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, 20 lezioni tutto riguardo la Data Science. Ogni lezione include quiz pre-lezione e post-lezione, istruzioni scritte per completare la lezione, una soluzione e un compito. Il nostro approccio basato su progetti ti permette di imparare costruendo, un modo comprovato affinché le nuove competenze "rimangano".

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

🙏 Grazie 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)

Arabic | Bengali | Bulgarian | Burmese (Myanmar) | Chinese (Simplified) | Chinese (Traditional, Hong Kong) | Chinese (Traditional, Macau) | Chinese (Traditional, Taiwan) | Croatian | Czech | Danish | Dutch | Estonian | Finnish | French | German | Greek | Hebrew | Hindi | Hungarian | Indonesian | Italian | Japanese | Kannada | Korean | Lithuanian | Malay | Malayalam | Marathi | Nepali | Nigerian Pidgin | Norwegian | Persian (Farsi) | Polish | Portuguese (Brazil) | Portuguese (Portugal) | Punjabi (Gurmukhi) | Romanian | Russian | Serbian (Cyrillic) | Slovak | Slovenian | Spanish | Swahili | Swedish | Tagalog (Filipino) | Tamil | Telugu | Thai | Turkish | Ukrainian | Urdu | Vietnamese

Preferisci Clonare Localmente?

Questo repository include oltre 50 traduzioni in lingue che aumentano significativamente la dimensione del download. Per clonare senza traduzioni, usa il sparse checkout:

Bash / macOS / Linux:

git clone --filter=blob:none --sparse https://github.com/microsoft/Data-Science-For-Beginners.git
cd Data-Science-For-Beginners
git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'

CMD (Windows):

git clone --filter=blob:none --sparse https://github.com/microsoft/Data-Science-For-Beginners.git
cd Data-Science-For-Beginners
git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"

Questo ti fornisce tutto il necessario per completare il corso con un download molto più veloce.

Se desideri avere lingue di traduzione aggiuntive supportate sono elencate qui

Unisciti alla Nostra Comunità

Abbiamo una serie Discord "impara con AI" in corso, scopri di più e unisciti a noi su Learn with AI Series dal 18 al 30 settembre 2025. Riceverai suggerimenti e trucchi per 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 anche modi per ottenere un voucher per certificazione gratuita. Questa è una pagina da aggiungere ai preferiti e controllare di tanto in tanto perché 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.

Iniziare

📚 Documentazione

• Guida all’Installazione - Istruzioni passo-passo per l’installazione per principianti
• Guida all’Uso - Esempi e flussi di lavoro comuni
• Risoluzione dei Problemi - Soluzioni a problemi comuni
• Guida al Contributo - Come contribuire a questo progetto
• Per Insegnanti - Guida didattica e risorse per la classe

👨‍🎓 Per gli Studenti

Principianti Assoluti: Nuovo alla data science? Inizia con i nostri esempi per principianti! Questi esempi semplici e ben commentati ti aiuteranno a capire le basi prima di entrare nel curriculum completo. Studenti: per usare questo curriculum da solo, fai il fork dell’intero repository e completa gli esercizi autonomamente, iniziando con un quiz pre-lezione. Poi leggi la lezione e completa le altre attività. Cerca di creare i progetti comprendendo le lezioni anziché copiare il codice soluzione; tuttavia, quel codice è disponibile nelle cartelle /solutions in ogni lezione orientata al progetto. Un’altra idea sarebbe formare un gruppo di studio con amici e attraversare i contenuti insieme. Per ulteriori studi, raccomandiamo Microsoft Learn.

Inizio Rapido:

1. Controlla la Guida all’Installazione per configurare l’ambiente
2. Rivedi la Guida all’Uso per imparare come lavorare con il curriculum
3. Inizia con la Lezione 1 e procedi in ordine sequenziale
4. Unisciti alla nostra comunità Discord per supporto

👩‍🏫 Per gli Insegnanti

Insegnanti: abbiamo incluso alcuni suggerimenti su come utilizzare questo curriculum. Ci farebbe piacere ricevere il vostro feedback nel nostro forum di discussione!

Incontra il Team

Gif di Mohit Jaisal

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

Pedagogia

Abbiamo scelto due principi pedagogici mentre costruivamo 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, inclusi 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 basso rischio prima di una lezione pone l'intenzione dello studente verso l'apprendimento di un argomento, mentre un secondo quiz dopo la lezione garantisce una maggiore ritenzione. Questo curriculum è stato progettato per essere flessibile e divertente e può essere seguito nella sua interezza o in parte. I progetti iniziano piccoli e diventano progressivamente più complessi alla fine del ciclo di 10 settimane.

Trova il nostro Codice di Condotta, le linee guida per Contributi e Traduzioni. Accogliamo con piacere 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 per costruire il progetto
• Controlli di conoscenza
• 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 fase di traduzione progressiva.

🎓 Esempi adatti ai principianti

Sei nuovo alla Scienza dei Dati? Abbiamo creato una speciale directory di esempi con codice semplice e ben commentato per aiutarti a iniziare:

• 🌟 Hello World - Il tuo primo programma di scienza dei dati
• 📂 Caricamento dati - Impara a leggere ed esplorare dataset
• 📊 Analisi semplice - Calcola statistiche e trova pattern
• 📈 Visualizzazione di base - Crea grafici e diagrammi
• 🔬 Progetto reale - Flusso di lavoro completo dall'inizio alla fine

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

👉 Inizia con gli esempi 👈

Lezioni

Scienza dei Dati per Principianti: Roadmap - Sketchnote di @nitya

Numero Lezione	Argomento	Raggruppamento Lezione	Obiettivi di Apprendimento	Lezione Collegata	Autore
01	Definizione di Scienza dei Dati	Introduzione	Impara i concetti base della scienza dei dati e come si relazione con intelligenza artificiale, machine learning e big data.	lezione video	Dmitry
02	Etica nella Scienza dei Dati	Introduzione	Concetti, sfide e framework dell'etica dei dati.	lezione	Nitya
03	Definizione di Dati	Introduzione	Come i dati sono classificati e le loro fonti comuni.	lezione	Jasmine
04	Introduzione a Statistica e Probabilità	Introduzione	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 basi dell'esplorazione e analisi con il Structured Query Language, noto come SQL (pronunciato “see-quell”).	lezione	Christopher
06	Lavorare con Dati NoSQL	Lavorare con i Dati	Introduzione ai dati non relazionali, i vari tipi e le basi dell'esplorazione e analisi di database documentali.	lezione	Jasmine
07	Lavorare con Python	Lavorare con i Dati	Basi dell'uso di Python per l'esplorazione dati con librerie come Pandas. Si raccomanda una comprensione di base della programmazione Python.	lezione video	Dmitry
08	Preparazione dei Dati	Lavorare con i Dati	Tecniche di pulizia e trasformazione dei dati per affrontare dati mancanti, inaccurati o incompleti.	lezione	Jasmine
09	Visualizzazione di Quantità	Visualizzazione Dati	Impara a usare Matplotlib per visualizzare dati sugli uccelli 🦆	lezione	Jen
10	Visualizzare Distribuzioni di Dati	Visualizzazione Dati	Visualizzare osservazioni e tendenze all'interno di un intervallo.	lezione	Jen
11	Visualizzare Proporzioni	Visualizzazione Dati	Visualizzare percentuali discrete e raggruppate.	lezione	Jen
12	Visualizzare Relazioni	Visualizzazione Dati	Visualizzare connessioni e correlazioni tra set di dati e le loro variabili.	lezione	Jen
13	Visualizzazioni Significative	Visualizzazione Dati	Tecniche e linee guida per rendere le tue visualizzazioni utili per una risoluzione efficace dei problemi e approfondimenti.	lezione	Jen
14	Introduzione al ciclo di vita della Scienza dei Dati	Ciclo di Vita	Introduzione al ciclo di vita della scienza dei dati e al primo passo di acquisizione ed estrazione dei dati.	lezione	Jasmine
15	Analisi	Ciclo di Vita	Questa fase del ciclo di vita della scienza dei dati si concentra sulle tecniche di analisi dei dati.	lezione	Jasmine
16	Comunicazione	Ciclo di Vita	Questa fase del ciclo di vita della scienza dei dati si concentra sulla presentazione degli insight dai dati in modo che i decisori possano comprenderli più facilmente.	lezione	Jalen
17	Scienza dei Dati nel Cloud	Dati Cloud	Questa serie di lezioni introduce la scienza dei dati nel cloud e i suoi benefici.	lezione	Tiffany e Maud
18	Scienza dei Dati nel Cloud	Dati Cloud	Addestramento di modelli usando strumenti Low Code.	lezione	Tiffany e Maud
19	Scienza dei Dati nel Cloud	Dati Cloud	Distribuzione di modelli con Azure Machine Learning Studio.	lezione	Tiffany e Maud
20	Scienza dei Dati nella Vita Reale	Nel Mondo Reale	Progetti di scienza dei dati applicati nel mondo reale.	lezione	Nitya

GitHub Codespaces

Segui questi passaggi per aprire questo esempio in un Codespace:

1. Clicca sul menu a discesa Codice e seleziona l'opzione Apri con Codespaces.
2. Seleziona + Nuovo codespace in fondo al pannello. Per maggiori informazioni, consulta la documentazione di GitHub.

VSCode Remote - Containers

Segui questi passaggi per aprire questo repository in un container usando il tuo computer 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 esempio, avere Docker installato) nella documentazione introduttiva.

Per usare questo repository, puoi aprire il repository in un volume Docker isolato:

Nota: Sotto il cofano, questo utilizzerà il comando Remote-Containers: Clona Repository in Volume Container... per clonare il codice sorgente in un volume Docker invece che nel filesystem locale. I volumi sono il meccanismo preferito per la persistenza dei dati del container.

Oppure apri una versione clonata o scaricata localmente del repository:

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

Accesso Offline

Puoi eseguire questa documentazione offline usando Docsify. Fai un fork di questo repo, installa Docsify sul tuo computer locale, quindi nella cartella radice di questo repo digita docsify serve. Il sito sarà servito sulla porta 3000 del tuo localhost: localhost:3000.

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

Altri Curricula

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

LangChain

Azure / Edge / MCP / Agenti

---

Serie AI Generativa

---

Apprendimento Base

---

Serie Copilot

Ottenere Aiuto

Hai riscontrato problemi? Consulta la nostra Guida alla Risoluzione dei Problemi per soluzioni ai problemi comuni.

Se sei bloccato o hai domande sulla creazione di app AI, unisciti ad altri studenti e sviluppatori esperti nelle discussioni su MCP. È una comunità di supporto dove le domande sono benvenute e la conoscenza viene condivisa liberamente.

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

---

Disclaimer: Questo documento è stato tradotto utilizzando il servizio di traduzione automatica Co-op Translator. Pur impegnandoci per l’accuratezza, si prega di notare che le traduzioni automatiche possono contenere errori o inesattezze. Il documento originale nella sua lingua nativa deve essere considerato la fonte autorevole. Per informazioni critiche, si consiglia una traduzione professionale effettuata da un traduttore umano. Non ci assumiamo alcuna responsabilità per eventuali incomprensioni o interpretazioni errate derivanti dall’uso di questa traduzione.