Apprendimento Automatico per Principianti - Un Curriculum

April 20, 2026 · View on GitHub

🌐 Supporto Multilingua

Supportato tramite GitHub Action (Automatizzato e Sempre Aggiornato)

Preferisci clonare localmente?

Questo repository include più di 50 traduzioni linguistiche, il che aumenta significativamente la dimensione del download. Per clonare senza traduzioni, usa lo 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 dà tutto il necessario per completare il corso con un download molto più veloce.

Unisciti alla nostra Community

Abbiamo in corso una serie Discord "imparare con l’AI", scopri di più e unisciti a noi su Learn with AI Series dal 18 al 30 settembre 2025. Riceverai consigli e trucchi sull’uso di GitHub Copilot per la Data Science.

Learn with AI series

Apprendimento Automatico per Principianti - Un Curriculum

🌍 Viaggia intorno al 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 interamente dedicato al Machine Learning. In questo curriculum, apprenderai ciò che a volte viene chiamato machine learning classico, utilizzando 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 per Principianti' curriculum, inoltre!

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 didattica basata su progetti ti consente di imparare costruendo, un metodo comprovato 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

🎨 Grazie anche ai 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 Ambassadors Eric Wanjau, Jasleen Sondhi e Vidushi Gupta per le nostre lezioni R!

Iniziare

Segui questi passaggi:

Forka il 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 raccolta Microsoft Learn

🔧 Hai bisogno di aiuto? Consulta la nostra Guida alla Risoluzione dei Problemi per soluzioni ai problemi comuni di installazione, configurazione e utilizzo 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, facendo pause e riflettendo a ogni controllo del sapere.
Provate a creare i progetti comprendendo le lezioni, anziché eseguire il codice soluzione; comunque 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 rubrica PAT appropriata. Un 'PAT' è uno Strumento di Valutazione dei Progressi, una rubrica che compilate per approfondire il vostro apprendimento. Potete anche reagire ad altri PAT così possiamo imparare insieme.

Per approfondire, consigliamo di seguire questi moduli e percorsi didattici di Microsoft Learn.

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

Video walkthrough

Alcune lezioni sono disponibili come video brevi. Puoi trovarli tutti in linea nelle lezioni o nella playlist ML for Beginners sul canale Microsoft Developer YouTube cliccando sull’immagine 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 nel costruire questo curriculum: garantire che sia pratico e basato su progetti, e che includa quiz frequenti. Inoltre, questo curriculum ha un tema comune per dargli coesione.

Garantendo che il contenuto sia allineato ai progetti, il processo diventa più coinvolgente per gli studenti e la ritenzione dei concetti è aumentata. Inoltre, un quiz a bassa pressione prima della lezione prepara l’intenzione dello studente ad apprendere 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 parzialmente. I progetti partono da semplici e diventano progressivamente più complessi entro la fine del ciclo di 12 settimane. Il curriculum include anche un postscript sulle applicazioni reali del ML, utilizzabile come credito extra o come base per la discussione.

Trova il nostro Codice di Condotta, le linee guida per la Contribuzione, le Traduzioni e la Risoluzione dei Problemi. Accogliamo con favore il tuo feedback costruttivo!

Ogni lezione include

sketchnote opzionale
video supplementare opzionale
video walkthrough (solo alcune lezioni)
quiz di riscaldamento pre-lezione
lezione scritta
per le lezioni basate su progetto, 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 semplicemente definito come un'incorporazione di blocchi di codice (in R o altre lingue) e un intestazione YAML (che guida come formattare le uscite come PDF) in un documento Markdown. Come tale, serve come un eccellente framework di scrittura per la scienza dei dati poiché ti permette di combinare il codice, il suo output e i tuoi pensieri consentendoti 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 quiz può essere eseguita localmente; segui le istruzioni nella cartella quiz-app per 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 di base alla base del machine learning	Lezione	Muhammad
02	La Storia del machine learning	Introduzione	Impara la storia che sta alla base di questo campo	Lezione	Jen and Amy
03	Equità e machine learning	Introduzione	Quali sono le importanti questioni filosofiche sull'equità che gli studenti dovrebbero considerare quando costruiscono e applicano modelli ML?	Lezione	Tomomi
04	Tecniche per il machine learning	Introduzione	Quali tecniche usano i ricercatori ML per costruire modelli ML?	Lezione	Chris and Jen
05	Introduzione alla regressione	Regressione	Inizia con 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 il ML	Python • R	Jen • Eric Wanjau
07	Prezzi delle zucche in Nord America 🎃	Regressione	Costruisci modelli di regressione lineare e polinomiale	Python • R	Jen and Dmitry • Eric Wanjau
08	Prezzi delle zucche in Nord America 🎃	Regressione	Costruisci un modello di regressione logistica	Python • R	Jen • Eric Wanjau
09	Una Web App 🔌	Web App	Costruisci una web app per utilizzare il tuo modello addestrato	Python	Jen
10	Introduzione alla classificazione	Classificazione	Pulisci, prepara e visualizza i tuoi dati; introduzione alla classificazione	Python • R	Jen and Cassie • Eric Wanjau
11	Deliziose cucine asiatiche e indiane 🍜	Classificazione	Introduzione ai classificatori	Python • R	Jen and Cassie • Eric Wanjau
12	Deliziose cucine asiatiche e indiane 🍜	Classificazione	Altri classificatori	Python • R	Jen and Cassie • Eric Wanjau
13	Deliziose cucine asiatiche e indiane 🍜	Classificazione	Costruisci una web app di raccomandazione 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 ☕️	Natural language processing	Impara i concetti base della NLP costruendo un bot semplice	Python	Stephen
17	Compiti comuni NLP ☕️	Natural language processing	Approfondisci la tua conoscenza della 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 sentimento 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 di serie temporali	Python	Francesca
22	⚡️ Consumo Energetico Mondiale ⚡️ - previsione con ARIMA	Serie temporali	Previsione di serie temporali con ARIMA	Python	Francesca
23	⚡️ Consumo Energetico Mondiale ⚡️ - 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 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 di modelli ML usando il cruscotto RAI	ML in the Wild	Debugging di modelli di machine learning usando i componenti del cruscotto Responsible AI	Lezione	Ruth Yakubu

trova tutte le risorse aggiuntive per questo corso nella nostra raccolta Microsoft Learn

Accesso offline

Puoi eseguire questa documentazione offline usando Docsify. Fai fork di questo repo, installa Docsify sulla tua macchina locale, quindi nella cartella principale di questo repo digita docsify serve. Il sito web sarà servito sulla porta 3000 del 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 di AI Generativa

Apprendimento Base

Serie Copilot

Ottenere Aiuto

Se ti blocchi o hai domande mentre impari il Machine Learning o costruisci applicazioni AI, non preoccuparti — l’aiuto è disponibile.

Puoi partecipare alle discussioni con altri studenti e sviluppatori, fare domande e condividere le tue idee con la comunità.

Partecipa alla comunità per fare domande e imparare con gli altri
Discuti concetti di Machine Learning e idee per progetti
Ricevi indicazioni da sviluppatori esperti

Una comunità di supporto è un ottimo modo per migliorare le tue competenze e risolvere i problemi più rapidamente.

Microsoft Foundry Discord Community

Se riscontri bug, errori o hai suggerimenti per miglioramenti, puoi anche aprire un Issue in questo repository per segnalare il problema.

Per feedback sul prodotto o per cercare post esistenti nella community, visita il Forum degli Sviluppatori:

Ulteriori Consigli per l’Apprendimento

Rivedi i notebook dopo ogni lezione per una migliore comprensione.
Esercitati a implementare algoritmi per conto tuo.
Esplora set di dati reali utilizzando i concetti appresi.

Disclaimer: Questo documento è stato tradotto utilizzando il servizio di traduzione AI Co-op Translator. Sebbene ci impegniamo per l’accuratezza, si prega di notare che le traduzioni automatizzate possono contenere errori o inesattezze. Il documento originale nella sua lingua nativa deve essere considerato la fonte autorevole. Per informazioni critiche, si raccomanda una traduzione professionale umana. Non siamo responsabili per eventuali malintesi o interpretazioni errate derivanti dall’uso di questa traduzione.