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

Preferisci Clonare Localmente?

Questo repository include oltre 50 traduzioni in varie lingue che aumentano notevolmente la dimensione del download. Per clonare senza traduzioni, usa lo 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 dà tutto ciò di cui hai bisogno per completare il corso con un download molto più veloce.

Unisciti alla Nostra Comunità

Abbiamo una serie Discord "impara con 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 in tutto il 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 con 26 lezioni, tutto incentrato sul Machine Learning. In questo curriculum, imparerai 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 anche al nostro curriculum 'Data Science for Beginners'!

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 fissare meglio 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 collaboratori di contenuto, 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!

Come Iniziare

Segui questi passaggi:

1. Fai il fork del repository: Clicca sul bottone "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 avvio delle lezioni.

Studenti, per utilizzare questo curriculum, fate un fork dell’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 ad ogni verifica di conoscenza.
• Cercate di 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.
• 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 relativa scheda PAT. Un 'PAT' è uno strumento di valutazione dei progressi che consiste in una griglia da compilare per approfondire il proprio apprendimento. Potete anche reagire alle schede PAT altrui così possiamo imparare insieme.

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

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

---

Video dimostrativi

Alcune lezioni sono disponibili in formato video breve. Puoi trovarle tutte inline nelle lezioni, oppure nella playlist ML for Beginners sul canale Microsoft Developer di YouTube 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 nella costruzione di questo curriculum: assicurarci che sia pratico e basato su progetti e che includa quiz frequenti. Inoltre, questo curriculum ha un tema comune per conferirgli coesione.

Allineando i contenuti ai progetti, il processo diventa più coinvolgente per gli studenti e la ritenzione dei concetti viene aumentata. Inoltre, un quiz a basso stress prima della lezione pone l’intenzione dello studente verso l’apprendimento di un argomento, mentre un secondo quiz dopo la lezione ne assicura un’ulteriore ritenzione. Questo curriculum è stato progettato per essere flessibile e divertente e può essere seguito tutto o in parte. I progetti partono da pochi elementi 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 discussioni.

Trova le nostre linee guida su Codice di Condotta, Contributi, Traduzioni, e Risoluzione Problemi. Accogliamo con favore i tuoi feedback costruttivi!

Ogni lezione include

• sketchnote opzionale
• video supplementare opzionale
• video dimostrativo (solo alcune lezioni)
• quiz di riscaldamento pre-lezione
• lezione scritta
• per le 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 definito come un embedding di blocchi di codice (in R o in altri linguaggi) e un header YAML (che guida il formato di output come PDF) in un documento Markdown. In quanto tale, serve come un eccellente framework per la scrittura per la data science, poiché permette di combinare il codice, il suo output e le proprie riflessioni scrivendole 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 Lezioni	Obiettivi di Apprendimento	Lezione Collegata	Autore
01	Introduzione al machine learning	Introduzione	Impara i concetti base alla base del 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 nella costruzione e applicazione di modelli ML?	Lezione	Tomomi
04	Tecniche per il machine learning	Introduzione	Quali tecniche usano i ricercatori di ML per costruire modelli ML?	Lezione	Chris e Jen
05	Introduzione alla regressione	Regressione	Inizia con Python e Scikit-learn per i modelli di regressione	Python • R	Jen • Eric Wanjau
06	Prezzi delle zucche del Nord America 🎃	Regressione	Visualizza e pulisci i dati in preparazione al 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 usare il tuo modello addestrato	Python	Jen
10	Introduzione alla classificazione	Classificazione	Pulisci, prepara e visualizza i tuoi dati; introduzione alla classificazione	Python • R	Jen e Cassie • Eric Wanjau
11	Cucine asiatiche e indiane deliziose 🍜	Classificazione	Introduzione ai classificatori	Python • R	Jen e Cassie • Eric Wanjau
12	Cucine asiatiche e indiane deliziose 🍜	Classificazione	Altri classificatori	Python • R	Jen e Cassie • Eric Wanjau
13	Cucine asiatiche e indiane deliziose 🍜	Classificazione	Costruisci un’app web raccomandante 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 ☕️	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 le tue conoscenze NLP comprendendo i compiti comuni necessari nella gestione delle 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 d’Europa ♥️	Elaborazione del linguaggio naturale	Analisi del sentiment con recensioni di hotel 1	Python	Stephen
20	Hotel romantici d’Europa ♥️	Elaborazione del linguaggio naturale	Analisi del sentiment con recensioni di hotel 2	Python	Stephen
21	Introduzione alla previsione delle serie temporali	Serie temporali	Introduzione alla previsione delle serie temporali	Python	Francesca
22	⚡️ Consumo energetico mondiale ⚡️ - previsione con ARIMA	Serie temporali	Previsione delle serie temporali con ARIMA	Python	Francesca
23	⚡️ Consumo energetico mondiale ⚡️ - previsione con SVR	Serie temporali	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 con Gym	Python	Dmitry
Postscript	Scenari e applicazioni reali di Machine Learning	ML in the Wild	Applicazioni reali interessanti e rivelatrici del machine learning classico	Lezione	Team
Postscript	Debugging di modelli ML usando la dashboard RAI	ML in the Wild	Debugging di modelli di Machine Learning usando i componenti della dashboard 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. Clona questo repository, installa Docsify sulla tua macchina locale, quindi nella cartella principale 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 i 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 su come costruire app di IA. Unisciti ad altri apprendisti 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 lo sviluppo visita:

---

Avvertenza: Questo documento è stato tradotto utilizzando il servizio di traduzione AI 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 originale deve essere considerato la fonte autorevole. Per informazioni critiche, si consiglia una traduzione professionale umana. Non siamo responsabili per eventuali malintesi o interpretazioni errate derivanti dall'uso di questa traduzione.