggio SQL. TUTORATO DIFONDAMENTI DIINFORMATICA
Facoltà di Ingegneria e Architettura Corsi di Laurea in Ingegneria Chimica e Ingegneria Meccanica Il linguaggio SQL TUTORATO DI http://www.diee.unica.it/~marcialis/fi A.A. 2015/2016 CAPITOLO 5: Basi di
DettagliArchivi e Basi di Dati. lezione 07 1
Archivi e Basi di Dati lezione 07 Memoria persistente e suo utilizzo Bisogna organizzare i dati in modo da garantire inserimento cancellazione modifica e ricerca su grandi quantita di dati lezione 07 2
DettagliCorso di Basi di Dati
Corso di Basi di Dati Il Linguaggio SQL Home page del corso: http://www.cs.unibo.it/~difelice/dbsi/ Il Linguaggio SQL SQL (Structured Query Language) è il linguaggio di riferimento per le basi di dati
DettagliPROGETTAZIONE DI DATABASE
ISTITUTO TECNICO INDUSTRIALE G. M. ANGIOY SASSARI PROGETTAZIONE DI DATABASE Manipolazione dei dati in SQL Lezione 12 Questa dispensa è rilasciata sotto la licenza Creative Common CC BY-NC-SA. Chiunque
DettagliFondamenti di Informatica e Programmazione
Fondamenti di Informatica e Programmazione Prof. G ianni D Angelo Email: giadangelo@unisa.it A. A. 2018/19 Dati e Basi di Dati 1/4 I dati sono importanti poiché costituiscono una risorsa aziendale La loro
DettagliLABORATORIO di INFORMATICA
Università degli Studi di Cagliari Corso di Laurea Magistrale in Ingegneria per l Ambiente ed il Territorio LABORATORIO di INFORMATICA A.A. 2010/2011 Prof. Giorgio Giacinto IL MODELLO RELAZIONALE http://www.diee.unica.it/giacinto/lab
DettagliBasi di dati attive. Una base di dati è ATTIVA quando consente la definizione e la gestione di regole di produzione (regole attive o trigger).
Basi di dati attive Una base di dati è ATTIVA quando consente la definizione e la gestione di regole di produzione (regole attive o trigger). Tali regole vengono attivate in modo automatico al verificarsi
DettagliSQL. Università degli Studi di Salerno. Corso di Laurea in Scienze della Comunicazione Informatica generale (matr. Dispari) Docente: Angela Peduto
SQL Università degli Studi di Salerno Corso di Laurea in Scienze della Comunicazione Informatica generale (matr. Dispari) Docente: Angela Peduto A.A. 2005/2006 Select La forma di select cui siamo arrivati
DettagliBasi di dati (database)
Basi di dati (database) 1 Scopo Gestione dell informazione Informazione: difficile da definire ma a tutti è chiara l importanza della sua gestione in diversi tipi di attività Esempi: aziende, banche, anagrafi,
DettagliLinguaggio SQL: fondamenti
Introduzione Istruzione INSERT Istruzione DELETE Istruzione UPDATE 2 2007 Politecnico di Torino 1 (1/3) Inserimento di tuple Cancellazione di tuple Modifica di tuple 4 2007 Politecnico di Torino 2 (2/3)
DettagliCorso di Basi di Dati A.A. 2015/2016
Corso di Laurea in Ingegneria Gestionale Sapienza Università di Roma Corso di Basi di Dati A.A. 2015/2016 - Esercizi Tiziana Catarci, Andrea Marrella Ultimo aggiornamento : 06/04/2016 Esercizio 1 Dare
DettagliProblema. MS Access. Progettazione di un archivio. Soluzione: archivi
MS Access ISTI-CNR E-mail: paolo.manghi@isti.cnr.it Problema Gestione delle informazioni relative ad un Organizzazione Inserimento, modifica, cancellazione ed elaborazione delle informazioni processi interni
DettagliSistemi Informativi Corso di Laurea in Ingegneria dell Integrazione d Impresa (E-Business)
Anno Accademico 2003/2004 Sistemi Informativi Corso di Laurea in Ingegneria dell Integrazione d Impresa (E-Business) Sistemi Informativi e Basi di Dati Corso di Laurea in Ingegneria della Gestione Industriale
DettagliMODULO 5 - USO DELLE BASI DI DATI 2 FINALITÁ
PATENTE EUROPEA DEL COMPUTER 5.0 MODULO 5 Database (Microsoft Access 2007) Parte 3 A cura di Mimmo Corrado Gennaio 2012 MODULO 5 - USO DELLE BASI DI DATI 2 FINALITÁ Il Modulo 5, richiede che il candidato
DettagliInformatica per le Scienze Umane. Introduzione al corso: programma dettagliato
Informatica per le Scienze Umane Introduzione al corso: programma dettagliato 1 Obiettivi del corso Fornire le conoscenze e le competenze necessarie alla rappresentazione e al trattamento consapevole delle
DettagliI DATI E LA LORO INTEGRAZIONE 63 4/001.0
I DATI E LA LORO INTEGRAZIONE 63 4/001.0 L INTEGRAZIONE DEI DATI INTEGRAZIONE DEI DATI SIGNIFICA LA CONDIVISIONE DEGLI ARCHIVI DA PARTE DI PIÙ AREE FUNZIONALI, PROCESSI E PROCEDURE AUTOMATIZZATE NELL AMBITO
DettagliTecnologie, strumenti e processi alle informazioni e l estrazione della conoscenza
Tecnologie, strumenti e processi per l accesso l alle informazioni e l estrazione della conoscenza Maurizio Lancia Alberto Salvati CNR - Ufficio Sistemi Informativi Sommario Scenario Obiettivi e linee
DettagliInterrogazioni nidificate
Interrogazioni nidificate Trovare nome, cognome e matricola degli studenti che non hanno fatto esami select Matricola,Nome,Cognome from studenti where matricola all (select studente group by studente)
DettagliTipi numerici esatti Valori interi o con parte decimale di lunghezza prefissata
Domini Tipi numerici esatti Valori interi o con parte decimale di lunghezza prefissata numeric [(Precisione [,Scala])] decimal [(Precisione [,Scala])] integer smallint Precisione specifica il numero di
DettagliLe basi di dati. Le basi di dati. dalla teoria all'utilizzo di tutti i giorni. Alessandro Tanasi
Le basi di dati Le basi di dati dalla teoria all'utilizzo di tutti i giorni Alessandro Tanasi alessandro@lonerunners.net http://www.lonerunners.net 1 Sistemi Informativi Il problema: organizzare dati in
DettagliLABORATORIO di INFORMATICA
Università degli Studi di Cagliari Corso di Laurea Magistrale in Ingegneria per l Ambiente ed il Territorio LABORATORIO di INFORMATICA A.A. 2010/2011 Prof. Giorgio Giacinto BASI DI DATI GEOGRAFICHE http://www.diee.unica.it/giacinto/lab
DettagliInformatica e Bioinformatica: Basi di Dati
Informatica e Bioinformatica: Date TBD Bioinformatica I costi di sequenziamento e di hardware descrescono vertiginosamente si hanno a disposizione sempre più dati e hardware sempre più potente e meno costoso...
DettagliBASI DI DATI. Titolo Prof. Cognome Nome Indirizzo Numero Telefono
BASI DI DATI Una base di dati (database) è un insieme organizzato di informazioni caratterizzate da alcuni aspetti fondamentali: tra esse esiste un nesso logico (cioè sono in qualche modo inerenti ad un
DettagliIntroduzione Concetti Generali Pratica su Access Link utili. ECDL - Database. European Computer Driving Licence - Modulo 5 - Database LEZIONE 1
ECDL - Database Introduzione European Computer Driving Licence - Modulo 5 - Database LEZIONE 1 Informazioni sul corso orario: Giovedì - 14.30-16.30 materiale: http://www.fotoboni.com/carlo/ docente: webmaster@fotoboni.com
DettagliIL MODELLO RELAZIONALE. Patrizio Dazzi a.a
IL MODELLO RELAZIONALE Patrizio Dazzi a.a. 2017-2018 COMUNICAZIONE AI MIEI CARI STUDENTI! La mail che mandate per la Mailing List deve avere come Oggetto/Subject [BDD-INFUMA-2017-18] e come contenuto:
DettagliInformatica per le Scienze Umane. Introduzione al corso: programma
Informatica per le Scienze Umane Introduzione al corso: programma 1 Obiettivi del corso Fornire le conoscenze e le competenze necessarie alla rappresentazione e al trattamento consapevole delle informazioni
Dettagli