ML-For-Beginners/translations/it

🌐 Supporto multilingue

Supportato tramite GitHub Action (automatico 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 | Coreano | Lituano | Malese | Malayalam | Marathi | Nepalese | Pidgin Nigerian | Norvegese | Persiano (Farsi) | Polacco | Portoghese (Brasile) | Portoghese (Portogallo) | Punjabi (Gurmukhi) | Rumeno | Russo | Serbo (Cirillico) | Slovacco | Sloveno | Spagnolo | Swahili | Svedese | Tagalog (Filippino) | Tamil | Telugu | Thai | Turco | Ucraino | Urdu | Vietnamita

Preferisci clonare localmente?

Questo repository include traduzioni in oltre 50 lingue che aumentano notevolmente la dimensione del download. Per clonare senza le traduzioni, usa il sparse checkout:

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, saperne di più e unirti a noi su Learn with AI Series dal 18 al 30 settembre 2025. Riceverai suggerimenti e trucchi per utilizzare GitHub Copilot per Data Science.

Machine Learning per Principianti - Un Curriculum

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

I Cloud Advocates di Microsoft sono lieti di offrire un curriculum di 12 settimane con 26 lezioni tutto dedicato al 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 molteplici aree del mondo. Ogni lezione include quiz pre- e post-lezione, istruzioni scritte per completarla, una soluzione, un compito e altro ancora. La nostra pedagogia basata su progetti ti permette di imparare costruendo, un modo comprovato per fissare nuove competenze.

✍️ 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 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 agli Microsoft Student Ambassador Eric Wanjau, Jasleen Sondhi e Vidushi Gupta per le nostre lezioni R!

Iniziare

Segui questi passaggi:

1. Forka il 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 collezione Microsoft Learn

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

Studenti, per usare questo curriculum, forka l'intero repo nel 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, prendendoti pause per riflettere ad ogni verifica della conoscenza.
• Prova a creare i progetti comprendendo le lezioni piuttosto che eseguire direttamente il codice soluzione; tuttavia quel codice è disponibile nelle cartelle /solution di 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 la griglia PAT appropriata. Un 'PAT' è uno strumento di valutazione del progresso che compili per approfondire il tuo apprendimento. Puoi anche reagire ad altri PAT così da imparare insieme.

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

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

---

Video esplicativi

Alcune lezioni sono disponibili come video brevi. Puoi trovarli tutti integrati nelle lezioni oppure nella playlist ML for Beginners sul canale Microsoft Developer YouTube cliccando sull'immagine qui sotto.

---

Incontra il team

Gif di Mohit Jaisal

🎥 Clicca sull’immagine sopra per un video sul progetto e le persone che l’hanno creato!

---

Pedagogia

Abbiamo scelto due principi pedagogici nella costruzione di questo curriculum: assicurare che sia hands-on basato su progetti e che includa quiz frequenti. Inoltre, questo curriculum ha un tema comune per conferirgli coesione.

Garantendo che il contenuto sia allineato ai progetti, il processo diventa più coinvolgente per gli studenti e la ritenzione dei concetti sarà migliorata. Inoltre, un quiz a basso rischio prima della lezione prepara l’intento dello studente all’apprendimento di un argomento, mentre un secondo quiz dopo la lezione ne assicura una ulteriore ritenzione. Questo curriculum è stato progettato per essere flessibile e divertente e può essere seguito completamente o parzialmente. I progetti partono da semplici e diventano progressivamente più complessi entro la fine del ciclo di 12 settimane. Il curriculum include anche un post scriptum sulle applicazioni reali del ML, che può essere usato come credito extra o come base per discussioni.

Trova le nostre linee guida Codice di condotta, Contributi, Traduzione 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 le lezioni basate su progetto, guide passo-passo su come costruire il progetto
• verifiche della conoscenza
• una sfida
• letture supplementari
• compito
• quiz post-lezione

Una nota sulle lingue: Queste lezioni sono scritte principalmente in Python, ma molte sono disponibili anche in R. Per completare una lezione in R, vai nella cartella /solution e cerca le lezioni R. Includono un’estensione .rmd che rappresenta un file R Markdown, definito semplicemente come un documento Markdown che incorpora chunk di codice (in R o altre lingue) e un header YAML (che guida la formattazione delle uscite, ad esempio PDF). In quanto tale, funge da eccellente framework di authoring per la data science poiché consente di combinare il codice, il suo output e i propri 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 dei quiz può essere eseguita localmente; segui le istruzioni nella cartella quiz-app per ospitare localmente o distribuire su Azure.

Lesson Number	Topic	Lesson Grouping	Learning Objectives	Linked Lesson	Author
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 utilizzano 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 nordamericane 🎃	Regression	Visualizza e pulisci i dati in preparazione al ML	Python • R	Jen • Eric Wanjau
07	Prezzi delle zucche nordamericane 🎃	Regression	Costruisci modelli di regressione lineare e polinomiale	Python • R	Jen and Dmitry • Eric Wanjau
08	Prezzi delle zucche nordamericane 🎃	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 raccomandatrice 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 NLP ☕️	Natural language processing	Approfondisci le tue conoscenze 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 mondiale di energia ⚡️ - previsione di serie temporali con ARIMA	Time series	Previsione di serie temporali con ARIMA	Python	Francesca
23	⚡️ Consumo mondiale di energia ⚡️ - previsione di serie temporali 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 ML nel mondo reale	ML in the Wild	Applicazioni interessanti e rivelatrici nel mondo reale del ML classico	Lesson	Team
Postscript	Debugging dei modelli ML usando la dashboard RAI	ML in the Wild	Debugging dei 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 utilizzando Docsify. Fai un fork di questo repo, installa Docsify sulla tua macchina locale, e poi nella cartella root di questo repo digita docsify serve. Il sito 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

---

Generative AI Series

---

Apprendimento Core

---

Serie Copilot

Ottenere Aiuto

Se rimani bloccato o hai domande su come costruire 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 è condivisa liberamente.

Se hai feedback sul prodotto o errori durante lo sviluppo visita:

---

Avvertenza:
Questo documento è stato tradotto utilizzando il servizio di traduzione automatica Co-op Translator. Pur impegnandoci a garantire accuratezza, si prega di considerare 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 eseguita da un traduttore umano. Non ci assumiamo alcuna responsabilità per malintesi o interpretazioni errate derivanti dall’uso di questa traduzione.