[![GitHub license](https://img.shields.io/github/license/microsoft/ML-For-Beginners.svg)](https://github.com/microsoft/ML-For-Beginners/blob/master/LICENSE) [![GitHub contributors](https://img.shields.io/github/contributors/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/graphs/contributors/) [![GitHub issues](https://img.shields.io/github/issues/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/issues/) [![GitHub pull-requests](https://img.shields.io/github/issues-pr/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/pulls/) [![PRs Welcome](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com) [![GitHub watchers](https://img.shields.io/github/watchers/microsoft/ML-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/ML-For-Beginners/watchers/) [![GitHub forks](https://img.shields.io/github/forks/microsoft/ML-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/ML-For-Beginners/network/) [![GitHub stars](https://img.shields.io/github/stars/microsoft/ML-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/ML-For-Beginners/stargazers/) ### 🌐 Supporto multilingue #### Supportato tramite GitHub Action (Automatizzato e sempre aggiornato) [French](../fr/README.md) | [Spanish](../es/README.md) | [German](../de/README.md) | [Russian](../ru/README.md) | [Arabic](../ar/README.md) | [Persian (Farsi)](../fa/README.md) | [Urdu](../ur/README.md) | [Chinese (Simplified)](../zh/README.md) | [Chinese (Traditional, Macau)](../mo/README.md) | [Chinese (Traditional, Hong Kong)](../hk/README.md) | [Chinese (Traditional, Taiwan)](../tw/README.md) | [Japanese](../ja/README.md) | [Korean](../ko/README.md) | [Hindi](../hi/README.md) | [Bengali](../bn/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Portuguese (Portugal)](../pt/README.md) | [Portuguese (Brazil)](../br/README.md) | [Italian](./README.md) | [Polish](../pl/README.md) | [Turkish](../tr/README.md) | [Greek](../el/README.md) | [Thai](../th/README.md) | [Swedish](../sv/README.md) | [Danish](../da/README.md) | [Norwegian](../no/README.md) | [Finnish](../fi/README.md) | [Dutch](../nl/README.md) | [Hebrew](../he/README.md) | [Vietnamese](../vi/README.md) | [Indonesian](../id/README.md) | [Malay](../ms/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Swahili](../sw/README.md) | [Hungarian](../hu/README.md) | [Czech](../cs/README.md) | [Slovak](../sk/README.md) | [Romanian](../ro/README.md) | [Bulgarian](../bg/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Croatian](../hr/README.md) | [Slovenian](../sl/README.md) | [Ukrainian](../uk/README.md) | [Burmese (Myanmar)](../my/README.md) #### Unisciti alla comunità [![Azure AI Discord](https://dcbadge.limes.pink/api/server/kzRShWzttr)](https://discord.gg/kzRShWzttr) # Machine Learning per Principianti - Un Curriculum > 🌍 Viaggia intorno al mondo mentre esploriamo il Machine Learning attraverso le culture del mondo 🌍 Gli Advocates di Microsoft sono lieti di offrire un curriculum di 12 settimane e 26 lezioni interamente dedicato al **Machine Learning**. In questo curriculum, imparerai ciò che a volte viene chiamato **machine learning classico**, utilizzando principalmente la libreria Scikit-learn ed evitando il deep learning, che è trattato nel nostro [curriculum AI per Principianti](https://aka.ms/ai4beginners). Abbina queste lezioni al nostro curriculum ['Data Science per Principianti'](https://aka.ms/ds4beginners)! Viaggia con noi intorno al mondo mentre applichiamo queste tecniche classiche ai dati provenienti da diverse aree del mondo. Ogni lezione include quiz pre- e post-lezione, istruzioni scritte per completare la lezione, una soluzione, un compito e altro ancora. La nostra pedagogia basata sui progetti ti permette di imparare costruendo, un metodo comprovato per far sì che le nuove competenze rimangano impresse. **✍️ Un sentito ringraziamento ai nostri autori** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu e Amy Boyd **🎨 Grazie anche ai nostri illustratori** Tomomi Imura, Dasani Madipalli e Jen Looper **🙏 Un ringraziamento speciale 🙏 ai nostri Microsoft Student Ambassador autori, revisori e collaboratori di contenuti**, in particolare Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila e Snigdha Agarwal **🤩 Gratitudine extra ai Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi e Vidushi Gupta per le nostre lezioni in R!** # Per iniziare Segui questi passaggi: 1. **Fork del Repository**: Clicca sul pulsante "Fork" in alto a destra in questa pagina. 2. **Clona il Repository**: `git clone https://github.com/microsoft/ML-For-Beginners.git` > [trova tutte le risorse aggiuntive per questo corso nella nostra raccolta Microsoft Learn](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) **[Studenti](https://aka.ms/student-page)**, per utilizzare questo curriculum, fate il fork dell'intero repository sul vostro account GitHub e completate gli esercizi da soli o in gruppo: - Inizia con un quiz pre-lezione. - Leggi la lezione e completa le attività, fermandoti e riflettendo a ogni verifica delle conoscenze. - Cerca di creare i progetti comprendendo le lezioni piuttosto che eseguire il codice della soluzione; tuttavia, quel codice è disponibile nelle cartelle `/solution` in ogni lezione basata su progetti. - Fai il quiz post-lezione. - Completa la sfida. - Completa il compito. - Dopo aver completato un gruppo di lezioni, visita il [Forum di Discussione](https://github.com/microsoft/ML-For-Beginners/discussions) e "impara ad alta voce" compilando il rubric PAT appropriato. Un 'PAT' è uno strumento di valutazione del progresso che è un rubric che compili per approfondire il tuo apprendimento. Puoi anche reagire ad altri PAT per imparare insieme. > Per ulteriori studi, ti consigliamo di seguire questi moduli e percorsi di apprendimento [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott). **Insegnanti**, abbiamo [incluso alcune indicazioni](for-teachers.md) su come utilizzare questo curriculum. --- ## Video esplicativi Alcune delle lezioni sono disponibili come video brevi. Puoi trovare tutti questi video integrati nelle lezioni o nella [playlist ML per Principianti sul canale YouTube Microsoft Developer](https://aka.ms/ml-beginners-videos) cliccando sull'immagine qui sotto. [![ML per principianti banner](../../images/ml-for-beginners-video-banner.png)](https://aka.ms/ml-beginners-videos) --- ## Incontra il team [![Video promozionale](../../images/ml.gif)](https://youtu.be/Tj1XWrDSYJU) **Gif di** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) > 🎥 Clicca sull'immagine sopra per un video sul progetto e sulle persone che lo hanno creato! --- ## Pedagogia Abbiamo scelto due principi pedagogici durante la creazione di questo curriculum: garantire che sia basato su **progetti pratici** e che includa **quiz frequenti**. Inoltre, questo curriculum ha un **tema comune** per dargli coesione. Garantendo che i contenuti siano allineati ai progetti, il processo diventa più coinvolgente per gli studenti e la ritenzione dei concetti sarà aumentata. Inoltre, un quiz a basso rischio prima della lezione orienta lo 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 in tutto o in parte. I progetti iniziano piccoli e diventano sempre più complessi entro la fine del ciclo di 12 settimane. Questo curriculum include anche un postscript sulle applicazioni reali del ML, che può essere utilizzato come credito extra o come base per discussioni. > Trova il nostro [Codice di Condotta](CODE_OF_CONDUCT.md), [Contributi](CONTRIBUTING.md) e linee guida per [Traduzioni](TRANSLATIONS.md). Accogliamo con favore i tuoi feedback costruttivi! ## Ogni lezione include - sketchnote opzionale - video supplementare opzionale - video esplicativo (solo alcune lezioni) - [quiz di riscaldamento pre-lezione](https://ff-quizzes.netlify.app/en/ml/) - lezione scritta - per lezioni basate su progetti, guide passo-passo su come costruire il progetto - verifiche delle conoscenze - una sfida - letture supplementari - compito - [quiz post-lezione](https://ff-quizzes.netlify.app/en/ml/) > **Nota sulle lingue**: Queste lezioni sono scritte principalmente in Python, ma molte sono disponibili anche in R. Per completare una lezione in R, vai alla cartella `/solution` e cerca le lezioni in R. Includono un'estensione .rmd che rappresenta un file **R Markdown**, che può essere semplicemente definito come un'integrazione di `blocchi di codice` (di R o altre lingue) e un `intestazione YAML` (che guida come formattare gli output come PDF) in un `documento Markdown`. In quanto tale, serve come un eccellente framework di authoring per la data science poiché ti consente di combinare il tuo codice, il suo output e i tuoi pensieri scrivendoli in Markdown. Inoltre, i documenti R Markdown possono essere resi in formati di output come PDF, HTML o Word. > **Nota sui quiz**: Tutti i quiz sono contenuti nella [cartella Quiz App](../../quiz-app), per un totale di 52 quiz di tre domande ciascuno. Sono collegati all'interno delle lezioni, ma l'app quiz può essere eseguita localmente; segui le istruzioni nella cartella `quiz-app` per ospitare localmente o distribuire su Azure. | Numero Lezione | Argomento | Raggruppamento Lezione | Obiettivi di Apprendimento | Lezione Collegata | Autore | | :-----------: | :------------------------------------------------------------: | :-------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------------------: | :--------------------------------------------------: | | 01 | Introduzione al machine learning | [Introduzione](1-Introduction/README.md) | Impara i concetti di base del machine learning | [Lezione](1-Introduction/1-intro-to-ML/README.md) | Muhammad | | 02 | La storia del machine learning | [Introduzione](1-Introduction/README.md) | Scopri la storia che sta alla base di questo campo | [Lezione](1-Introduction/2-history-of-ML/README.md) | Jen e Amy | | 03 | Equità e machine learning | [Introduzione](1-Introduction/README.md) | Quali sono le importanti questioni filosofiche sull'equità che gli studenti dovrebbero considerare quando costruiscono e applicano modelli ML? | [Lezione](1-Introduction/3-fairness/README.md) | Tomomi | | 04 | Tecniche per il machine learning | [Introduzione](1-Introduction/README.md) | Quali tecniche utilizzano i ricercatori di ML per costruire modelli di machine learning? | [Lezione](1-Introduction/4-techniques-of-ML/README.md) | Chris e Jen | | 05 | Introduzione alla regressione | [Regressione](2-Regression/README.md) | Inizia con Python e Scikit-learn per i modelli di regressione | | | | 06 | Prezzi delle zucche in Nord America 🎃 | [Regressione](2-Regression/README.md) | Visualizza e pulisci i dati in preparazione per il machine learning | | | | 07 | Prezzi delle zucche in Nord America 🎃 | [Regressione](2-Regression/README.md) | Costruisci modelli di regressione lineare e polinomiale | | | | 08 | Prezzi delle zucche in Nord America 🎃 | [Regressione](2-Regression/README.md) | Costruisci un modello di regressione logistica | | | | 09 | Una Web App 🔌 | [Web App](3-Web-App/README.md) | Costruisci una web app per utilizzare il tuo modello addestrato | [Python](3-Web-App/1-Web-App/README.md) | Jen | | 10 | Introduzione alla classificazione | [Classificazione](4-Classification/README.md) | Pulisci, prepara e visualizza i tuoi dati; introduzione alla classificazione |