Data-Science-For-Beginners/translations/it

Data Science per Principianti - Un Curriculum

Gli Azure Cloud Advocates di Microsoft sono lieti di offrire un curriculum di 10 settimane e 20 lezioni tutto dedicato alla Data Science. Ogni lezione include quiz pre-lezione e post-lezione, istruzioni scritte per completare la lezione, una soluzione e un compito. La nostra pedagogia basata su progetti ti permette di imparare costruendo, un modo comprovato affinché le nuove competenze "restino".

Un sentito ringraziamento ai nostri autori: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 Ringraziamenti speciali 🙏 ai nostri autori, revisori e contributori di contenuti Microsoft Student Ambassador, in particolare Aaryan Arora, Aditya Garg, Alondra Sanchez, Ankita Singh, Anupam Mishra, Arpita Das, ChhailBihari Dubey, Dibri Nsofor, Dishita Bhasin, Majd Safi, Max Blum, Miguel Correa, Mohamma Iftekher (Iftu) Ebne Jalal, Nawrin Tabassum, Raymond Wangsa Putra, Rohit Yadav, Samridhi Sharma, Sanya Sinha, Sheena Narula, Tauqeer Ahmad, Yogendrasingh Pawar , Vidushi Gupta, Jasleen Sondhi

Data Science Per Principianti - Sketchnote di @nitya

🌐 Supporto multilingue

Supportato tramite GitHub Action (Automatizzato e sempre aggiornato)

Arabo | Bengalese | Bulgaro | Birmano (Myanmar) | Cinese (semplificato) | Cinese (tradizionale, Hong Kong) | Cinese (tradizionale, Macao) | Cinese (tradizionale, Taiwan) | Croato | Ceco | Danese | Olandese | Estone | Finlandese | Francese | Tedesco | Greco | Ebraico | Hindi | Ungherese | Indonesiano | Italiano | Giapponese | Kannada | Coreano | Lituano | Malese | Malayalam | Marathi | Nepalese | Pidgin nigeriano | Norvegese | Persiano (Farsi) | Polacco | Portoghese (Brasile) | Portoghese (Portogallo) | Punjabi (Gurmukhi) | Rumeno | Russo | Serbo (Cirillico) | Slovacco | Sloveno | Spagnolo | Swahili | Svedese | Tagalog (Filippino) | Tamil | Telugu | Thailandese | Turco | Ucraino | Urdu | Vietnamita

Se desideri altre lingue di traduzione supportate, sono elencate qui

Unisciti alla nostra community

Abbiamo in corso una serie Discord "Learn with AI", scopri di più e unisciti a noi su Serie Impara con l'IA dal 18 al 30 settembre 2025. Riceverai consigli e trucchi su come usare GitHub Copilot per la Data Science.

Sei uno studente?

Inizia con le seguenti risorse:

• Pagina Student Hub In questa pagina troverai risorse per principianti, pacchetti per studenti e persino modi per ottenere un voucher per una certificazione gratuita. È una pagina da aggiungere ai preferiti e consultare di tanto in tanto, poiché aggiorniamo i contenuti almeno mensilmente.
• Microsoft Learn Student Ambassadors Unisciti a una comunità globale di ambasciatori studenteschi, questo potrebbe essere il tuo modo per entrare in Microsoft.

Per iniziare

📚 Documentazione

• Installation Guide - Istruzioni passo dopo passo per la configurazione per principianti
• Usage Guide - Esempi e flussi di lavoro comuni
• Troubleshooting - Soluzioni ai problemi comuni
• Contributing Guide - Come contribuire a questo progetto
• For Teachers - Indicazioni per l'insegnamento e risorse per la classe

👨‍🎓 Per gli studenti

Complete Beginners: Nuovo alla data science? Parti dai nostri beginner-friendly examples! Questi esempi semplici e ben commentati ti aiuteranno a comprendere le basi prima di immergerti nel curriculum completo. Students: per usare questo curriculum in autonomia, fai il fork dell'intero repository e completa gli esercizi da solo, iniziando con un quiz pre-lezione. Poi leggi la lezione e completa il resto delle attività. Cerca di creare i progetti comprendendo le lezioni piuttosto che copiando il codice di soluzione; comunque, quel codice è disponibile nelle cartelle /solutions in ogni lezione orientata al progetto. Un'altra idea è formare un gruppo di studio con amici e seguire insieme i contenuti. Per ulteriori approfondimenti, consigliamo Microsoft Learn.

Avvio rapido:

1. Consulta la Installation Guide per configurare il tuo ambiente
2. Consulta la Usage Guide per imparare come lavorare con il curriculum
3. Inizia con la Lezione 1 e procedi in ordine
4. Unisciti alla nostra community Discord per supporto

👩‍🏫 Per gli insegnanti

Teachers: abbiamo incluso alcuni suggerimenti su come utilizzare questo curriculum. Ci piacerebbe ricevere il tuo feedback nel nostro forum di discussione!

Incontra il team

GIF di Mohit Jaisal

🎥 Clicca l'immagine sopra per un video sul progetto e sulle persone che l'hanno creato!

Pedagogia

Abbiamo scelto due principi pedagogici durante la costruzione di questo curriculum: assicurare che sia basato su progetti e che includa quiz frequenti. Alla fine di questa serie, gli studenti avranno appreso i principi base della scienza dei dati, compresi concetti etici, preparazione dei dati, diversi modi di lavorare con i dati, visualizzazione dei dati, analisi dei dati, casi d'uso reali della scienza dei dati e altro ancora.

Inoltre, un quiz a bassa posta in gioco prima di una lezione stabilisce l'intenzione dello studente verso l'apprendimento di un argomento, mentre un secondo quiz dopo la lezione assicura una maggiore ritenzione. Questo curriculum è stato progettato per essere flessibile e divertente e può essere seguito completamente o parzialmente. I progetti partono piccoli e diventano sempre più complessi entro la fine del ciclo di 10 settimane.

Consulta le nostre linee guida: Codice di Condotta, Contribuire, Traduzione. Accogliamo il tuo feedback costruttivo!

Ogni lezione include:

• Sketchnote opzionale
• Video supplementare opzionale
• Quiz di riscaldamento pre-lezione
• Lezione scritta
• Per le lezioni basate su progetti, guide passo passo su come costruire il progetto
• Verifiche delle conoscenze
• Una sfida
• Letture supplementari
• Compito
• Quiz post-lezione

Una nota sui quiz: Tutti i quiz sono contenuti nella cartella Quiz-App, per un totale di 40 quiz da tre domande ciascuno. Sono collegati all'interno delle lezioni, ma l'app dei quiz può essere eseguita localmente o distribuita su Azure; segui le istruzioni nella cartella quiz-app. Sono in corso di localizzazione.

🎓 Esempi per principianti

Nuovo alla scienza dei dati? Abbiamo creato una cartella speciale examples directory con codice semplice e ben commentato per aiutarti a iniziare:

• 🌟 Hello World - Il tuo primo programma di scienza dei dati
• 📂 Loading Data - Impara a leggere ed esplorare i dataset
• 📊 Simple Analysis - Calcola statistiche e trova pattern
• 📈 Basic Visualization - Crea grafici e diagrammi
• 🔬 Real-World Project - Flusso di lavoro completo dall'inizio alla fine

Ogni esempio include commenti dettagliati che spiegano ogni passaggio, rendendolo perfetto per i principianti assoluti!

👉 Inizia con gli esempi 👈

Lezioni

Scienza dei dati per principianti: Roadmap - Sketchnote di @nitya

Numero lezione	Argomento	Raggruppamento della lezione	Obiettivi di apprendimento	Lezione collegata	Autore
01	Definire la scienza dei dati	Introduzione	Impara i concetti di base della scienza dei dati e come è correlata all'intelligenza artificiale, all'apprendimento automatico e ai big data.	lezione video	Dmitry
02	Etica della scienza dei dati	Introduzione	Concetti, sfide e framework dell'etica dei dati.	lezione	Nitya
03	Definire i dati	Introduzione	Come i dati sono classificati e le loro fonti comuni.	lezione	Jasmine
04	Introduzione a Statistica e Probabilità	Introduzione	Le tecniche matematiche di probabilità e statistica per comprendere i dati.	lezione video	Dmitry
05	Lavorare con dati relazionali	Lavorare con i dati	Introduzione ai dati relazionali e le basi per esplorare e analizzare dati relazionali con il Structured Query Language, noto anche come SQL (pronunciato “see-quell”).	lezione	Christopher
06	Lavorare con dati NoSQL	Lavorare con i dati	Introduzione ai dati non relazionali, i loro vari tipi e le basi per esplorare e analizzare i database a documenti.	lezione	Jasmine
07	Lavorare con Python	Lavorare con i dati	Nozioni di base sull'uso di Python per l'esplorazione dei dati con librerie come Pandas. Si raccomanda una comprensione di base della programmazione in Python.	lezione video	Dmitry
08	Preparazione dei dati	Lavorare con i dati	Argomenti sulle tecniche di dati per pulire e trasformare i dati per gestire problemi di dati mancanti, imprecisi o incompleti.	lezione	Jasmine
09	Visualizzare quantità	Data Visualization	Impara a usare Matplotlib per visualizzare dati sugli uccelli 🦆	lezione	Jen
10	Visualizzare distribuzioni di dati	Data Visualization	Visualizzare osservazioni e tendenze all'interno di un intervallo.	lezione	Jen
11	Visualizzare proporzioni	Data Visualization	Visualizzare percentuali discrete e raggruppate.	lezione	Jen
12	Visualizzare relazioni	Data Visualization	Visualizzare connessioni e correlazioni tra insiemi di dati e le loro variabili.	lezione	Jen
13	Visualizzazioni significative	Data Visualization	Tecniche e linee guida per rendere le tue visualizzazioni utili per la risoluzione efficace dei problemi e per ottenere insight.	lezione	Jen
14	Introduzione al ciclo di vita della scienza dei dati	Lifecycle	Introduzione al ciclo di vita della scienza dei dati e al suo primo passo di acquisizione ed estrazione dei dati.	lezione	Jasmine
15	Analisi	Lifecycle	Questa fase del ciclo di vita della scienza dei dati si concentra sulle tecniche per analizzare i dati.	lezione	Jasmine
16	Comunicazione	Lifecycle	Questa fase del ciclo di vita della scienza dei dati si concentra sulla presentazione degli insight derivati dai dati in modo che sia più facile per i decisori comprenderli.	lezione	Jalen
17	La scienza dei dati nel cloud	Cloud Data	Questa serie di lezioni introduce la scienza dei dati nel cloud e i suoi benefici.	lezione	Tiffany and Maud
18	La scienza dei dati nel cloud	Cloud Data	Addestramento di modelli usando strumenti Low Code.	lezione	Tiffany and Maud
19	La scienza dei dati nel cloud	Cloud Data	Distribuire modelli con Azure Machine Learning Studio.	lezione	Tiffany and Maud
20	La scienza dei dati nel mondo reale	In the Wild	Progetti guidati dalla scienza dei dati nel mondo reale.	lezione	Nitya

GitHub Codespaces

Segui questi passaggi per aprire questo esempio in un Codespace:

1. Fai clic sul menu a discesa Code e seleziona l'opzione Open with Codespaces.
2. Seleziona + New codespace nella parte inferiore del pannello. Per maggiori informazioni, consulta la documentazione GitHub.

VSCode Remote - Containers

Segui questi passaggi per aprire questo repository in un contenitore usando la tua macchina locale e VSCode con l'estensione VS Code Remote - Containers:

1. Se è la prima volta che usi un container di sviluppo, assicurati che il tuo sistema soddisfi i prerequisiti (ad es. avere Docker installato) nella documentazione per iniziare.

To use this repository, you can either open the repository in an isolated Docker volume:

Note: Under the hood, this will use the Remote-Containers: Clone Repository in Container Volume... command to clone the source code in a Docker volume instead of the local filesystem. Volumes are the preferred mechanism for persisting container data.

Or open a locally cloned or downloaded version of the repository:

• Clona questo repository nel tuo filesystem locale.
• Premi F1 e seleziona il comando Remote-Containers: Open Folder in Container....
• Seleziona la copia clonata di questa cartella, aspetta che il contenitore si avvii e prova.

Accesso offline

Puoi eseguire questa documentazione offline usando Docsify. Forka questo repo, installa Docsify sulla tua macchina locale, quindi nella cartella principale di questo repo digita docsify serve. Il sito sarà servito sulla porta 3000 sul tuo localhost: localhost:3000.

Nota, i notebook non verranno renderizzati tramite Docsify, quindi quando devi eseguire un notebook, fallo separatamente in VS Code con un kernel Python.

Altri curricula

Il nostro team produce altri curricula! Dai un'occhiata a:

LangChain

---

Azure / Edge / MCP / Agents

---

Serie IA generativa

---

Apprendimento di base

---

Serie Copilot

Ottenere aiuto

Problemi riscontrati? Consulta la nostra Guida alla risoluzione dei problemi per soluzioni ai problemi comuni.

Se resti bloccato o hai domande sulla creazione di app di IA. Unisciti ad altri studenti e sviluppatori esperti nelle discussioni su MCP. È una comunità di supporto dove le domande sono benvenute e le conoscenze vengono condivise liberamente.

Se hai feedback sul prodotto o riscontri errori durante lo sviluppo visita:

---

Dichiarazione di non responsabilità: Questo documento è stato tradotto utilizzando il servizio di traduzione automatica Co-op Translator. Pur impegnandoci a garantire l'accuratezza, si prega di notare che le traduzioni automatiche possono contenere errori o imprecisioni. Il documento originale nella sua lingua nativa è da considerarsi la fonte autorevole. Per informazioni critiche si raccomanda una traduzione professionale effettuata da un traduttore umano. Non siamo responsabili per eventuali fraintendimenti o interpretazioni errate derivanti dall'uso di questa traduzione.