GAC017 Computing III: Ciência de Dados e Aplicativos Web

GAC017 é o módulo de Computação Nível III: o que fica por trás de um site. Seis unidades cobrem back-end JavaScript, bancos de dados, SQL, conectando os dois, e uma primeira olhada em data science.

A avaliação é inteiramente prática — um database 数据库 que você desenha e constrói, um web app 网络应用 que fala com ele, um data analysis project 数据分析项目, e coursework — geralmente espalhado por grande parte do semestre, em vez de concentrado no final.

• O trabalho é julgado por se executar e responder a uma pergunta, não pela quantidade de código.
• ⚠ Desenhe o banco de dados antes de escrever uma query. Quase todo problema posterior é um problema de tabela vestindo roupas de query.

Todos os exemplos SQL aqui rodam no próprio playground de código do site, e a referência SQL lá é a versão mais completa destas notas.

• O front end 前端 roda no navegador; o back end 后端 roda em um servidor e armazena o que o navegador não deve ver.
• Um server 服务器 recebe um request 请求 e retorna uma response 响应. Esse ciclo é a arquitetura inteira.
• Uma API 应用程序接口 é o formato combinado desses requests e responses.
• ⚠ Qualquer dado secreto — uma senha, uma chave — pertence apenas ao back end. Código em um navegador é legível por todos que visitam.

• Um route 路由 mapeia uma URL para código que roda quando aquela URL é solicitada.
• Validate input 校验输入 no servidor. Validar no navegador é uma comodidade para usuários honestos, não uma defesa.
• Nunca construa uma query unindo strings com entrada do usuário. É assim que SQL injection SQL 注入 acontece, e é essa falha de segurança que esta unidade existe para prevenir.
• Retorne um estado honesto: 200 para sucesso, 400 para má solicitação, 404 para algo que não existe.

• Um relational database 关系数据库 armazena dados em tables 表 de linhas e colunas.
• Uma primary key 主键 identifica uma linha de forma única. Uma foreign key 外键 aponta para outra primary key de outra tabela, e esse ponteiro é o relacionamento.
• Normalização 规范化 remove dados duplicados para que um único fato viva em um único lugar.
• Projunte perguntando quais são as entities 实体, e então o que as conecta.

Worked example. Uma escola quer armazenar alunos, cursos e quem faz o quê.

Duas tabelas não conseguem fazer isso: um aluno faz muitos cursos e um curso tem muitos alunos. A muitos-para-muitos precisa de uma terceira tabela — inscrições — cujas linhas são pares (aluno, curso).

Reconhecer que essa terceira tabela é necessária é a ideia de banco de dados mais útil na unidade, e é onde a maioria dos primeiros projetos erra.

• SQL 结构化查询语言 faz perguntas a um banco de dados. SELECT … FROM … WHERE … é o núcleo.
• JOIN 连接 combina linhas de duas tabelas em uma chave correspondente.
• GROUP BY 分组 com COUNT, SUM ou AVG responde a perguntas "quantos por…"
• ⚠ WHERE filtra linhas antes do agrupamento; HAVING filtra grupos depois. Usar o errado é o erro clássico de SQL, e geralmente retorna uma resposta plausível, mas errada.

Worked example. Quais cursos têm mais de 20 alunos?

SELECT c.title, COUNT(*) AS students
FROM enrolments e
JOIN courses c ON c.id = e.course_id
GROUP BY c.title
HAVING COUNT(*) > 20;

A contagem é uma propriedade do grupo, então o filtro é HAVING. Escrito com WHERE não roda — e quando um erro similar roda, silenciosamente responde a uma pergunta diferente.

• O back end recebe uma solicitação, executa uma parameterised query 参数化查询, e retorna as linhas como dados, geralmente JSON 数据交换格式.
• Parameterizada significa que os valores viajam separadamente do texto da query. Isso é o que torna injeção impossível, e não apenas improvável.
• Trate o caso vazio. Uma query que não retorna linhas é normal, e uma página que quebra nisso não está terminada.

• Ciência de dados 数据科学 transforma dados em decisão, e a maior parte do trabalho ocorre antes da análise: limpeza, junção e verificação do que os dados podem suportar.
• Descriptive statistics 描述性 estatísticas resumem; uma visualisation 可视化 mostra a forma; nenhum prova causa.
• Correlation is not causation 相关不等于因果 — a frase que todo projeto de dados precisa e a maioria omite.
• Declare as limitations de seu conjunto de dados. Um projeto que nomeia o que seus dados não podem mostrar nota acima de um que silenciosamente alega demais.