GAC017 Informática III: Ciencia de datos y aplicaciones web

GAC017 es el módulo de computación de Nivel III: lo que hay detrás de un sitio web. Seis unidades cubren el back-end JavaScript, bases de datos, SQL, conectar ambos y una primera introducción a la ciencia de datos.

La evaluación es totalmente práctica: una base de datos que tú diseñes y construyas, una aplicación web que se comunique con ella, un proyecto de análisis de datos y tareas continuas, generalmente distribuidas a lo largo de la mayor parte del semestre en lugar de concentrarse al final.

• El trabajo se juzga por si funciona y responde a una pregunta, no por la cantidad de código.
• ⚠ Diseña la base de datos antes de escribir una consulta. Casi todos los problemas posteriores son problemas de tablas disfrazados de consultas.

Cada ejemplo de SQL aquí se ejecuta en el entorno de código propio del sitio, y la referencia de SQL allí es la versión más completa de estas notas.

• El front-end se ejecuta en el navegador; el back-end se ejecuta en un servidor y contiene lo que el navegador no debe ver.
• Un servidor recibe una petición y devuelve una respuesta. Ese bucle es toda la arquitectura.
• Una API es la forma acordada de esas peticiones y respuestas.
• ⚠ Cualquier dato secreto: una contraseña, una clave, pertenece solo al back-end. El código en un navegador es legible por cualquier persona que visite el sitio.

• Una ruta asocia una URL al código que se ejecuta cuando se solicita esa URL.
• Valida la entrada en el servidor. Comprobar en el navegador es una comodidad para usuarios honestos, no una defensa.
• Nunca construyas una consulta uniendo cadenas con entradas de usuario. Así ocurre la inyección SQL, y es la falla de seguridad que esta unidad existe para prevenir.
• Devuelve un estado honesto: 200 para éxito, 400 para una solicitud incorrecta, 404 para algo que no existe.

• Una base de datos relacional 关系数据库 almacena datos en tablas 表 formadas por filas y columnas.
• Una clave primaria identifica una fila de forma única. Una clave foránea apunta a la clave primaria de otra tabla, y ese puntero es la relación.
• La normalización elimina datos duplicados para que un hecho viva en un solo lugar.
• Diseña preguntándote cuáles son las entidades, y luego qué las conecta.

Ejemplo resuelto. Una escuela quiere almacenar estudiantes, cursos y quién cursa qué.

Dos tablas no pueden hacerlo: un estudiante cursa muchos cursos y un curso tiene muchos estudiantes. La relación muchos a muchos necesita una tercera tabla — matrículas — cuyas filas sean pares (estudiante, curso).

Reconocer que se requiere esta tercera tabla es la idea de base de datos más útil del módulo, y es donde suelen fallar los primeros diseños.

• SQL hace preguntas a una base de datos. SELECT … FROM … WHERE … es el núcleo.
• JOIN combina filas de dos tablas mediante una clave coincidente.
• GROUP BY con COUNT, SUM o AVG responde a preguntas de "cuántos por…".
• ⚠ WHERE filtra filas antes de agrupar; HAVING filtra grupos después. Usar el equivocado es el error clásico de SQL, y suele devolver una respuesta plausible pero incorrecta.

Ejemplo resuelto. ¿Qué cursos tienen más de 20 estudiantes?

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;

El conteo es una propiedad del grupo, por lo que el filtro es HAVING. Escrito con WHERE no se ejecuta — y cuando un error similar sí se ejecuta, responde silenciosamente a una pregunta diferente.

• El back-end toma una petición, ejecuta una consulta parametrizada y devuelve las filas como datos, normalmente en formato JSON.
• Parametrizado significa que los valores viajan separados del texto de la consulta. Eso es lo que hace que la inyección sea imposible en lugar de improbable.
• Maneja el caso vacío. Una consulta que no devuelve filas es normal, y una página que falla por ello no está terminada.

• La ciencia de datos convierte datos en una decisión, y la mayor parte del trabajo ocurre antes de la análisis: limpieza, unión y comprobación de lo que los datos pueden soportar.
• La estadística descriptiva resume; una visualización muestra la forma; ninguno prueba una causa.
• La correlación no implica causalidad — la frase que todo proyecto de datos necesita y que la mayoría omite.
• Declara las limitaciones de tu conjunto de datos. Un proyecto que nombra lo que sus datos no pueden mostrar obtiene mejores puntuaciones que uno que afirma silenciosamente más de lo debido.