18 KiB

Raw Permalink Blame History Unescape Escape

Machine Learning per Principianti - Un Programma di Studio

🌍 Fai il giro del mondo mentre esploriamo il Machine Learning attraverso le varie culture 🌍

Gli Azure Cloud Advocates di Microsoft sono lieti di offrire un programma di studi di 12 settimane, articolato su 26 lezioni, interamente dedicato al Machine Learning. In questo programma di studi imparerai ciò che viene talvolta definito machine learning classico, usando principalmente Scikit-learn come libreria ed evitando il deep learning, che verrà coperto nel nostro prossimo programma di studi "AI per principianti". Queste lezioni si accoppiano anche con il programma di studi di prossima uscita "Data Science per principianti"!

Gira il mondo insieme a noi mentre applichiamo queste classiche tecniche ai dati di diverse aree del mondo. Ogni lezione include quiz pre- e post- lezione, istruzioni scritte per completare la lezione, una soluzione, un compito ed altro ancora. Il nostro metodo di insegnamento basato sui progetti consente di imparare strada facendo, un metodo comprovato per memorizzare le nuove conoscenze.

✍️ Un grazie di cuore ai nostri autori Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Ornella Altunyan, e Amy Boyd

🎨 Grazie anche ai nostri illustratori Tomomi Imura, Dasani Madipalli, e Jen Looper

🙏 Un ringraziamento speciale 🙏 agli autori di Microsoft Student Ambassador, ai revisori e ai collaboratori per i contenuti, in particolare Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, e Snigdha Agarwal

🤩 Un grazie supplementare al Microsoft Student Ambassador Eric Wanjau per le nostre lezioni su R!

Per Iniziare

Studenti, per utilizzare questo programma di studi, eseguite il fork dell'intera repo sul vostro account GitHub e completate gli esercizi da soli o con un gruppo:

Iniziate con un quiz pre-lezione.
Leggete la lezione e completate le attività, facendo una pausa e riflettendo ad ogni verifica della conoscenza.
Provate a fare i progetti capendo le lezioni piuttosto che eseguendo il codice della soluzione; Quel codice è ad ogni modo disponibile nella cartella /solution presente in ogni lezione con progetto.
Fate il quiz post-lezione.
Completate la sfida.
Completate il compito.
Dopo il completamento di un gruppo di lezioni, visitate il Forum di discussione e "learn out load" (imparare ad alta voce) riempiendo la rubrica Pat appropriata. 'PAT' è uno strumento di valutazione dei progressi che consiste in una rubrica da compilare per promuovere il proprio apprendimento. Si può anche interagire in altri PAT in modo da imparare assieme.

Per ulteriori approfondimenti, si raccomanda di sequire i seguenti moduli e percorsi di apprendimento Microsoft Learn.

Insegnanti, sono stati inclusi alcuni suggerimenti su come usare questo programma di studi.

Incontrare la squadra

🎥 Clicca sull'immagine qui sopra per visualizzare un video sul progetto e su coloro che lo hanno creato!

Pedagogia

Abbiamo scelto due principi pedagogici durante la creazione di questo programma di studi: assicurandoci che sia basato su progetti pratici e che includa quiz frequenti. Inoltre, questo programma di studi presenta un tema comune per conferirgli coerenza.

Assicurandosi che il contenuto si allinei con i progetti, il processo è reso più coinvolgente per gli studenti e la conservazione dei concetti sarà aumentata. Inoltre, un quiz di poca difficoltà prima di una lezione imposta l'intenzione dello studente verso l'apprendimento di un argomento, mentre un secondo quiz dopo la lezione garantisce ulteriore ritenzione. Questo programma di studi 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 programma di studi include anche un poscritto sulle applicazioni del mondo reale di ML, che può essere utilizzata come credito extra o come base per la discussione.

Consultate Le linee guida del Codice di Condotta, per Collaborare, e Tradurre. I feedback costruttivi saranno accolti con piacere!

Ogni lezione include:

uno sketchNote opzionale
un video supplementare opzionale
un quiz di riscaldamento pre-lezione
una lezione scritta
per le lezioni basate sulla creazione di un progetto, guide passo-passo su come farlo
verifiche della conoscenza
una sfida
una lettura supplementare
un compito
un quiz post-lezione

Una nota sui quiz: Tutti i quiz sono contenuti in questa app, per un totale di 50 quiz con tre domande ciascuno. I link ai quiz sono presenti all'interno delle lezioni ma l'app può essere eseguita in locale seguendo le istruzioni contenute nella cartella quiz-app.

Numero Lezione	Argomento	Gruppo Lezioni	Obiettivi di Apprendimento	Lezioni Collegate	Autore
01	Introduzione a machine learning	Introduzione	Apprendere i concetti di base dietro il machine learning	lezione	Muhammad
02	La storia del machine learning	Introduzione	Apprendere la storia alla base di questo campo	lezione	Jen e Amy
03	Equità e machine learning	Introduzione	Quali sono gli importanti quesiti filosofici riguardanti l'etica che gli studenti dovrebbero prendere in considerazione quando si creano ed applicano i modelli di ML?	lezione	Tomomi
04	Tecniche di machine learning	Introduzione	Quali tecniche usano i ricercatori per costruire i modelli di ML?	lezione	Chris e Jen
05	Introduzione alla regressione	Regressione	Iniziare con Python e Scikit-learn per i modelli di regressione	lezione	Jen
06	Prezzi della zucca del Nord America 🎃	Regressione	Visualizzare e pulire i dati in preparazione per ML	lezione	Jen
07	Prezzi della zucca del Nord America 🎃	Regressione	Costruire modelli di regressione lineare e polinomiale	lezione	Jen
08	Prezzi della zucca del Nord America 🎃	Regressione	Costruire un modello di regressione logistica	lezione	Jen
09	Una App web 🔌	App Web	Costruire un'App web per utilizzare il proprio modello addestrato	lezione	Jen
10	Introduzione alla classificazione	Classificazione	Pulire, preparare e visualizzare i dati; introduzione alla classificazione	lezione	Jen e Cassie
11	Deliziose cucine asiatiche e indiane 🍜	Classificazione	Introduzione ai classificatori	lezione	Jen e Cassie
12	Deliziose cucine asiatiche e indiane 🍜	Classificazione	Ancora classificatori	lezione	Jen e Cassie
13	Deliziose cucine asiatiche e indiane 🍜	Classificazione	Costruire un'App web di raccomandazione usando il proprio modello	lezione	Jen
14	Introduzione al clustering.	Clustering	Pulire, preparare e visualizzare i dati; introduzione al clustering.	lezione	Jen
15	Esplorare i gusti musicali nigeriani 🎧	Clustering	Esplorare il metodo di clustering K-Means	lezione	Jen
16	Introduzione all'elaborazione naturale del linguaggio ☕️	Elaborazione del linguaggio naturale	Imparare le basi di NLP costruendo un semplice bot	lezione	Stephen
17	Attività NLP comuni ☕️	Elaborazione del linguaggio naturale	Approfondire la conoscenza dell'NLP comprendendo i compiti comuni richiesti quando si tratta di gestire strutture linguistiche	lezione	Stephen
18	Traduzione e analisi del sentimento ♥️	Elaborazione del linguaggio naturale	Traduzione e analisi del sentimento con Jane Austen	lezione	Stephen
19	Hotel romantici dell'Europa ♥️	Elaborazione del linguaggio naturale	Analisi del sentimento con le recensioni di hotel 1	lezione	Stephen
20	Hotel romantici dell'Europa ♥️	Elaborazione del linguaggio naturale	Analisi del sentimento con le recensioni di hotel 2	lezione	Stephen
21	Introduzione alle previsioni delle serie temporali	Time series	Introduzione alle previsioni delle serie temporali	lezione	Francesca
22	⚡️ Utilizzo energetico mondiale ⚡️ - previsione di serie temporali con ARIMA	Time series	Previsione di serie temporali con ARIMA	lezione	Francesca
23	Introduzione al reinforcement learning	Reinforcement learning	Introduzione al reinforcement learning con Q-Learning	lezione	Dmitry
24	Aiutare Pierino a evitare il lupo! 🐺	Reinforcement learning	Reinforcement learning Gym	lezione	Dmitry
Poscritto	Scenari e applicazioni ML del mondo reale	ML in natura	Applicazioni interessanti e rivelanti applicazioni di ML classico del mondo reale	lezione	Team

Accesso offline

Si può seguire questa documentazione offline usando Docsify. Effettuate il fork di questa repo, installare Docsify sul proprio dispositivo e poi digitare docsify serve nella cartella radice della repo. Il sito web sarà servito sulla porta 3000 di localhost: localhost:3000.

PDF

È possibile trovare un pdf con il programma di studio ed i collegamenti qui.

Cercasi aiuto!

Vorresti contribuire alla traduzione? Per favore leggi le linee guida per la traduzione e aggiungi una issue basata sul modello per gestire il carico di lavoro qui.

Altri Programmi di Studi

Il nostro team produce altri programmi di studi! Dai un'occhiata a:

18 KiB Raw Permalink Blame History Unescape Escape