Skip to content

TROUBLESHOOTING.md

Latest commit

 

History

History
601 lines (428 loc) · 14.1 KB

TROUBLESHOOTING.md

File metadata and controls

601 lines (428 loc) · 14.1 KB

Guida alla Risoluzione dei Problemi

Questa guida ti aiuterà a risolvere i problemi più comuni durante l'utilizzo del curriculum Machine Learning for Beginners. Se non trovi una soluzione qui, consulta le nostre Discussioni su Discord o apri un problema.

Indice

Problemi di Installazione

Installazione di Python

Problema: python: command not found

Soluzione:

  1. Installa Python 3.8 o superiore da python.org
  2. Verifica l'installazione: python --version o python3 --version
  3. Su macOS/Linux, potresti dover usare python3 invece di python

Problema: Conflitti causati da più versioni di Python

Soluzione:

# Use virtual environments to isolate projects
python -m venv ml-env

# Activate virtual environment
# On Windows:
ml-env\Scripts\activate
# On macOS/Linux:
source ml-env/bin/activate

Installazione di Jupyter

Problema: jupyter: command not found

Soluzione:

# Install Jupyter
pip install jupyter

# Or with pip3
pip3 install jupyter

# Verify installation
jupyter --version

Problema: Jupyter non si apre nel browser

Soluzione:

# Try specifying the browser
jupyter notebook --browser=chrome

# Or copy the URL with token from terminal and paste in browser manually
# Look for: http://localhost:8888/?token=...

Installazione di R

Problema: I pacchetti R non si installano

Soluzione:

# Ensure you have the latest R version
# Install packages with dependencies
install.packages(c("tidyverse", "tidymodels", "caret"), dependencies = TRUE)

# If compilation fails, try installing binary versions
install.packages("package-name", type = "binary")

Problema: IRkernel non disponibile in Jupyter

Soluzione:

# In R console
install.packages('IRkernel')
IRkernel::installspec(user = TRUE)

Problemi con Jupyter Notebook

Problemi con il Kernel

Problema: Il kernel continua a morire o riavviarsi

Soluzione:

  1. Riavvia il kernel: Kernel → Restart
  2. Cancella l'output e riavvia: Kernel → Restart & Clear Output
  3. Controlla eventuali problemi di memoria (vedi Problemi di Prestazioni)
  4. Prova a eseguire le celle singolarmente per identificare il codice problematico

Problema: Kernel Python sbagliato selezionato

Soluzione:

  1. Controlla il kernel corrente: Kernel → Change Kernel
  2. Seleziona la versione corretta di Python
  3. Se il kernel manca, crealo:
python -m ipykernel install --user --name=ml-env

Problema: Il kernel non si avvia

Soluzione:

# Reinstall ipykernel
pip uninstall ipykernel
pip install ipykernel

# Register the kernel again
python -m ipykernel install --user

Problemi con le Celle del Notebook

Problema: Le celle vengono eseguite ma non mostrano output

Soluzione:

  1. Controlla se la cella è ancora in esecuzione (cerca l'indicatore [*])
  2. Riavvia il kernel ed esegui tutte le celle: Kernel → Restart & Run All
  3. Controlla la console del browser per errori JavaScript (F12)

Problema: Non è possibile eseguire le celle - nessuna risposta quando si clicca su "Run"

Soluzione:

  1. Controlla se il server Jupyter è ancora in esecuzione nel terminale
  2. Aggiorna la pagina del browser
  3. Chiudi e riapri il notebook
  4. Riavvia il server Jupyter

Problemi con i Pacchetti Python

Errori di Importazione

Problema: ModuleNotFoundError: No module named 'sklearn'

Soluzione:

pip install scikit-learn

# Common ML packages for this course
pip install scikit-learn pandas numpy matplotlib seaborn

Problema: ImportError: cannot import name 'X' from 'sklearn'

Soluzione:

# Update scikit-learn to latest version
pip install --upgrade scikit-learn

# Check version
python -c "import sklearn; print(sklearn.__version__)"

Conflitti di Versione

Problema: Errori di incompatibilità delle versioni dei pacchetti

Soluzione:

# Create a new virtual environment
python -m venv fresh-env
source fresh-env/bin/activate  # or fresh-env\Scripts\activate on Windows

# Install packages fresh
pip install jupyter scikit-learn pandas numpy matplotlib seaborn

# If specific version needed
pip install scikit-learn==1.3.0

Problema: pip install fallisce con errori di permessi

Soluzione:

# Install for current user only
pip install --user package-name

# Or use virtual environment (recommended)
python -m venv venv
source venv/bin/activate
pip install package-name

Problemi di Caricamento Dati

Problema: FileNotFoundError durante il caricamento di file CSV

Soluzione:

import os
# Check current working directory
print(os.getcwd())

# Use relative paths from notebook location
df = pd.read_csv('../../data/filename.csv')

# Or use absolute paths
df = pd.read_csv('/full/path/to/data/filename.csv')

Problemi con l'Ambiente R

Installazione dei Pacchetti

Problema: L'installazione dei pacchetti fallisce con errori di compilazione

Soluzione:

# Install binary version (Windows/macOS)
install.packages("package-name", type = "binary")

# Update R to latest version if packages require it
# Check R version
R.version.string

# Install system dependencies (Linux)
# For Ubuntu/Debian, in terminal:
# sudo apt-get install r-base-dev

Problema: tidyverse non si installa

Soluzione:

# Install dependencies first
install.packages(c("rlang", "vctrs", "pillar"))

# Then install tidyverse
install.packages("tidyverse")

# Or install components individually
install.packages(c("dplyr", "ggplot2", "tidyr", "readr"))

Problemi con RMarkdown

Problema: RMarkdown non viene renderizzato

Soluzione:

# Install/update rmarkdown
install.packages("rmarkdown")

# Install pandoc if needed
install.packages("pandoc")

# For PDF output, install tinytex
install.packages("tinytex")
tinytex::install_tinytex()

Problemi con l'Applicazione Quiz

Build e Installazione

Problema: npm install fallisce

Soluzione:

# Clear npm cache
npm cache clean --force

# Remove node_modules and package-lock.json
rm -rf node_modules package-lock.json

# Reinstall
npm install

# If still fails, try with legacy peer deps
npm install --legacy-peer-deps

Problema: Porta 8080 già in uso

Soluzione:

# Use different port
npm run serve -- --port 8081

# Or find and kill process using port 8080
# On Linux/macOS:
lsof -ti:8080 | xargs kill -9

# On Windows:
netstat -ano | findstr :8080
taskkill /PID <PID> /F

Errori di Build

Problema: npm run build fallisce

Soluzione:

# Check Node.js version (should be 14+)
node --version

# Update Node.js if needed
# Then clean install
rm -rf node_modules package-lock.json
npm install
npm run build

Problema: Errori di linting che impediscono la build

Soluzione:

# Fix auto-fixable issues
npm run lint -- --fix

# Or temporarily disable linting in build
# (not recommended for production)

Problemi con i Dati e i Percorsi dei File

Problemi di Percorso

Problema: File di dati non trovati durante l'esecuzione dei notebook

Soluzione:

  1. Esegui sempre i notebook dalla loro directory contenente

    cd /path/to/lesson/folder
jupyter notebook

  2. Controlla i percorsi relativi nel codice

    # Correct path from notebook location
df = pd.read_csv('../data/filename.csv')

# Not from your terminal location

  3. Usa percorsi assoluti se necessario

    import os
base_path = os.path.dirname(os.path.abspath(__file__))
data_path = os.path.join(base_path, 'data', 'filename.csv')

File di Dati Mancanti

Problema: I file del dataset sono mancanti

Soluzione:

  1. Controlla se i dati dovrebbero essere nel repository - la maggior parte dei dataset è inclusa
  2. Alcune lezioni potrebbero richiedere il download dei dati - controlla il README della lezione
  3. Assicurati di aver scaricato gli ultimi aggiornamenti: 
    git pull origin main

Messaggi di Errore Comuni

Errori di Memoria

Errore: MemoryError o il kernel si arresta durante l'elaborazione dei dati

Soluzione:

# Load data in chunks
for chunk in pd.read_csv('large_file.csv', chunksize=10000):
    process(chunk)

# Or read only needed columns
df = pd.read_csv('file.csv', usecols=['col1', 'col2'])

# Free memory when done
del large_dataframe
import gc
gc.collect()

Avvisi di Convergenza

Avviso: ConvergenceWarning: Maximum number of iterations reached

Soluzione:

from sklearn.linear_model import LogisticRegression

# Increase max iterations
model = LogisticRegression(max_iter=1000)

# Or scale your features first
from sklearn.preprocessing import StandardScaler
scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)

Problemi di Visualizzazione

Problema: I grafici non vengono mostrati in Jupyter

Soluzione:

# Enable inline plotting
%matplotlib inline

# Import pyplot
import matplotlib.pyplot as plt

# Show plot explicitly
plt.plot(data)
plt.show()

Problema: I grafici di Seaborn appaiono diversi o generano errori

Soluzione:

import warnings
warnings.filterwarnings('ignore', category=UserWarning)

# Update to compatible version
# pip install --upgrade seaborn matplotlib

Errori di Codifica/Unicode

Problema: UnicodeDecodeError durante la lettura dei file

Soluzione:

# Specify encoding explicitly
df = pd.read_csv('file.csv', encoding='utf-8')

# Or try different encoding
df = pd.read_csv('file.csv', encoding='latin-1')

# For errors='ignore' to skip problematic characters
df = pd.read_csv('file.csv', encoding='utf-8', errors='ignore')

Problemi di Prestazioni

Esecuzione Lenta dei Notebook

Problema: I notebook sono molto lenti da eseguire

Soluzione:

  1. Riavvia il kernel per liberare memoria: Kernel → Restart
  2. Chiudi i notebook non utilizzati per liberare risorse
  3. Usa campioni di dati più piccoli per i test: 
    # Work with subset during development
df_sample = df.sample(n=1000)
  4. Profilare il codice per individuare i colli di bottiglia: 
    %time operation()  # Time single operation
%timeit operation()  # Time with multiple runs

Elevato Utilizzo di Memoria

Problema: Il sistema esaurisce la memoria

Soluzione:

# Check memory usage
df.info(memory_usage='deep')

# Optimize data types
df['column'] = df['column'].astype('int32')  # Instead of int64

# Drop unnecessary columns
df = df[['col1', 'col2']]  # Keep only needed columns

# Process in batches
for batch in np.array_split(df, 10):
    process(batch)

Ambiente e Configurazione

Problemi con l'Ambiente Virtuale

Problema: L'ambiente virtuale non si attiva

Soluzione:

# Windows
python -m venv venv
venv\Scripts\activate.bat

# macOS/Linux
python3 -m venv venv
source venv/bin/activate

# Check if activated (should show venv name in prompt)
which python  # Should point to venv python

Problema: I pacchetti installati non vengono trovati nel notebook

Soluzione:

# Ensure notebook uses the correct kernel
# Install ipykernel in your venv
pip install ipykernel
python -m ipykernel install --user --name=ml-env --display-name="Python (ml-env)"

# In Jupyter: Kernel → Change Kernel → Python (ml-env)

Problemi con Git

Problema: Impossibile scaricare gli ultimi aggiornamenti - conflitti di merge

Soluzione:

# Stash your changes
git stash

# Pull latest
git pull origin main

# Reapply your changes
git stash pop

# If conflicts, resolve manually or:
git checkout --theirs path/to/file  # Take remote version
git checkout --ours path/to/file    # Keep your version

Integrazione con VS Code

Problema: I notebook Jupyter non si aprono in VS Code

Soluzione:

  1. Installa l'estensione Python in VS Code
  2. Installa l'estensione Jupyter in VS Code
  3. Seleziona l'interprete Python corretto: Ctrl+Shift+P → "Python: Select Interpreter"
  4. Riavvia VS Code

Risorse Aggiuntive

Ancora Problemi?

Se hai provato le soluzioni sopra e stai ancora riscontrando problemi:

  1. Cerca problemi esistenti: GitHub Issues
  2. Controlla le discussioni su Discord: Discussioni su Discord
  3. Apri un nuovo problema: Includi:
    • Il tuo sistema operativo e la versione
    • Versione di Python/R
    • Messaggio di errore (traccia completa)
    • Passaggi per riprodurre il problema
    • Cosa hai già provato

Siamo qui per aiutarti! 🚀

Disclaimer (Avviso di responsabilità):
Questo documento è stato tradotto utilizzando il servizio di traduzione automatica Co-op Translator. Sebbene ci impegniamo per garantire la precisione, si prega di notare che le traduzioni automatiche potrebbero contenere errori o imprecisioni. Il documento originale nella sua lingua nativa dovrebbe essere considerato la fonte autorevole. Per informazioni critiche, si raccomanda una traduzione professionale effettuata da un traduttore umano. Non siamo responsabili per eventuali incomprensioni o interpretazioni errate derivanti dall'uso di questa traduzione.