Chi lavora su un personal computer con sistema operativo Linux o su un Mac con sistema operativo OS X molto probabilmente non sa di avere a disposizione l’interprete per uno, si dice, dei più facili linguaggi di programmazione esistenti, addirittura con la possibilità di creare applicazioni dotate di interfaccia grafica.
Per rendersene conto basta aprire il terminale, digitare il comando tclsh e premere Invio: immediatamente compare un prompt contrassegnato dal simbolo %, pronto a ricevere ed eseguire comandi scritti nel linguaggio Tcl.
Se usciamo da questo prompt premendo insieme i tasti Ctrl e D e poi digitiamo il comando wish e premiamo Invio ricompare il prompt contrassegnato dal simbolo % e a lato del terminale compare anche una finestrella vuota: ora il linguaggio Tcl è arricchito dal tool Tk, che serve per creare interfacce utente grafiche.
Chi lavora su Windows può pure godere di queste meraviglie del software libero ma deve procurarsi quanto serve e caricarselo sul computer.
A chi sia interessato ad apprendere le basi di questo linguaggio di programmazione per vedere come funziona e magari per servirsene, data la carenza di documentazione in lingua italiana alla portata di principianti dilettanti, propongo il manualetto allegato in formato PDF.
Come sempre si tratta di materiale liberamente scaricabile, stampabile e distribuibile senza alcun problema.
Autore: vittorio
La blockchain secondo Python
Con il mio articolo del marzo 2018 “Software libero per la blockchain” sottolineavo come il primo software per la tecnologia blockchain, quello utilizzato per la realizzazione del Bitcoin, fosse software libero.
Con il successivo articolo del dicembre 2018 “Sempre software libero per perfezionare la blockchain” rilevavo come anche il software per i perfezionamenti che hanno portato all’evoluzione Blockchain 2.0 sia stato sviluppato all’insegna dell’open source, costituendo anzi l’occasione per affermare l’opportunità che software di tipo infrastrutturale come questo siano sviluppati in maniera collaborativa: da qui il progetto Hyperledger Fabric promosso da IBM all’interno della Linux Foundation.
Un lettore di questi articoli, lo scorso luglio, apprezzando le informazioni, mi invitò a parlare anche di cosa si potesse fare con Python per la blockchain.
Dopo qualche ricerca e sperimentazione sono in grado di segnalare qualche cosa di concreto che è maturato nel mondo Python, sicuramente utile per capire cosa sia la blockchain nell’intimità e per creare una vera e propria blockchain.
Nell’allegato manualetto in formato PDF, dopo una piccola introduzione esplicativa terra a terra utile per capire di cosa stiamo parlando, segnalo alcune possibilità di approfondimento per chi vi fosse interessato.
Come sempre si tratta di documentazione liberamente riproducibile e distribuibile.
Newlisp
Nel mio articolo “Lisp sempreverde” del maggio 2015 ho parlato di come il vecchio linguaggio di programmazione LISP, concepito nel lontano 1958, avesse ritrovato una delle sue tante vite grazie ai recenti sviluppi di una nuova versione, chiamata NewLISP, ultima arrivata di altre, come il Common LISP, l’Emacs LISP, l’AutoLISP, ecc.: alcuni chiamano queste versioni “dialetti”, ma trovo questo termine troppo dispregiativo, soprattutto se riferito a NewLISP.
In quell’articolo ho illustrato brevemente alcune caratteristiche del NewLISP riferendomi alla versione di allora, la 10.6.2, già particolarmente ricca di utilissime funzioni preconfezionate. Nei quattro anni che sono trascorsi si sono susseguiti parecchi perfezionamenti, soprattutto dedicati all’arricchimento delle funzioni preconfezionate, e siamo arrivati alla versione 10.7.5, rilasciata il 12 maggio 2019.
Dal momento che qualche frequentatore di questo blog ha osservato che il contenuto del mio articolo aveva il difetto di poter essere compreso solo da coloro che già conoscevano il LISP, ho ritenuto di rimediare proponendo l’allegato manualetto nel quale, rivolgendomi al mio solito pubblico di dilettanti evoluti, descrivo le basi del linguaggio in modo che il lettore possa cominciare a sviluppare qualche programmino e rendersi conto di quanto possa essere affascinante programmare con NewLISP.
Come sempre, il documento è liberamente scaricabile, stampabile e distribuibile.
Software libero per il calcolo simbolico
Nell’allegato “calcolo.pdf” al mio articolo del maggio 2015 “Software libero per calcolare”, archiviato in questo blog nella categoria Software libero, dopo aver introdotto la distinzione tra calcolo numerico e calcolo letterale o simbolico, per quanto riguarda quest’ultimo ho accennato all’esistenza del software libero Maxima, che ritenevo e tuttora ritengo il migliore.
Successivamente ho presentato con maggiore approfondimento alcuni importanti strumenti di calcolo: Calc di Libre Office (nell’allegato all’articolo “Matematica e Statistica con Calc” del giugno 2016) e KNIME (nell’allegato all’articolo “KNIME: l’alternativa a Python per i data scientists” del giugno 2019). Tutti strumenti di calcolo numerico.
Ora torno al calcolo letterale o simbolico per una più esauriente illustrazione dell’argomento e degli strumenti di software libero in quello che viene chiamato CAS, Computer Algebra System, dove il calcolo coinvolge non soltanto dati numerici (3 4,67 8 ecc.) ma anche o solo simboli (a x δ z β ecc.).
L’utilità del calcolo simbolico sta nella sua capacità di astrazione e di generalizzazione del calcolo numerico attraverso l’introduzione di simboli che sottendono un valore numerico qualsiasi in notazioni che chiamiamo espressioni matematiche.
Gli stessi simboli possono essere oggetto di calcolo fornendo sempre un risultato espresso in simboli in nuove espressioni matematiche.
Solo sostituendo ai simboli dei valori numerici si addiviene ad un risultato numerico.
Tutto ciò richiama il meccanismo delle formule matematiche.
Il modo più sintetico di definire il doppio di un numero è 2x. Se moltiplichiamo 2x per 2 otteniamo 4x in definizione del quadruplo di un numero. Per ottenere il doppio di 3, nell’espressione 2x sostituiamo 3 a x e otteniamo 6. Per ottenere il quadruplo di 5, nell’espressione 4x sostituiamo 5 a x e otteniamo 20.
Complicando un po’ le cose: il modo più semplice per calcolare il valore della derivata prima della funzione x al quadrato per x = 0,5 è quello di calcolare in simboli che la derivata prima di x al quadrato è 2x e poi sostituire 0,5 a x in quest’ultima espressione per arrivare al risultato numerico 1. E la formula 2x può servire per calcolare il valore della derivata della funzione x al quadrato in qualsiasi punto, compresa la possibilità, attraverso la soluzione dell’equazione 2x = 0, di trovare il punto in cui la derivata si azzera, ad indicare la possibile esistenza, in quel punto, di un massimo o di un minimo relativo della funzione x al quadrato.
Come si vede, riconosciuto al calcolo numerico tutto il merito di quantificare soluzioni a problemi concreti nei più disparati campi, non si può negare che senza il calcolo simbolico non esisterebbe l’analisi matematica e il linguaggio scientifico sarebbe veramente a corto di possibilità espressive.
Peraltro lo stesso calcolo numerico molto spesso fornisce risultati utili in quanto alle sue spalle esiste un tracciato costruito in simboli che prepara la strada per raggiungere quei risultati.
* * *
Esistono parecchi software per il calcolo simbolico, generalmente utilizzabili anche per il calcolo numerico.
Ai blasonati e costosi software commerciali Maple, Mathematica, Derive, Matlab arricchito della Toolbox per il CAS si affiancano altrettanti ed equivalenti software liberi e gratuiti, tutti funzionanti non solo su Linux ma anche su Windows e Mac.
Il migliore di questi, come ho già detto e secondo la mia opinione, è Maxima, che troviamo all’indirizzo http://maxima.sourceforge.net/ nella versione a riga di comando o in quella per la finestra Unix Xwindow (xMaxima), entrambi ben documentati da un help inglobato nel software. Per un utilizzo reso estremamente intuitivo da una ben fatta interfaccia grafica consiglio la versione wxMaxima che si trova all’indirizzo https://sourceforge.net/projects/wxmaxima/. Su Google Play troviamo una versione di Maxima anche per Android (Maxima on Android).
Sempre restando sui software più completi e accreditati, ricordo Axiom (scaricabile da qui), Reduce (scaricabile da qui) e Yacas (scaricabile da qui). Per Yacas è disponibile un file .jar, utilizzabile con la Java Virtual Machine.
Le ultime versioni di Geogebra (dalla Classic 5.0 in poi) sono dotate di una calcolatrice CAS: con questa non possiamo fare tutto ciò che facciamo con Maxima ma possiamo fare comunque molto con ottima integrazione in quell’insuperabile software didattico libero che è Geogebra.
* * *
Tutti questi software compiono elaborazioni di calcolo simbolico su input espressi secondo un linguaggio che varia da software a software e forniscono un risultato. Se questo risultato è funzionale per compiere ulteriori elaborazioni, esso è inseribile, sempre secondo il linguaggio del software, in queste ulteriori elaborazioni fino al raggiungimento del risultato finale, magari di carattere numerico.
Al programmatore, più o meno dilettante, che voglia inserire in un programma scritto nel suo linguaggio preferito passaggi di calcolo simbolico, insieme a quant’altro, questi software non servono.
Ma nel mondo del software libero si è pensato anche a queste esigenze e, di fianco ai citati software a ciclo completo, si sono create librerie che consentono di inserire il calcolo simbolico all’interno di normali programmi scritti in C, in Pascal o in Python.
Probabilmente la più famosa è GiNaC (acronimo ricorsivo di Ginac is not a cas), biblioteca per C++.
Altra biblioteca, utilizzabile in C, C++, Pascal, Fortran, Perl e Python, è Pari.
Ma un appassionato di Python come me non può certo ignorare SymPy, il modulo di calcolo simbolico del linguaggio Python.
Tra l’altro SymPy ha il pregio di essere la più completa risorsa nel mondo Python per la soluzione di equazioni di ogni tipo.
E’ proprio a questa libreria che dedico l’allegata guida introduttiva, in formato PDF, liberamente scaricabile, stampabile e distribuibile.
Kotlin: Java facilitato
Nel mio articolo “Il più giovane compilatore open source” del gennaio 2019 ho parlato del linguaggio Go, che Google ha proposto al mondo open source come semplificazione del linguaggio C/C++.
Oggi non posso fare a meno di richiamare l’esistenza di un altro linguaggio open source, che si chiama Kotlin, questa volta definito come semplificazione del linguaggio Java, che ha acquisito il pregio di essere raccomandato da Google per la programmazione delle app per Android, finora programmate preferibilmente in Java.
Al di là di questa prerogativa, il linguaggio Kotlin può servire per programmare in generale.
In rete esiste parecchia documentazione, con ottimi tutorial, anche in italiano e lo scorso maggio Apogeo ha pubblicato il testo di Massimo Carli “Kotlin, guida al nuovo linguaggio di Android e dello sviluppo mobile”.
Come ho fatto quando ho parlato di Go, anche per Kotlin ho ritenuto di predisporre l’allegato manualetto in formato PDF, a vantaggio dei dilettanti curiosi come me, che contiene quanto serve per avere un’idea di base del linguaggio e per produrre qualche programmino facile facile.
Come sempre, il documento è liberamente scaricabile, stampabile e distribuibile.
KNIME: l’alternativa a Python per i data scientists
Nell’articolo “Software libero per data scientists” dello scorso aprile ho accennato all’abbondanza di software disponibile nel mondo del software libero per la moderna scienza dei dati, quella che ha a che fare con i così detti big data, ed ho allegato all’articolo stesso un manualetto che descrive la dotazione di strumenti di analisi che ci offre il mondo Python, dotazione che trova la sua completezza nella raccolta Anaconda.
Nel testo dell’articolo ho elencato alcuni software, tra cui quello chiamato KNIME, ma, preso dalla foga di Python, ingiustamente non ho detto null’altro di questo gioiello.
Oggi voglio rimediare a questa ingiustizia, quanto meno per richiamare la particolarità che lo caratterizza: si può utilizzare per fare tantissime cose senza scrivere una riga di codice.
Come tutte le cose che qualcun altro ha automatizzato per noi, fa tutte le cose che ha immaginato qualcun altro e non è detto che faccia quelle che vogliamo noi: ma ne fa veramente tante e vanta comunque la possibilità di essere esteso da R o da Python per darci modo di fare quelle poche e rare che non fa lui.
Rigidamente documentato in sola lingua inglese, fortunatamente, dallo scorso marzo, grazie all’editore Apogeo, ha una presentazione in italiano nel volumetto Andrea De Mauro – Big Data Analytics.
Senza permettermi di riscrivere quanto ha già scritto un professionista come De Mauro, ritengo utile proporre l’appunto che allego in formato PDF per una presentazione dell’argomento.
Come sempre il documento allegato è liberamente scaricabile, stampabile e distribuibile.
Ancora Python su Android
In un mio articolo del giugno 2015, intitolato Python su Android e archiviato in Programmazione su questo blog, ho parlato di come fosse possibile lavorare con Python su Android grazie all’installazione di un layer per l’esecuzione di script di vario tipo, tra cui gli script Python.
Tuttora è possibile fare questo installando le due app indicate in quell’articolo: il layer sl4a, il cui funzionamento è illustrato nel file PDF allegato all’articolo stesso, e il pacchetto Python per Android.
Con quegli strumenti abbiamo la possibilità di creare e utilizzare script Python di varia utilità, avendo tuttavia a disposizione la sola versione Python di base, semplicemente arricchita della libreria per le funzioni matematiche ricorrenti. Non abbiamo invece la possibilità di accedere alla ricchezza delle estensioni descritte nel mio articolo Python per tutti del febbraio 2017, alle funzioni grafiche descritte nei miei articoli Grafica con Python del maggio 2018 e Ancora grafica con Python dell’ottobre 2018 ed alle sofisticazioni descritte nel mio articolo Software libero per data scientists dello scorso mese di aprile 2019: tutti articoli archiviati in Programmazione su questo blog.
Nel frattempo la IIEC di Novosibirsk ci ha regalato una cosa interessante: una app che ci consente di avere Python sul nostro dispositivo equipaggiato Android come – o quasi – se lo stessimo utilizzando su un normale computer equipaggiato Linux, senza più limitazioni, salvo quelle di memoria e di capacità elaborativa del dispositivo stesso.
Il primo rilascio di questa app, che si chiama Pydroid, risale alla fine del 2017 e il più recente, versione 3.01, è del 4 aprile 2019.
Visto che, pur con qualche residuale eccezione, pare che la app abbia superato l’assestamento dei primi rilasci, ne presento le funzionalità nell’allegato manualetto in formato PDF.
Come sempre il documento è liberamente scaricabile, stampabile e distribuibile.
Software libero per data scientists
Qualche anno fa la Harvard Business Revue ha pubblicato un articolo dal titolo “Data Scientist: the Sexiest Job of the 21st Century”.
Per farci capire cosa ci sia di così seducente in questa professione, definita la più sexy del XXI secolo, l’articolo la definisce “di alto livello, con la formazione e la curiosità di fare scoperte nel mondo dei big data”, dice che i data scientists “fanno scoperte mentre nuotano nei dati. È il loro metodo preferito per navigare nel mondo che li circonda. A loro agio nel regno digitale, sono in grado di strutturare grandi quantità di dati senza forma e renderne possibile l’analisi.” e conclude invitando il lettore a pensare al data scientist come a “un ibrido di data hacker, analista, comunicatore e consulente di fiducia in una combinazione estremamente potente e rara.”
In maniera meno colorita diciamo che la scienza dei dati è la disciplina finalizzata ad estrarre conoscenza dai dati e che il professionista che vi si dedica deve sapere di informatica e di statistica, avendo anche la capacità di tradurre in linguaggio naturale i risultati delle sue analisi e le indicazioni che ne derivano.
A supporto di quest’ultima capacità di capire e comunicare non esiste software ma per l’informatica (strutturazione dei dati e algoritmi per elaborarli) e la statistica (analisi della correlazione tra dati e dell’inferenza) esiste moltissimo software, sviluppato o reso funzionale alle moderne esigenze soprattutto negli anni più recenti.
Software per analizzare ed elaborare dati ce n’è da quando c’è il computer. Ma fino a qualche tempo fa oggetto delle elaborazioni erano soprattutto piccole quantità di dati numerici: la statistica ha sempre lavorato per lo più su campioni di dati numerici. Le moderne esigenze sono innanzi tutto quella di lavorare sulle enormi moli di dati che vengono accumulati di minuto in minuto dalla digitalizzazione che ha invaso ogni nostra attività e quella di non rinunciare a trarre conoscenza anche dall’analisi di dati non numerici.
Per fare queste cose, nel mondo del software libero abbiamo gioielli come KNIME, Orange e WEKA. Ma la quintessenza, per completezza di strumenti, è una raccolta di programmi open source in linguaggio Python che, tanto per stare tra rettili, si chiama Anaconda, il cui primo rilascio, con licenza libera New BSD, è del 17 luglio 2012.
Esistono raccolte similari: ActivePython, Enthought Canopy e, solo per Windows, WinPython se stiamo a quelle legate al linguaggio Python, Apache Spark, legato al linguaggio Scala/Java, più adatto al calcolo distribuito e utilizzato nei progetti Apache Hadoop e IBM Watson, solo per Linux.
In tutto questo mondo, Anaconda è ampiamente utilizzata e spesso preferita dagli addetti ai lavori per come si presenta e per come è organizzata, per la numerosità dei pacchetti che contiene (anche se, alla fine, quelli che contano sono pochissimi e sono presenti in tutte le altre distribuzioni), per tutta una serie di utilità collaterali che offre in tema di apprendimento e documentazione e, non da ultimo, per la sua scalabilità, cioè per la possibilità che abbiamo di costruirla anche in dimensioni più ridotte di quella completa.
Ovviamente con disponibilità per tutti i sistemi operativi più diffusi (Linux, Mac OS X e Windows).
Dal momento che la documentazione in lingua italiana sull’argomento scarseggia ho ritenuto utile produrre l’allegato manualetto in formato PDF, dedicato a Anaconda.
Come sempre si tratta di documento liberamente scaricabile, stampabile e distribuibile.
Non solo Linux
Leggendo i contenuti di questo blog è possibile si alimenti la convinzione che l’unico sistema operativo di software libero alternativo ai due sistemi proprietari Windows e Mac OS X sia Linux: infatti ogniqualvolta indico i sistemi operativi su cui girano i vari programmi applicativi che presento mi limito a citare questi tre, due proprietari e uno libero.
Il motivo è che la bandiera del software libero la porta Linux, il cui kernel, per la prima volta rilasciato da Linus Torvalds nel 1991, divenne immediatamente il tassello mancante per il completamento del progetto di sistema operativo GNU di Richard Stallman: tanto è vero che, per alludere al sistema operativo dotato del kernel di Linus Torvalds, invece di dire semplicemente Linux, si dovrebbe dire GNU/Linux.
La primazia ha portato il successo immediato e su GNU/Linux sono nate e si sono sviluppate le varie distribuzioni che conosciamo: in proposito rimando al mio articolo “Quale Linux” dell’aprile 2017, archiviato nella categoria Software libero di questo blog.
Ma dal sistema Unix, dal quale, peraltro, proviene anche il kernel del sistema proprietario del Mac, provengono altri kernel, ugualmente liberi come Linux.
Uno, per un soffio, non prese il posto di Linux nel 1991 per il completamento del progetto GNU: si chiama Hurd. Il progetto Hurd nacque nel 1990 con l’obiettivo di sostituire il kernel di Unix ma ebbe uno sviluppo piuttosto lento e fu battuto sul tempo da Linux.
Dal momento, tuttavia, che Hurd deriva direttamente da Unix, laddove Linux deriva propriamente da Minix, a sua volta derivato da Unix, esso ha una superiorità architetturale che gli sviluppatori hanno sempre apprezzato, al punto da non abbandonare mai il suo sviluppo.
Sicché oggi esiste un sistema operativo GNU/Hurd e si è tentato di crearne delle distribuzioni: l’unica che ha avuto un seguito è la distribuzione Debian la cui ultima versione, Debian GNU/Hurd, è del giugno 2017.
Altro progetto importante che ci mette a disposizione un sistema operativo libero è BSD, che sta per Berkeley Software Distribution, nato nel 1993 sempre per creare un sistema operativo di derivazione Unix.
Grazie a questo progetto oggi disponiamo di FreeBSD, un kernel monolitico, chiamato kFreeBSD molto usato per sistemi operativi su server.
Per desktop possiamo disporre della distribuzione Debian GNU/kFreeBSD e di altre derivate (PC-BSD, DesktopBSD, GhostBSD).
In ogni caso si tratta di sistemi molto simili a Linux e quasi tutto il software scritto per Linux gira anche su di essi (in particolare FreeBSD ha un vero e proprio layer di compatibilità).
Per l’utenza dilettantesca, anche se evoluta, è comunque consigliabile affidarsi ad una distribuzione Linux, se non altro per essere tranquilli circa la compatibilità praticamente con tutto l’hardware in circolazione.
Software libero per la sicurezza informatica
Quello della sicurezza informatica è probabilmente il campo in cui la presenza di software libero è preponderante, forse anche perché è in questo campo che troviamo tutto il software anonimamente creato ed utilizzato dagli hacker cattivi per compiere le loro azioni, molto spesso criminose e, purtroppo, portatrici di danno.
Tra l’altro è molto spesso difficile stabilire, per esempio, se un software destinato a trovare i punti deboli di una rete sia nato per rimediare alle falle (finalità di sicurezza) oppure per penetrare nella rete e rubare dati dai computer che vi sono collegati (finalità criminosa).
Sicché ormai tutte queste attività destinate ad indagare i lati più misteriosi dell’informatica sono universalmente catalogate nel così detto hacking, salvo poi distinguere tra hacker bianchi e hacker neri, magari anche grigi: i bianchi sono quelli buoni, altrimenti detti hacker etici, che si accorgono di falle e le comunicano a chi di dovere affinché trovi rimedio, anche suggerendo il rimedio stesso, i neri sono quelli cattivi, che ricercano o creano i punti deboli per fare danno. In mezzo stanno i grigi, a caccia di punti deboli per ricattare chi ne soffre.
Penso che i singoli tool per fare queste cose siano parecchie centinaia ed abbiano creato una vera e propria foresta inestricabile.
Fortunatamente c’è chi si è dato la briga di creare delle raccolte, addirittura raggruppando vari strumenti attorno ad un kernel di sistema operativo a loro dedicato, in modo che gli strumenti stessi siano utilizzabili in ambiente separato da quello su cui facciamo le nostre cose di tutti i giorni.
Siamo in pieno software libero e il sistema operativo universalmente utilizzato per queste cose non può che essere Linux.
Nel manualetto allegato in formato PDF presento un paio di soluzioni che insieme penso raccolgano la stragrande maggioranza dei tool esistenti.
Come sempre il manualetto è liberamente scaricabile, stampabile e distribuibile, mi auguro a fin di bene.