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 Nigeriano | Norvegese | Persiano (Farsi) | Polacco | Portoghese (Brasile) | Portoghese (Portogallo) | Punjabi (Gurmukhi) | Rumeno | Russo | Serbo (Cirillico) | Slovacco | Sloveno | Spagnolo | Swahili | Svedese | Tagalog (Filippino) | Tamil | Telugu | Tailandese | Turco | Ucraino | Urdu | Vietnamita
Preferisci Clonare Localmente?
Questo repository include oltre 50 traduzioni che aumentano significativamente la dimensione del download. Per clonare senza traduzioni, usa il sparse checkout:
Bash / macOS / Linux:
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'CMD (Windows):
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 fornirà tutto il necessario per completare il corso con un download molto più veloce.
Abbiamo una serie Discord "learn with AI" in corso, per saperne di più e unirti visita Learn with AI Series dal 18 al 30 settembre 2025. Riceverai suggerimenti e trucchi per utilizzare GitHub Copilot per Data Science.
🌍 Viaggia nel mondo mentre esploriamo il Machine Learning attraverso le culture mondiali 🌍
Gli Cloud Advocates di Microsoft sono lieti di offrire un curriculum di 12 settimane, 26 lezioni, tutto incentrato sul Machine Learning. In questo curriculum, imparerai quello che a volte viene chiamato machine learning classico, usando principalmente Scikit-learn come libreria ed evitando il deep learning, che è invece trattato nel nostro curriculum AI per Principianti. Abbina queste lezioni al nostro 'Data Science for Beginners' curriculum, inoltre!
Viaggia con noi nel mondo mentre applichiamo queste tecniche classiche a dati di varie parti del mondo. 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 modo comprovato perché nuove competenze si fissino.
✍️ Grazie di cuore 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 grazie speciale 🙏 ai nostri Microsoft Student Ambassador autori, revisori e contributori 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!
Segui questi passaggi:
- Fork del Repository: Clicca sul pulsante "Fork" in alto a destra in questa pagina.
- 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? Dai un’occhiata alla nostra Guida alla Risoluzione dei Problemi per soluzioni comuni a problemi di installazione, configurazione e esecuzione delle lezioni.
Studenti, per usare questo curriculum, forkate l’intero repo nel 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 a riflettere a ogni verifica di conoscenza.
- Provate a costruire i progetti comprendendo le lezioni invece di eseguire direttamente il codice soluzione; tuttavia quel codice è disponibile nelle cartelle
/solutiondi 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 l’apposita rubrica PAT. Un 'PAT' è uno strumento di valutazione dei progressi, una rubrica che compilate per approfondire l’apprendimento. Potete anche reagire ad altri PAT per imparare insieme.
Per approfondire, consigliamo di seguire questi moduli e percorsi di apprendimento su Microsoft Learn.
Insegnanti, abbiamo incluso alcuni suggerimenti su come usare questo curriculum.
Alcune lezioni sono disponibili in video brevi. Puoi trovarli integrati nelle lezioni oppure nella playlist ML for Beginners sul canale YouTube Microsoft Developer cliccando sull’immagine qui sotto.
Gif di Mohit Jaisal
🎥 Clicca l’immagine sopra per un video sul progetto e sulle persone che lo hanno creato!
Abbiamo scelto due principi pedagogici durante la realizzazione di questo curriculum: assicurarci che sia pratico e basato su progetti e che includa quiz frequenti. Inoltre, il curriculum ha un tema comune per garantirne la coesione.
Garantendo che i contenuti si allineino ai progetti, il processo diventa più coinvolgente per gli studenti e la memorizzazione dei concetti sarà migliorata. Inoltre, un quiz a bassa posta prima di una lezione prepara l’intenzione dello studente sull’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 progressivamente più complessi alla 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 il nostro Codice di Condotta, Contributi, Traduzioni e linee guida su Come Risolvere i Problemi. Accogliamo con favore i tuoi feedback costruttivi!
- sketchnote opzionale
- video supplementare opzionale
- video esplicativo (solo alcune lezioni)
- quiz warmup 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 anche disponibili in R. Per completare una lezione in R, vai nella cartella
/solutione cerca le lezioni in R. Includono un’estensione .rmd che rappresenta un file R Markdown, definibile come un incapsulamento dicode chunks(di R o altri linguaggi) e unheader YAML(che guida come formattare output come PDF) in undocumento Markdown. Pertanto, rappresenta un framework esemplare per l’autore di data science in quanto consente di combinare codice, output e pensieri scrivendoli in Markdown. Inoltre, i documenti R Markdown possono essere renderizzati in formati di output quali 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 per i quiz può essere eseguita localmente; segui le istruzioni nella cartellaquiz-appper ospitare localmente o distribuire su Azure.
| Numero Lezione | Argomento | Raggruppamento Lezione | Obiettivi di Apprendimento | Lezione Collegata | Autore |
|---|---|---|---|---|---|
| 01 | Introduzione al machine learning | Introduzione | Imparare i concetti base dietro il machine learning | Lezione | Muhammad |
| 02 | La Storia del machine learning | Introduzione | Imparare 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 costruendo e applicando modelli ML? | Lezione | Tomomi |
| 04 | Tecniche per il machine learning | Introduzione | Quali tecniche usano i ricercatori di ML per costruire modelli di ML? | 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 della zucca in Nord America 🎃 | Regressione | Visualizzare e pulire dati in preparazione al ML | Python • R | Jen • Eric Wanjau |
| 07 | Prezzi della zucca in Nord America 🎃 | Regressione | Costruire modelli di regressione lineare e polinomiale | Python • R | Jen e Dmitry • Eric Wanjau |
| 08 | Prezzi della zucca 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 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 | Deliziose cucine asiatiche e indiane 🍜 | Classificazione | Introduzione ai classificatori | Python • R | Jen e Cassie • Eric Wanjau |
| 12 | Deliziose cucine asiatiche e indiane 🍜 | Classificazione | Altri classificatori | Python • R | Jen e Cassie • Eric Wanjau |
| 13 | Deliziose cucine asiatiche e indiane 🍜 | Classificazione | Costruire un'app web di raccomandazione 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 | Esplorazione dei gusti musicali nigeriani 🎧 | Clustering | Esplorare il metodo di clustering K-Means | Python • R | Jen • Eric Wanjau |
| 16 | Introduzione all'elaborazione del linguaggio naturale ☕️ | Elaborazione linguaggio naturale | Imparare le basi dell'NLP costruendo un semplice bot | Python | Stephen |
| 17 | Compiti comuni di NLP ☕️ | Elaborazione linguaggio naturale | Approfondire la conoscenza NLP comprendendo i compiti comuni richiesti nella gestione delle strutture linguistiche | Python | Stephen |
| 18 | Traduzione e analisi del sentimento |
Elaborazione linguaggio naturale | Traduzione e analisi del sentimento con Jane Austen | Python | Stephen |
| 19 | Hotel romantici d'Europa |
Elaborazione linguaggio naturale | Analisi del sentimento con recensioni di hotel 1 | Python | Stephen |
| 20 | Hotel romantici d'Europa |
Elaborazione linguaggio naturale | Analisi del sentimento con recensioni di hotel 2 | Python | Stephen |
| 21 | Introduzione alle previsioni di serie temporali | Serie temporali | Introduzione alle previsioni di serie temporali | Python | Francesca |
| 22 | ⚡️ Consumo energetico mondiale ⚡️ - previsioni con ARIMA | Serie temporali | Previsioni di serie temporali con ARIMA | Python | Francesca |
| 23 | ⚡️ Consumo energetico mondiale ⚡️ - previsioni con SVR | Serie temporali | Previsioni di serie temporali con Support Vector Regressor | Python | Anirban |
| 24 | Introduzione all'apprendimento per rinforzo | Apprendimento per rinforzo | Introduzione all'apprendimento per rinforzo con Q-Learning | Python | Dmitry |
| 25 | Aiuta Peter a evitare il lupo! 🐺 | Apprendimento per rinforzo | Reinforcement learning Gym | Python | Dmitry |
| Postscript | Casi d'uso e applicazioni reali dell'ML | ML nel mondo reale | Applicazioni interessanti e rivelatrici nel mondo reale del ML classico | Lezione | Team |
| Postscript | Debug del modello in ML usando la dashboard RAI | ML nel mondo reale | Debug del modello in Machine Learning usando i componenti della dashboard Responsible AI | Lezione | Ruth Yakubu |
trova tutte le risorse aggiuntive per questo corso nella nostra raccolta Microsoft Learn
Puoi eseguire questa documentazione offline usando Docsify. Fai il fork di questo repository, installa Docsify sulla tua macchina locale, poi nella cartella radice di questo repo digita docsify serve. Il sito sarà servito sulla porta 3000 sul tuo localhost: localhost:3000.
Trova un pdf del curriculum con link qui.
Il nostro team produce altri corsi! Dai un'occhiata:
-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA){kind=icon}
-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC){kind=icon}
-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9){kind=icon}
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:
- Rivedi i notebook dopo ogni lezione per una migliore comprensione.
- Esercitati a implementare algoritmi da solo.
- Esplora set di dati reali usando i concetti appresi.
Avvertenza:
Questo documento è stato tradotto utilizzando il servizio di traduzione automatica Co-op Translator. Pur impegnandoci per garantire la massima 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 raccomanda una traduzione professionale effettuata da un esperto umano. Non ci assumiamo alcuna responsabilità per eventuali fraintendimenti o interpretazioni errate derivanti dall’uso di questa traduzione.