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 più di 50 traduzioni linguistiche che aumentano significativamente la dimensione del download. Per clonare senza traduzioni, usa il checkout sparso:

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 di apprendimento su Discord con l'IA in corso, scopri di più e unisciti a noi su Learn with AI Series dal 18 al 30 settembre 2025. Riceverai consigli e trucchi su come usare GitHub Copilot per la Data Science.

Machine Learning for Beginners - Un Curriculum

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

I Cloud Advocates di Microsoft sono lieti di offrire un curriculum di 12 settimane e 26 lezioni tutto dedicato al Machine Learning. In questo curriculum imparerai quello che talvolta viene chiamato machine learning classico, utilizzando principalmente Scikit-learn come libreria e 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 per il mondo mentre applichiamo queste tecniche classiche a dati provenienti da molte aree del pianeta. Ogni lezione include quiz prima e dopo, istruzioni scritte per completare la lezione, una soluzione, un compito e altro ancora. La nostra pedagogia basata su progetti ti permette di imparare costruendo, un metodo dimostrato per far 'attenersi' 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 autori, revisori e contributori contenutistici Microsoft Student Ambassador, in particolare Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila e Snigdha Agarwal

🤩 Un extra ringraziamento ai Microsoft Student Ambassador Eric Wanjau, Jasleen Sondhi e Vidushi Gupta per le nostre lezioni in R!

Iniziare

Segui questi passaggi:

1. Fork del 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 raccolta Microsoft Learn

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

Studenti, per usare questo curriculum, eseguite il fork dell'intero repo sul vostro account GitHub e completate gli esercizi da soli o in gruppo:

• Inizia con un quiz pre-lezione.
• Leggi la lezione e completa le attività, fermandoti a riflettere ad ogni controllo della conoscenza.
• Prova a creare i progetti comprendendo le lezioni piuttosto che eseguire direttamente il codice soluzione; comunque quel codice è disponibile nelle cartelle /solution di ogni lezione orientata ai progetti.
• Fai il quiz post-lezione.
• Completa la sfida.
• Completa l’assegnazione.
• 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 del progresso che consiste in una rubrica da compilare per approfondire l’apprendimento. Puoi anche interagire con altri PAT affinché impariamo insieme.

Per approfondimenti consigliamo di seguire questi moduli e percorsi di apprendimento Microsoft Learn.

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

---

Video esplicativi

Alcune lezioni sono disponibili in video brevi. Puoi trovarli tutti incorporati nelle lezioni oppure nella playlist ML for Beginners sul canale YouTube di Microsoft Developer cliccando l’immagine qui sotto.

---

Incontra il Team

Gif di Mohit Jaisal

🎥 Clicca l’immagine qui sopra per un video sul progetto e sulle persone che lo hanno creato!

---

Pedagogia

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

Garantendo che i contenuti siano allineati ai progetti, il processo risulta più coinvolgente per gli studenti e la ritenzione dei concetti sarà migliorata. Inoltre, un quiz a bassa pressione prima della lezione definisce l’intento dello studente nel imparare 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 per intero o in parte. I progetti iniziano piccoli e diventano progressivamente più complessi entro la fine del ciclo di 12 settimane. 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 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
• controlli della 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 semplicemente come un’incorporazione di blocchi di codice (di R o altre lingue) e un header YAML (che guida la formattazione delle uscite quali PDF) in un documento Markdown. Come tale, serve come un esempio di framework di scrittura per il data science poiché consente di combinare il codice, il suo output e i tuoi pensieri scrivendoli in Markdown. Inoltre, i documenti R Markdown possono essere resi in formati di uscita quali 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 del quiz può essere eseguita localmente; segui le istruzioni nella cartella quiz-app per ospitarla o distribuirla su Azure in locale.

Numero Lezione	Argomento	Raggruppamento Lezione	Obiettivi di Apprendimento	Lezione Collegata	Autore
01	Introduzione al machine learning	Introduzione	Imparare 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 le importanti questioni filosofiche sull'equità che gli studenti dovrebbero considerare durante la costruzione e l'applicazione dei modelli ML?	Lezione	Tomomi
04	Tecniche per il machine learning	Introduzione	Quali tecniche utilizzano i ricercatori ML per costruire modelli di machine learning?	Lezione	Chris e Jen
05	Introduzione alla regressione	Regressione	Iniziare con Python e Scikit-learn per modelli di regressione	Python • R	Jen • Eric Wanjau
06	Prezzi delle zucche in Nord America 🎃	Regressione	Visualizzare e pulire i dati in preparazione al machine learning	Python • R	Jen • Eric Wanjau
07	Prezzi delle zucche in Nord America 🎃	Regressione	Costruire modelli di regressione lineare e polinomiale	Python • R	Jen e Dmitry • Eric Wanjau
08	Prezzi delle zucche in Nord America 🎃	Regressione	Costruire un modello di regressione logistica	Python • R	Jen • Eric Wanjau
09	Un'App Web 🔌	Web App	Costruire un'app web per usare il tuo modello addestrato	Python	Jen
10	Introduzione alla classificazione	Classificazione	Pulire, preparare e visualizzare i dati; introduzione alla classificazione	Python • R	Jen e Cassie • Eric Wanjau
11	Gustose cucine asiatiche e indiane 🍜	Classificazione	Introduzione ai classificatori	Python • R	Jen e Cassie • Eric Wanjau
12	Gustose cucine asiatiche e indiane 🍜	Classificazione	Altri classificatori	Python • R	Jen e Cassie • Eric Wanjau
13	Gustose cucine asiatiche e indiane 🍜	Classificazione	Costruire un'app web raccomandatrice usando il tuo modello	Python	Jen
14	Introduzione al clustering	Clustering	Pulire, preparare e visualizzare i dati; Introduzione al clustering	Python • R	Jen • Eric Wanjau
15	Esplorare i gusti musicali nigeriani 🎧	Clustering	Esplorare il metodo di clustering K-Means	Python • R	Jen • Eric Wanjau
16	Introduzione al natural language processing ☕️	Natural language processing	Imparare le basi del NLP costruendo un semplice bot	Python	Stephen
17	Compiti comuni di NLP ☕️	Natural language processing	Approfondire la conoscenza NLP comprendendo i compiti comuni necessari nella gestione delle 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	Serie temporali	Introduzione alla previsione delle serie temporali	Python	Francesca
22	⚡️ Consumo mondiale di energia ⚡️ - previsione serie temporali con ARIMA	Serie temporali	Previsione delle serie temporali con ARIMA	Python	Francesca
23	⚡️ Consumo mondiale di energia ⚡️ - previsione serie temporali con SVR	Serie temporali	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
Postfazione	Scenari e applicazioni reali di ML	ML in the Wild	Applicazioni reali interessanti e rivelatrici del ML classico	Lezione	Team
Postfazione	Debugging dei modelli ML usando la dashboard RAI	ML in the Wild	Debugging dei modelli di machine learning usando 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 utilizzando Docsify. Forka questo repository, installa Docsify sulla tua macchina locale, poi nella cartella root di questo repository digita docsify serve. Il sito sarà servito sulla porta 3000 del 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 a 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:

---

Avvertenza: Questo documento è stato tradotto utilizzando il servizio di traduzione automatica Co-op Translator. Sebbene ci sforziamo di garantire accuratezza, si prega di essere consapevoli che le traduzioni automatiche possono contenere errori o imprecisioni. Il documento originale nella sua lingua madre deve essere considerato la fonte autorevole. Per informazioni critiche, si raccomanda una traduzione professionale umana. Non ci assumiamo alcuna responsabilità per eventuali incomprensioni o interpretazioni errate derivanti dall’uso di questa traduzione.