Come si capisce dai nomi degli autori (Dmitri Fuchs e Serge Tabachnikov, Mathematical Omnibus: Thirty Lectures on Classical Mathematics, AMS 2007, pag. 463) la loro scuola di nascita è russa, anche se i due insegnano in università statunitensi. Questo forse è il motivo per cui di “classico”, almeno dal nostro punto di vista italiano, c’è ben poco. Devo dire che sono rimasto stupito dagli approcci per nulla classici a problemi che almeno per fama conoscevo: questo è molto bello, perché è un’ulteriore prova dalla profonda unità della matematica (lo so, scivolo facilmente sul filosofico).
Purtroppo c’è l’altra faccia della medaglia, vale a dire il fatto che la trattazione è a livello di corso universitario. Gli autori fanno del loro meglio per mostrare che in fin dei conti non c’è nulla di così strano a fare tutti i conti necessari, ma è chiaro che se non ci si mette a studiare seriamente non si riesce ad andare molto avanti. In pratica, insomma, per una buona percentuale delle trenta lezioni di cui è composto il libro io mi sono limitato a dare un’occhiata più o meno curiosa: sono troppo pigro e oberato di cose da fare per fermarmi, prendere carta e penna e seguire il percorso logico che porta ai risultati esposti
D’altra parte il libro ha un indubbio vantaggio: la versione di base (senza fotografie, insomma, ma con tutti i grafici del caso) è liberamente disponibile in rete e pertanto ci si può fare un’idea del testo senza poi lamentarsi di avere speso inutilmente dei soldi.

Ultimo aggiornamento: 2014-02-22 07:00

I Big Data sono l’araba fenice dell’informatica: che ci siano ognun lo dice, cosa siano nessun lo sa. O meglio, qualcuno lo sa ma si tiene ben stretta la nozione, e non riesco a dare loro tutti i torti. Devo però dire che leggendo questo libro (Viktor Mayer-Schönberger e Kenneth Cukier, Big Data : A Revolution That Will Transform How We Live, Work and Think, John Murray 2013. ISBN , pag. 257, Lst. 7,99, ISBN 9781848547933) qualche idea in più me la sono fatta. Innanzitutto, il concetto fondamentale da ricordare è che con i Big Data non si parla più di rapporto di causa-effetto ma semplicemente di correlazione; in secondo luogo che i Big Data buttano completamente all’aria l’approccio statistico usato in questi due secoli. Invece che fare fatica a cercare un campione ben rappresentativo si piglia tutto, compresi i dati errati, e si vede quello che si può tirare fuori. Tutto questo lo si trova nel primo capitolo del libro: se avete fretta potete fermarvi qua.
Gli altri capitoli sono un po’ ripetitivi: ci sono molti case study, soprattutto ma non solo sui Soliti Noti (Amazon e Google), e i concetti introdotti sono quelli dell’uso secondario dei dati (si prende tutto perché non si sa mai che correlazioni ci si possa inventare in futuro) e dei rischi per la privacy (anonimizzare i dati serve a poco, quando ce ne sono così tanti che alla fine si riesce a trovare una correlazione con altissima probabilità: ma questo era già noto a chi sapeva fare le ricerche in rete negli anni ’90). Una disamina più puntuale la potete leggere da Boris Limpopo; per quanto mi riguarda mi posso dire soddisfatto del libro.

Ultimo aggiornamento: 2014-02-15 07:00