3. Introduzione

La prima parte del libro introduce alcuni strumenti di base per l’analisi automatica di dataset di dimensioni contenute[1], mediante l’uso di un computer. La padronanza di questi strumenti, unita alla capacità di applicarli in modo efficace ai diversi scenari della data science, è oggi fondamentale per analizzare e interpretare l’ampia varietà di dati disponibili e sfruttarli come supporto alle decisioni.

Tra gli strumenti indispensabili troviamo:

• un linguaggio di programmazione, che permetta di scrivere istruzioni per automatizzare l’elaborazione dei dati;

• una libreria per la gestione strutturata dei dataset.

In questo libro utilizzerò rispettivamente Python e Pandas, presentati rispettivamente nei capitoli 4 e 5. Sebbene esistano molte alternative valide, queste due tecnologie rappresentano oggi una parte centrale dell'ecosistema per l'analisi dei dati, sia in ambito accademico che nel mondo del lavoro.

---

[1]

Un dataset si considera di dimensioni ridotte quando può essere elaborato con le risorse disponibili su un singolo elaboratore. Nel caso più semplice — quello trattato in questo libro — l'intero insieme di dati può essere caricato nella memoria centrale di un computer. In generale, si parla ancora di dati «gestibili localmente» se il dataset può risiedere nella memoria di massa e venire elaborato progressivamente in quella centrale, per esempio trasferendo un record alla volta. Quando invece le dimensioni dei dati superano di molto la capacità della memoria di massa disponibile (in linea di massima, oltre un terabyte con l'hardware attualmente disponibil), si entra nel campoi dei big data, che richiedono approcci differenti rispetto a quelli dell'analisi dei dati in senso classico.