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, con 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 permette di imparare costruendo, un modo comprovato per far 'assorbire' nuove competenze.

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 (Automatico 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 più di 50 traduzioni linguistiche che aumentano significativamente la dimensione del download. Per clonare senza traduzioni, usa sparse checkout:

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 dà tutto il necessario per completare il corso con un download molto più veloce.

Se desideri avere supporto per ulteriori lingue, quelle supportate sono elencate qui

Unisciti alla nostra Comunità

Abbiamo in corso una serie Discord "Impara con l'AI", scopri di più e unisciti a noi su Learn with AI Series dal 18 al 30 settembre 2025. Riceverai consigli 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 gratuito per la certificazione. Questa è una pagina che vorrai aggiungere ai preferiti e controllare di tanto in tanto poiché cambiamo il contenuto 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 dopo passo per configurare l'ambiente per principianti
• Guida all'Uso - Esempi e flussi di lavoro comuni
• Risoluzione Problemi - Soluzioni ai problemi comuni
• Guida alla Contribuzione - Come contribuire a questo progetto
• Per Insegnanti - Indicazioni didattiche e risorse per la classe

👨‍🎓 Per gli Studenti

Principianti Completi: Nuovo nel campo della data science? Inizia con i nostri esempi per principianti! Questi esempi semplici e ben commentati ti aiuteranno a comprendere le basi prima di affrontare l'intero curriculum. Studenti: per usare questo curriculum autonomamente, 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 della soluzione; tuttavia, questo codice è disponibile nelle cartelle /solutions in ogni lezione orientata al progetto. Un'altra idea potrebbe essere formare un gruppo di studio con amici e affrontare i contenuti insieme. Per ulteriori studi, raccomandiamo Microsoft Learn.

Avvio rapido:

1. Consulta la Guida all'Installazione per configurare il tuo ambiente
2. Rivedi la Guida all'Uso per imparare a lavorare con il curriculum
3. Inizia dalla Lezione 1 e procedi in ordine
4. Unisciti alla nostra community Discord per supporto

👩‍🏫 Per gli Insegnanti

Insegnanti: abbiamo incluso alcuni suggerimenti su come utilizzare questo curriculum. Ci piacerebbe 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 le persone che lo hanno creato!

Pedagogia

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

Inoltre, un quiz a basso rischio prima della lezione permette allo studente di orientarsi verso l'apprendimento di un argomento, mentre un secondo quiz dopo la lezione ne garantisce una ulteriore ritenzione. Questo curriculum è stato progettato per essere flessibile e divertente e può essere seguito integralmente o in parte. I progetti iniziano con esempi semplici e diventano sempre più complessi entro la fine del ciclo di 10 settimane.

Trova il nostro Codice di Condotta, le linee guida per Contributi, Traduzioni. Accogliamo volentieri i tuoi feedback costruttivi!

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 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 con tre domande ciascuno. Sono linkati all'interno delle lezioni, ma l'app quiz può essere eseguita localmente o distribuita su Azure; segui le istruzioni nella cartella quiz-app. Stanno venendo progressivamente localizzati.

🎓 Esempi per principianti

Nuovo nella Data Science? Abbiamo creato una speciale cartella di esempi con codice semplice e ben commentato per aiutarti a iniziare:

• 🌟 Hello World - Il tuo primo programma di data science
• 📂 Caricamento dei Dati - Impara a leggere e esplorare i dataset
• 📊 Analisi Semplice - Calcola statistiche e scopri modelli
• 📈 Visualizzazione Base - Crea grafici e diagrammi
• 🔬 Progetto Reale - Workflow completo dall'inizio alla fine

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

👉 Inizia con gli esempi 👈

Lezioni

Data Science Per Principianti: Roadmap - Sketchnote di @nitya

Numero Lezione	Argomento	Raggruppamento Lezione	Obiettivi di Apprendimento	Lezione Collegata	Autore
01	Definire la Data Science	Introduzione	Impara i concetti base dietro la data science e come è correlata all'intelligenza artificiale, al machine learning e ai big data.	lezione video	Dmitry
02	Etica nella Data Science	Introduzione	Concetti, sfide e framework di 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 dell'esplorazione e analisi di 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 database di documenti.	lezione	Jasmine
07	Lavorare con Python	Lavorare con i Dati	Nozioni base sull'uso di Python per l'esplorazione dei dati con librerie come Pandas. Si raccomanda una conoscenza di base della programmazione Python.	lezione video	Dmitry
08	Preparazione dei Dati	Lavorare con i Dati	Argomenti su tecniche di pulizia e trasformazione dei dati per gestire sfide di dati mancanti, inaccurati o incompleti.	lezione	Jasmine
09	Visualizzazione delle Quantità	Visualizzazione dei Dati	Impara come usare Matplotlib per visualizzare dati sugli uccelli 🦆	lezione	Jen
10	Visualizzazione delle Distribuzioni di Dati	Visualizzazione dei Dati	Visualizzazione di osservazioni e tendenze all'interno di un intervallo.	lezione	Jen
11	Visualizzazione delle Proporzioni	Visualizzazione dei Dati	Visualizzazione di percentuali discrete e raggruppate.	lezione	Jen
12	Visualizzazione delle Relazioni	Visualizzazione dei Dati	Visualizzazione di connessioni e correlazioni tra insiemi di dati e delle loro variabili.	lezione	Jen
13	Visualizzazioni Significative	Visualizzazione dei Dati	Tecniche e indicazioni per rendere le tue visualizzazioni preziose per una risoluzione efficace dei problemi e per ottenere insight.	lezione	Jen
14	Introduzione al ciclo di vita della Data Science	Ciclo di vita	Introduzione al ciclo di vita della data science e al suo primo passo di acquisizione ed estrazione dei dati.	lezione	Jasmine
15	Analisi	Ciclo di vita	Questa fase del ciclo di vita della data science si concentra sulle tecniche per analizzare i dati.	lezione	Jasmine
16	Comunicazione	Ciclo di vita	Questa fase del ciclo di vita della data science si concentra sulla presentazione degli insight dai dati in modo che sia più facile per i decisori comprenderli.	lezione	Jalen
17	Data Science nel Cloud	Dati Cloud	Questa serie di lezioni introduce la data science nel cloud e i suoi benefici.	lezione	Tiffany e Maud
18	Data Science nel Cloud	Dati Cloud	Addestrare modelli usando strumenti Low Code.	lezione	Tiffany e Maud
19	Data Science nel Cloud	Dati Cloud	Distribuzione di modelli con Azure Machine Learning Studio.	lezione	Tiffany e Maud
20	Data Science sul campo	Nel campo	Progetti guidati dalla data science nel mondo reale.	lezione	Nitya

GitHub Codespaces

Segui questi passaggi per aprire questo esempio in un Codespace:

1. Clicca sul menu a discesa Code e seleziona l'opzione Open with Codespaces.
2. Seleziona + New codespace in fondo al pannello. Per maggiori informazioni, consulta la documentazione GitHub.

VSCode Remote - Containers

Segui questi passaggi per aprire questo repo in un container 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 esempio, avere Docker installato) nella documentazione di avvio.

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

Nota: Sotto il cofano, questo userà il comando Remote-Containers: Clone Repository in Container Volume... per clonare il codice sorgente in un volume Docker anziché nel filesystem locale. I volumi sono il meccanismo preferito per persistere dati del container.

Oppure apri una copia clonata o scaricata localmente del repository:

• Clona questo repository sul 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 container si avvii e inizia a usarlo.

Accesso offline

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

Nota, i notebook non saranno 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 / Agenti

---

Serie AI Generativa

---

Apprendimento Fondamentale

---

Serie Copilot

Ottenere Aiuto

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

Se rimani bloccato o hai domande sulla creazione di app AI, unisciti a 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 errori durante lo sviluppo visita:

---

Disclaimer:
Questo documento è stato tradotto utilizzando il servizio di traduzione automatica Co-op Translator. Pur impegnandoci per garantire la precisione, si prega di considerare che le traduzioni automatiche potrebbero contenere errori o imprecisioni. Il documento originale nella sua lingua nativa deve essere considerato la fonte autorevole. Per informazioni critiche, si raccomanda una traduzione professionale effettuata da un esperto umano. Non siamo responsabili per eventuali incomprensioni o interpretazioni errate derivanti dall’uso di questa traduzione.