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 | Thailandese | Turco | Ucraino | Urdu | Vietnamita
Preferisci Clonare Localmente?
Questo repository include oltre 50 traduzioni linguistiche che aumentano significativamente la dimensione del download. Per clonare senza traduzioni, usa 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 fornisce tutto il necessario per completare il corso con un download molto più veloce.
Abbiamo una serie Discord "impara con l'IA" in corso, scopri di più e unisciti a noi su Learn with AI Series dal 18 al 30 settembre 2025. Riceverai suggerimenti e trucchi per usare GitHub Copilot per la Data Science.
🌍 Viaggia per 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, 26 lezioni, dedicato interamente al Machine Learning. In questo curriculum, imparerai quello che talvolta viene chiamato machine learning classico, utilizzando principalmente la libreria Scikit-learn ed evitando il deep learning, che è trattato nel nostro curriculum AI for Beginners. Abbina queste lezioni anche con il nostro 'Data Science for Beginners' curriculum.
Viaggia con noi per il mondo mentre applichiamo queste tecniche classiche su dati provenienti da molte aree del globo. Ogni lezione include quiz prima e dopo la lezione, istruzioni scritte per completare la lezione, una soluzione, un compito e altro. La nostra metodologia didattica basata su progetti ti permette di imparare costruendo, un metodo provato 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
🎨 Ringraziamo anche i 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 Ambassador Eric Wanjau, Jasleen Sondhi e Vidushi Gupta per le nostre lezioni R!
Segui questi passaggi:
- Fork del Repository: Clicca sul pulsante "Fork" nell'angolo in alto a destra di 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? Consulta la nostra Guida alla Risoluzione dei Problemi per soluzioni ai problemi comuni di installazione, impostazione e esecuzione delle lezioni.
Studenti, per usare questo curriculum, fai un fork dell'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, fermandoti e riflettendo ad ogni verifica della conoscenza.
- Cerca di creare i progetti comprendendo le lezioni piuttosto che eseguire direttamente il codice della soluzione; quel codice è comunque disponibile nelle cartelle
/solutiondi 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 Discussion Board e "impara ad alta voce" compilando l'apposita rubric PAT. Un 'PAT' è uno strumento di valutazione dei progressi che compili per approfondire l'apprendimento. Puoi anche reagire agli altri PAT per imparare insieme.
Per approfondimenti, consigliamo di seguire questi moduli e percorsi di apprendimento di Microsoft Learn.
Insegnanti, abbiamo inserito alcuni suggerimenti su come usare questo curriculum.
Alcune lezioni sono disponibili in brevi video. Puoi trovarli integrati nelle lezioni, oppure sulla playlist ML for Beginners sul canale Microsoft Developer YouTube cliccando sull’immagine qui sotto.
Gif di Mohit Jaisal
🎥 Clicca sull'immagine sopra per un video sul progetto e le persone che lo hanno creato!
Abbiamo scelto due principi pedagogici durante la creazione di questo curriculum: assicurare che sia pratico e basato su progetti e che includa quiz frequenti. Inoltre, questo curriculum ha un tema comune per dargli coesione.
Garantendo che i contenuti siano allineati con i progetti, il processo diventa più coinvolgente per gli studenti e migliora la ritenzione dei concetti. Inoltre, un quiz a bassa pressione prima di una lezione orienta lo studente verso l'apprendimento di un argomento, mentre un secondo quiz dopo la lezione ne assicura un’ulteriore memorizzazione. Questo curriculum è stato progettato per essere flessibile e divertente, e può essere seguito completamente o parzialmente. I progetti partono da semplici e diventano via via più complessi al termine del ciclo di 12 settimane. Questo curriculum include anche un post-scriptum sulle applicazioni reali di ML, che può essere usato come credito extra o come base per una discussione.
Trova le nostre linee guida su Codice di condotta, Contributi, Traduzioni e Risoluzione dei Problemi. Accogliamo con piacere il tuo feedback costruttivo!
- 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 della conoscenza
- una sfida
- lettura supplementare
- 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
/solutione cerca le lezioni in R. Includono un’estensione .rmd che rappresenta un file R Markdown, il quale può essere semplicemente definito come un incapsulamento dicode chunks(di R o altre lingue) e unintestazione YAML(che guida la formattazione delle uscite come PDF) in undocumento Markdown. Di conseguenza, serve come un esempio di framework per l’autore di data science poiché consente di combinare il codice, il suo output e i propri pensieri, permettendo di scriverli in Markdown. Inoltre, i documenti R Markdown possono essere renderizzati 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-appper ospitare localmente o distribuire su Azure.
| Numero Lezione | Argomento | Raggruppamento Lezione | Obiettivi di Apprendimento | Lezione Collegata | Autore |
|---|---|---|---|---|---|
| 01 | Introduzione al machine learning | Introduzione | Impara i concetti base dietro il machine learning | Lezione | Muhammad |
| 02 | La storia del machine learning | Introduzione | Comprendi la storia alla base di questo campo | Lezione | Jen e Amy |
| 03 | Equità e machine learning | Introduzione | Quali sono le importanti questioni filosofiche riguardo all’equità che gli studenti dovrebbero considerare durante la 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 di ML? | Lezione | Chris e Jen |
| 05 | Introduzione alla regressione | Regressione | Inizia a usare Python e Scikit-learn per modelli di regressione | Python • R | Jen • Eric Wanjau |
| 06 | Prezzi delle zucche in Nord America 🎃 | Regressione | Visualizza e pulisci i dati in preparazione per ML | Python • R | Jen • Eric Wanjau |
| 07 | Prezzi delle zucche in Nord America 🎃 | Regressione | Costruisci modelli di regressione lineare e polinomiale | Python • R | Jen e Dmitry • Eric Wanjau |
| 08 | Prezzi delle zucche in 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 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 | 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 | Costruisci un’app web recommender 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 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 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 delle serie temporali | Serie temporali | Introduzione alla previsione delle serie temporali | Python | Francesca |
| 22 | ⚡️ Consumo mondiale di energia ⚡️ - previsione con ARIMA | Serie temporali | Previsione di serie temporali con ARIMA | Python | Francesca |
| 23 | ⚡️ Consumo mondiale di energia ⚡️ - previsione 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 con Gym | Python | Dmitry |
| Postscript | Scenari e applicazioni reali di ML | ML nel mondo reale | Applicazioni reali interessanti e rivelatrici del ML classico | Lezione | Team |
| Postscript | Debugging dei modelli ML usando dashboard RAI | ML nel mondo reale | Debugging dei modelli di Machine Learning usando componenti del dashboard Responsible AI | Lezione | Ruth Yakubu |
trova tutte le risorse aggiuntive per questo corso nella nostra collezione Microsoft Learn
Puoi eseguire questa documentazione offline utilizzando Docsify. Fai un fork di questo repo, installa Docsify sulla tua macchina locale, e quindi nella cartella root di questo repo, digita docsify serve. Il sito web sarà servito sulla porta 3000 del tuo localhost: localhost:3000.
Trova un pdf del curriculum con link qui.
Il nostro team produce altri corsi! Dai un’occhiata a:
-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 è condivisa liberamente.
Se hai feedback sul prodotto o errori durante la creazione visita:
- Rivedi i quaderni dopo ogni lezione per una migliore comprensione.
- Esercitati a implementare gli algoritmi da solo.
- Esplora dataset reali usando i concetti appresi.
Disclaimer:
Questo documento è stato tradotto utilizzando il servizio di traduzione AI Co-op Translator. Pur impegnandoci per garantire 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 siamo responsabili per eventuali malintesi o interpretazioni errate derivanti dall’uso di questa traduzione.