ML-For-Beginners/translations/it

🌐 Supporto Multilingue

Supportato tramite GitHub Action (Automatizzato 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

Unisciti alla Nostra Comunità

Abbiamo una serie Discord "impara con l'AI" in corso, 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.

Machine Learning per Principianti - Un Curriculum

🌍 Viaggia intorno al mondo mentre esploriamo il Machine Learning attraverso le culture del mondo 🌍

I Cloud Advocates di Microsoft sono lieti di offrire un curriculum di 12 settimane, 26 lezioni, tutto sul Machine Learning. In questo curriculum, imparerai ciò 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 per principianti. Abbina queste lezioni anche al nostro 'Data Science per principianti' curriculum!

Viaggia con noi intorno al mondo mentre applichiamo queste tecniche classiche a dati provenienti da molte 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 modo comprovato per far "fissare" nuove competenze.

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

🤩 Ulteriore gratitudine ai Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi e Vidushi Gupta per le nostre lezioni in R!

Iniziare

Segui questi passaggi:

1. Forka il Repository: Clicca sul pulsante "Fork" 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 collezione Microsoft Learn

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

Studenti, per usare questo curriculum, forkate l'intero repo sul vostro account GitHub e completate gli esercizi da soli o in gruppo:

• Iniziate con un quiz pre-lezione.
• Leggete la lezione e completate le attività, fermandovi e riflettendo a ogni verifica di conoscenza.
• Cercate di creare i progetti comprendendo le lezioni piuttosto che eseguendo il codice soluzione; tuttavia quel codice è disponibile nelle cartelle /solution in ogni lezione orientata al progetto.
• Fate il quiz post-lezione.
• Completate la sfida.
• Completate il compito.
• Dopo aver completato un gruppo di lezioni, visitate il Forum di Discussione e "imparate ad alta voce" compilando la rubrica PAT appropriata. Un 'PAT' è uno Strumento di Valutazione del Progresso che è una rubrica che compilate per approfondire il vostro apprendimento. Potete 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 usare questo curriculum.

---

Video esplicativi

Alcune lezioni sono disponibili come video brevi. Potete trovarli tutti 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 sopra per un video sul progetto e sulle persone che lo hanno creato!

---

Pedagogia

Abbiamo scelto due principi pedagogici durante la costruzione di questo curriculum: garantire che sia pratico e basato su progetti e che includa quiz frequenti. Inoltre, questo curriculum ha un tema comune per dargli coesione.

Garantendo che il contenuto sia allineato ai progetti, il processo diventa più coinvolgente per gli studenti e la ritenzione dei concetti sarà aumentata. Inoltre, un quiz a bassa pressione prima della 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 interamente 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 post scriptum sulle applicazioni reali del ML, che può essere usato come credito extra o come base per la discussione.

Trova le nostre linee guida Codice di Condotta, Contributi, 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
• 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 file R Markdown che può essere semplicemente definito come un embedding di blocchi di codice (di R o altre lingue) e un intestazione YAML (che guida come formattare output come PDF) in un documento Markdown. Come tale, serve come un eccellente framework di authoring per la data science poiché 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, per un totale di 52 quiz con 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	Introduction	Impara i concetti base dietro il machine learning	Lesson	Muhammad
02	La storia del machine learning	Introduction	Scopri la storia alla base di questo campo	Lesson	Jen and Amy
03	Equità e machine learning	Introduction	Quali sono le importanti questioni filosofiche sull’equità che gli studenti dovrebbero considerare quando costruiscono e applicano modelli ML?	Lesson	Tomomi
04	Tecniche per il machine learning	Introduction	Quali tecniche usano i ricercatori ML per costruire modelli ML?	Lesson	Chris and Jen
05	Introduzione alla regressione	Regression	Inizia con Python e Scikit-learn per modelli di regressione	Python • R	Jen • Eric Wanjau
06	Prezzi delle zucche in Nord America 🎃	Regression	Visualizza e pulisci i dati in preparazione per ML	Python • R	Jen • Eric Wanjau
07	Prezzi delle zucche in Nord America 🎃	Regression	Costruisci modelli di regressione lineare e polinomiale	Python • R	Jen and Dmitry • Eric Wanjau
08	Prezzi delle zucche in Nord America 🎃	Regression	Costruisci un modello di regressione logistica	Python • R	Jen • Eric Wanjau
09	Un'app Web 🔌	Web App	Costruisci un'app web per usare il tuo modello addestrato	Python	Jen
10	Introduzione alla classificazione	Classification	Pulisci, prepara e visualizza i tuoi dati; introduzione alla classificazione	Python • R	Jen and Cassie • Eric Wanjau
11	Deliziose cucine asiatiche e indiane 🍜	Classification	Introduzione ai classificatori	Python • R	Jen and Cassie • Eric Wanjau
12	Deliziose cucine asiatiche e indiane 🍜	Classification	Altri classificatori	Python • R	Jen and Cassie • Eric Wanjau
13	Deliziose cucine asiatiche e indiane 🍜	Classification	Costruisci un'app web di raccomandazione 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 al natural language processing ☕️	Natural language processing	Impara le basi del NLP costruendo un semplice bot	Python	Stephen
17	Compiti comuni di NLP ☕️	Natural language processing	Approfondisci la tua conoscenza del NLP comprendendo i compiti comuni richiesti quando si lavora con strutture linguistiche	Python	Stephen
18	Traduzione e analisi del sentiment ♥️	Natural language processing	Traduzione e analisi del sentiment con Jane Austen	Python	Stephen
19	Hotel romantici d'Europa ♥️	Natural language processing	Analisi del sentiment con recensioni di hotel 1	Python	Stephen
20	Hotel romantici d'Europa ♥️	Natural language processing	Analisi del sentiment con recensioni di hotel 2	Python	Stephen
21	Introduzione alla previsione di serie temporali	Time series	Introduzione alla previsione di serie temporali	Python	Francesca
22	⚡️ Consumo energetico mondiale ⚡️ - previsione con ARIMA	Time series	Previsione di serie temporali con ARIMA	Python	Francesca
23	⚡️ Consumo energetico mondiale ⚡️ - previsione con SVR	Time series	Previsione di 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 reali di ML	ML in the Wild	Applicazioni interessanti e rivelatrici del ML classico nel mondo reale	Lesson	Team
Postscript	Debugging di modelli ML usando la dashboard RAI	ML in the Wild	Debugging di modelli di Machine Learning usando componenti della dashboard 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 usando Docsify. Fai il 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 Core

---

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:

---

Disclaimer:
Questo documento è stato tradotto utilizzando il servizio di traduzione automatica Co-op Translator. Pur impegnandoci per garantire l’accuratezza, si prega di notare che le traduzioni automatiche possono 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 umano. Non ci assumiamo alcuna responsabilità per eventuali malintesi o interpretazioni errate derivanti dall’uso di questa traduzione.