ML-For-Beginners/translations/it

🌐 Supporto multi-lingua

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 | Khmer | 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 | Tailandese | Turco | Ucraino | Urdu | Vietnamita

Preferisci clonare localmente?

Questo repository include più di 50 traduzioni linguistico che aumentano significativamente la dimensione del download. Per clonare senza traduzioni, usa sparse checkout:

Bash / macOS / Linux:

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

CMD (Windows):

git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git
cd ML-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.

Unisciti alla nostra comunità

Abbiamo una serie Discord “Learn with 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 Data Science.

Machine Learning per Principianti - Un Curriculum

🌍 Viaggia per il mondo mentre esploriamo il Machine Learning attraverso le culture mondiali 🌍

Gli Cloud Advocates di Microsoft sono lieti di offrire un curriculum di 12 settimane con 26 lezioni tutto sul Machine Learning. In questo curriculum, imparerai cos'è quello che a volte viene chiamato machine learning classico, utilizzando principalmente Scikit-learn come libreria ed evitando il deep learning, che è trattato nel nostro curriculum AI for Beginners. Abbina queste lezioni al nostro 'Data Science for Beginners curriculum', inoltre!

Viaggia con noi in tutto il 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. La nostra pedagogia basata su progetti ti permette di imparare costruendo, un metodo già collaudato perché le nuove competenze permangano.

✍️ Sentiti ringraziamenti 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 agli Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi e Vidushi Gupta per le nostre lezioni di R!

Iniziare

Segui questi passaggi:

1. Fork del repository: Fai clic 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

🔧 Hai bisogno di aiuto? Consulta la nostra Guida alla risoluzione dei problemi per soluzioni ai problemi comuni con l’installazione, la configurazione e l’esecuzione delle lezioni.

Studenti, per usare questo curriculum, fai il fork dell’intero repository sul tuo account GitHub e completa gli esercizi da solo o in gruppo:

• Inizia con un quiz pre-lezione.
• Leggi la lezione e completa le attività, facendo pause e riflettendo a ogni verifica di conoscenza.
• Prova a realizzare i progetti comprendendo le lezioni piuttosto che eseguendo direttamente il codice di soluzione; comunque quel codice è disponibile nelle cartelle /solution di ogni lezione basata su 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 la rubrica PAT appropriata. Un 'PAT' è uno strumento di valutazione dei progressi che consiste in una rubrica da compilare per approfondire l’apprendimento. Puoi anche reagire ad altri PAT così da imparare insieme.

Per uno studio ulteriore, consigliamo di seguire questi moduli e percorsi di apprendimento di Microsoft Learn.

Insegnanti, abbiamo incluso alcune indicazioni su come usare questo curriculum.

---

Video esplicativi

Alcune lezioni sono disponibili come video brevi. Puoi trovarli tutti all’interno delle lezioni o sulla playlist ML for Beginners del canale Microsoft Developer YouTube cliccando l’immagine sottostante.

---

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 nella creazione di questo curriculum: garantire che sia pratico e basato su progetti e che includa quiz frequenti. Inoltre, questo curriculum ha un tema comune per conferirgli coesione.

Garantendo che il contenuto sia allineato con i progetti, il processo diventa più coinvolgente per gli studenti e la ritenzione dei concetti sarà migliorata. Inoltre, un quiz a bassa posta in gioco prima di una lezione indirizza lo 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 interamente o parzialmente. I progetti iniziano semplici e diventano progressivamente più complessi entro la fine del ciclo di 12 settimane. Questo curriculum include anche un post scriptum sulle applicazioni reali del ML, che può essere usato come credito extra o come base per una discussione.

Trova il nostro Codice di Condotta, le linee guida per Contribuire, Traduzioni e Risoluzione Problemi. Accogliamo con piacere i tuoi feedback costruttivi!

Ogni lezione include

• sketchnote opzionale
• video supplementare opzionale
• video esplicativo (solo alcune lezioni)
• quiz di riscaldamento pre-lezione
• lezione scritta
• per lezioni basate su progetti, guide passo passo su come costruire il progetto
• verifiche di conoscenza
• una sfida
• lettura supplementare
• compito
• quiz post-lezione

Una nota sulle lingue: Queste lezioni sono principalmente scritte in Python, ma molte sono anche disponibili in R. Per completare una lezione in R, vai nella cartella /solution e cerca le lezioni in R. Includono un’estensione .rmd che rappresenta un file R Markdown, definibile semplicemente come un’inclusione di code chunks (di R o altre lingue) e un YAML header (che guida il formato degli output come PDF) in un documento Markdown. Come tale, serve come un eccellente framework per la scrittura per la data science in quanto ti permette 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.

Una nota sui quiz: Tutti i quiz sono contenuti nella cartella Quiz App folder, per un totale di 52 quiz composti da tre domande ciascuno. Sono collegati all’interno delle lezioni, ma l’app del 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 al 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 importanti questioni filosofiche sull’equità che gli studenti dovrebbero considerare quando costruiscono e applicano modelli ML?	Lezione	Tomomi
04	Tecniche per il machine learning	Introduzione	Quali tecniche usano i ricercatori ML per costruire modelli ML?	Lezione	Chris e Jen
05	Introduzione alla regressione	Regressione	Inizia con Python e Scikit-learn per modelli di regressione	Python • R	Jen • Eric Wanjau
06	Prezzi delle zucche del Nord America 🎃	Regressione	Visualizza e pulisci dati in preparazione per ML	Python • R	Jen • Eric Wanjau
07	Prezzi delle zucche del Nord America 🎃	Regressione	Costruisci modelli di regressione lineare e polinomiale	Python • R	Jen e Dmitry • Eric Wanjau
08	Prezzi delle zucche del Nord America 🎃	Regressione	Costruisci un modello di regressione logistica	Python • R	Jen • Eric Wanjau
09	Un'app Web 🔌	Web App	Costruisci un’app web per utilizzare il modello addestrato	Python	Jen
10	Introduzione alla classificazione	Classificazione	Pulisci, prepara e visualizza i dati; introduzione alla classificazione	Python • R	Jen e Cassie • Eric Wanjau
11	Deliziose cucine asiatiche e indiane 🍜	Classificazione	Introduzione ai classificatori	Python • R	Jen e Cassie • Eric Wanjau
12	Deliziose cucine asiatiche e indiane 🍜	Classificazione	Altri classificatori	Python • R	Jen e Cassie • Eric Wanjau
13	Deliziose cucine asiatiche e indiane 🍜	Classificazione	Costruisci un’app web recommender usando il tuo modello	Python	Jen
14	Introduzione al clustering	Clustering	Pulisci, prepara e visualizza i 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 al natural language processing ☕️	Elaborazione del linguaggio naturale	Impara le basi del NLP costruendo un semplice bot	Python	Stephen
17	Compiti comuni di NLP ☕️	Elaborazione del linguaggio naturale	Approfondisci la conoscenza del NLP comprendendo i compiti comuni richiesti quando si tratta di strutture linguistiche	Python	Stephen
18	Traduzione e analisi del sentiment ♥️	Elaborazione del linguaggio naturale	Traduzione e analisi del sentiment con Jane Austen	Python	Stephen
19	Hotel romantici in Europa ♥️	Elaborazione del linguaggio naturale	Analisi del sentiment con recensioni di hotel 1	Python	Stephen
20	Hotel romantici in Europa ♥️	Elaborazione del linguaggio naturale	Analisi del sentiment con recensioni di hotel 2	Python	Stephen
21	Introduzione alle previsioni su serie temporali	Serie temporali	Introduzione alla previsione di serie temporali	Python	Francesca
22	⚡️ Consumo energetico mondiale ⚡️ - previsione serie temporali con ARIMA	Serie temporali	Previsione su serie temporali con ARIMA	Python	Francesca
23	⚡️ Consumo energetico mondiale ⚡️ - previsione serie temporali con SVR	Serie temporali	Previsione su 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
Postfazione	Scenari e applicazioni reali del ML	ML in the Wild	Interessanti e rivelatrici applicazioni reali del ML classico	Lezione	Team
Postfazione	Debugging di modelli ML con dashboard RAI	ML in the Wild	Debugging di modelli ML usando componenti dashboard di Responsible AI	Lezione	Ruth Yakubu

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

Accesso offline

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

PDF

Trova un pdf del curriculum con link qui.

🎒 Altri corsi

Il nostro team produce altri corsi! Dai un’occhiata:

LangChain

Azure / Edge / MCP / Agents

---

Serie AI Generativa

---

Apprendimento di base

---

Serie Copilot

Ottenere aiuto

Se rimani 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 errori durante la creazione visita:

Consigli aggiuntivi per l'apprendimento

• Rivedi i notebook dopo ogni lezione per una migliore comprensione.
• Pratica l'implementazione degli algoritmi da solo.
• Esplora set di dati reali utilizzando i concetti appresi.

---

Disclaimer:
Questo documento è stato tradotto utilizzando il servizio di traduzione automatica Co-op Translator. Sebbene ci impegniamo per l’accuratezza, si prega di essere consapevoli che le traduzioni automatiche possono contenere errori o inesattezze. Il documento originale nella sua lingua nativa 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.