ML-For-Beginners/translations/it

Machine Learning for Beginners - Un Curriculum

🌍 Viaggia per il 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 tutto 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 for Beginners. Abbina queste lezioni al nostro curriculum 'Data Science for Beginners'!

Viaggia con noi per il mondo mentre applichiamo queste tecniche classiche ai dati di molte 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 su progetti ti permette di imparare costruendo, un metodo provato per far sì che le nuove competenze restino impresse.

✍️ Un grande grazie 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 autori, revisori e contributori di contenuti Microsoft Student Ambassador, in particolare Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila e Snigdha Agarwal

🤩 Un ringraziamento extra agli Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi e Vidushi Gupta per le nostre lezioni in R!

Iniziare

Segui questi passaggi:

1. Fork del Repository: Clicca sul pulsante "Fork" nell'angolo in alto a destra di 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

Studenti, per utilizzare questo curriculum, fai il fork dell'intero repository nel tuo account GitHub e completa gli esercizi da solo o con un 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 eseguendo il codice della soluzione; tuttavia, quel codice è disponibile nelle cartelle /solution in ogni lezione orientata al progetto.
• Fai il quiz post-lezione.
• Completa la sfida.
• Completa il compito.
• Dopo aver completato un gruppo di lezioni, visita il Forum di Discussione e "impara ad alta voce" compilando il rubrica PAT appropriata. Un 'PAT' è uno Strumento di Valutazione del Progresso che è una rubrica che compili per approfondire il tuo apprendimento. Puoi anche reagire ad altri PAT così possiamo imparare insieme.

Per ulteriori studi, consigliamo di seguire questi moduli e percorsi di apprendimento Microsoft Learn.

Insegnanti, abbiamo incluso alcuni suggerimenti su come utilizzare questo curriculum.

---

Video walkthroughs

Alcune delle lezioni sono disponibili come video brevi. Puoi trovare tutti questi in linea nelle lezioni, o nella playlist ML for Beginners sul canale YouTube Microsoft Developer cliccando sull'immagine qui sotto.

---

Incontra il Team

Gif di Mohit Jaisal

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

---

Pedagogia

Abbiamo scelto due principi pedagogici mentre costruivamo questo curriculum: assicurarsi che sia basato su progetti e che includa quiz frequenti. Inoltre, questo curriculum ha un tema comune per dargli coesione.

Assicurando che il contenuto sia allineato con i progetti, il processo diventa più coinvolgente per gli studenti e la ritenzione dei concetti sarà aumentata. Inoltre, un quiz a basso rischio prima di una lezione imposta 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 in tutto o in parte. I progetti iniziano piccoli e diventano sempre più complessi alla 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 una discussione.

Trova il nostro Codice di Condotta, Contributi e linee guida per Traduzioni. Accogliamo con favore il tuo feedback costruttivo!

Ogni lezione include

• sketchnote opzionale
• video supplementare opzionale
• video walkthrough (solo alcune lezioni)
• quiz di riscaldamento pre-lezione
• 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

Una nota sulle lingue: Queste lezioni sono principalmente scritte 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 R Markdown file che può essere semplicemente definito come un'integrazione di code chunks (di R o altre lingue) e un YAML header (che guida come formattare gli output come PDF) in un Markdown document. In quanto tale, serve come un eccellente framework di creazione per la data science poiché ti permette di combinare il tuo codice, il suo output e i tuoi pensieri permettendoti di scriverli in Markdown. Inoltre, i documenti R Markdown possono essere resi in formati di output come PDF, HTML o Word.

Una nota sui quiz: Tutti i quiz sono contenuti nella cartella 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	Impara i concetti base dietro il machine learning	Lezione	Muhammad
02	La Storia del machine learning	Introduzione	Impara la storia alla base di questo campo	Lezione	Jen e Amy
03	Equità e machine learning	Introduzione	Quali sono le questioni filosofiche importanti sull'equità che gli studenti dovrebbero considerare quando costruiscono e applicano modelli ML?	Lezione	Tomomi
04	Tecniche per il machine learning	Introduction	Quali tecniche utilizzano i ricercatori di ML per costruire modelli di ML?	Lesson	Chris e Jen
05	Introduzione alla regressione	Regression	Inizia con Python e Scikit-learn per i modelli di regressione	Python R	Jen Eric Wanjau
06	Prezzi delle zucche in Nord America 🎃	Regression	Visualizza e pulisci i dati in preparazione per il ML	Python R	Jen Eric Wanjau
07	Prezzi delle zucche in Nord America 🎃	Regression	Costruisci modelli di regressione lineare e polinomiale	Python R	Jen e Dmitry Eric Wanjau
08	Prezzi delle zucche in Nord America 🎃	Regression	Costruisci un modello di regressione logistica	Python R	Jen Eric Wanjau
09	Una Web App 🔌	Web App	Costruisci una web app per utilizzare il tuo modello addestrato	Python	Jen
10	Introduzione alla classificazione	Classification	Pulisci, prepara e visualizza i tuoi dati; introduzione alla classificazione	Python R	Jen e Cassie Eric Wanjau
11	Deliziose cucine asiatiche e indiane 🍜	Classification	Introduzione ai classificatori	Python R	Jen e Cassie Eric Wanjau
12	Deliziose cucine asiatiche e indiane 🍜	Classification	Altri classificatori	Python R	Jen e Cassie Eric Wanjau
13	Deliziose cucine asiatiche e indiane 🍜	Classification	Costruisci una web app di raccomandazioni usando il tuo modello	Python	Jen
14	Introduzione al clustering	Clustering	Pulisci, prepara e visualizza i tuoi dati; introduzione al clustering	Python R	Jen Eric Wanjau
15	Esplorando i gusti musicali nigeriani 🎧	Clustering	Esplora il metodo di clustering K-Means	Python R	Jen Eric Wanjau
16	Introduzione all'elaborazione del linguaggio naturale ☕️	Natural language processing	Impara le basi dell'NLP costruendo un semplice bot	Python	Stephen
17	Compiti comuni di NLP ☕️	Natural language processing	Approfondisci le tue conoscenze di NLP comprendendo i compiti comuni richiesti quando si lavora con le strutture linguistiche	Python	Stephen
18	Traduzione e analisi del sentimento ♥️	Natural language processing	Traduzione e analisi del sentimento con Jane Austen	Python	Stephen
19	Hotel romantici d'Europa ♥️	Natural language processing	Analisi del sentimento con le recensioni degli hotel 1	Python	Stephen
20	Hotel romantici d'Europa ♥️	Natural language processing	Analisi del sentimento con le recensioni degli hotel 2	Python	Stephen
21	Introduzione alla previsione delle serie temporali	Time series	Introduzione alla previsione delle serie temporali	Python	Francesca
22	⚡️ Utilizzo dell'energia mondiale ⚡️ - previsione delle serie temporali con ARIMA	Time series	Previsione delle serie temporali con ARIMA	Python	Francesca
23	⚡️ Utilizzo dell'energia mondiale ⚡️ - previsione delle serie temporali con SVR	Time series	Previsione delle serie temporali con Support Vector Regressor	Python	Anirban
24	Introduzione al reinforcement learning	Reinforcement learning	Introduzione al reinforcement learning con Q-Learning	Python	Dmitry
25	Aiuta Peter a evitare il lupo! 🐺	Reinforcement learning	Reinforcement learning Gym	Python	Dmitry
Postscript	Scenari e applicazioni ML nel mondo reale	ML in the Wild	Applicazioni interessanti e rivelatrici del ML classico	Lesson	Team
Postscript	Debugging dei modelli in ML usando il dashboard RAI	ML in the Wild	Debugging dei modelli di Machine Learning utilizzando i componenti del dashboard di Responsible AI	Lesson	Ruth Yakubu

trova tutte le risorse aggiuntive per questo corso nella nostra collezione Microsoft Learn

Accesso offline

Puoi eseguire questa documentazione offline utilizzando Docsify. Fai un fork di questo repo, installa Docsify sulla tua macchina locale, e poi nella cartella principale di questo repo, digita docsify serve. Il sito web sarà servito sulla porta 3000 del tuo localhost: localhost:3000.

PDF

Trova un pdf del curriculum con i link qui.

Aiuto Cercasi

Ti piacerebbe contribuire con una traduzione? Per favore leggi le nostre linee guida per la traduzione e aggiungi un problema preimpostato per gestire il carico di lavoro qui.

Altri Curriculum

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

• AI for Beginners
• Data Science for Beginners
• Nuova Versione 2.0 - Generative AI for Beginners
• NUOVO Cybersecurity for Beginners
• Web Dev for Beginners
• IoT for Beginners
• Machine Learning for Beginners
• XR Development for Beginners
• Mastering GitHub Copilot for AI Paired Programming

Disclaimer: Questo documento è stato tradotto utilizzando servizi di traduzione automatica basati su AI. Sebbene ci impegniamo per l'accuratezza, si prega di essere consapevoli che le traduzioni automatiche possono contenere errori o imprecisioni. Il documento originale nella sua lingua madre dovrebbe essere considerato la fonte autorevole. Per informazioni critiche, si raccomanda una traduzione professionale umana. Non siamo responsabili per eventuali malintesi o interpretazioni errate derivanti dall'uso di questa traduzione.