Gli Azure Cloud Advocates di Microsoft sono lieti di offrire un curriculum di 10 settimane, con 20 lezioni completamente dedicate alla Data Science. Ogni lezione include quiz pre-lezione e post-lezione, istruzioni scritte per completare la lezione, una soluzione e un esercizio. La nostra pedagogia basata su progetti ti permette di imparare costruendo, un metodo comprovato per fare "attaccare" nuove competenze.
Un sentito grazie ai nostri autori: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.
🙏 Un ringraziamento speciale 🙏 ai nostri autori, revisori e collaboratori di contenuti Microsoft Student Ambassador, in particolare Aaryan Arora, Aditya Garg, Alondra Sanchez, Ankita Singh, Anupam Mishra, Arpita Das, ChhailBihari Dubey, Dibri Nsofor, Dishita Bhasin, Majd Safi, Max Blum, Miguel Correa, Mohamma Iftekher (Iftu) Ebne Jalal, Nawrin Tabassum, Raymond Wangsa Putra, Rohit Yadav, Samridhi Sharma, Sanya Sinha, Sheena Narula, Tauqeer Ahmad, Yogendrasingh Pawar , Vidushi Gupta, Jasleen Sondhi
 |
|---|
| Data Science For Beginners - Sketchnote di @nitya |
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 | Khmer | 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 oltre 50 traduzioni linguistiche che aumentano significativamente la dimensione del download. Per clonare senza le traduzioni, utilizza lo sparse checkout:
Bash / macOS / Linux:
git clone --filter=blob:none --sparse https://github.com/microsoft/Data-Science-For-Beginners.git cd Data-Science-For-Beginners git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'CMD (Windows):
git clone --filter=blob:none --sparse https://github.com/microsoft/Data-Science-For-Beginners.git cd Data-Science-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.
Se desideri che vengano supportate lingue aggiuntive, sono elencate qui
Abbiamo una serie Discord "Learn with AI" in corso, 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.
Inizia con le seguenti risorse:
- Pagina Student Hub In questa pagina, troverai risorse per principianti, pacchetti per studenti e perfino modi per ottenere un voucher gratuito per la certificazione. Questa è una pagina da aggiungere ai preferiti e consultare di tanto in tanto, poiché aggiorniamo i contenuti almeno mensilmente.
- Microsoft Learn Student Ambassadors Unisciti a una comunità globale di ambasciatori studenteschi, questa potrebbe essere la tua strada verso Microsoft.
- Guida all'installazione - Istruzioni passo-passo per l'installazione per principianti
- Guida all'uso - Esempi e flussi di lavoro comuni
- Risoluzione dei problemi - Soluzioni ai problemi comuni
- Guida alla contribuzione - Come contribuire a questo progetto
- Per insegnanti - Guida didattica e risorse per la classe
Principianti completi: Nuovo alla data science? Inizia con i nostri esempi per principianti! Questi esempi semplici e ben commentati ti aiuteranno a comprendere le basi prima di immergerti nel curriculum completo. Studenti: per usare questo curriculum in autonomia, fai il fork dell'intero repo e completa gli esercizi da solo, iniziando con un quiz pre-lezione. Poi leggi la lezione e completa le altre attività. Cerca di creare i progetti comprendendo le lezioni anziché copiare il codice soluzione; tuttavia, quel codice è disponibile nelle cartelle /solutions in ogni lezione orientata al progetto. Un'altra idea sarebbe formare un gruppo di studio con amici e seguire insieme i contenuti. Per ulteriori studi, consigliamo Microsoft Learn.
Avvio rapido:
- Controlla la Guida all'installazione per configurare il tuo ambiente
- Consulta la Guida all'uso per imparare come lavorare con il curriculum
- Inizia con la Lezione 1 e procedi in sequenza
- Unisciti alla nostra comunità Discord per supporto
Insegnanti: abbiamo incluso alcuni suggerimenti su come utilizzare questo curriculum. Ci piacerebbe ricevere il vostro feedback nel nostro forum di discussione!
Gif di Mohit Jaisal
🎥 Clicca sull'immagine sopra per un video sul progetto e sulle persone che lo hanno creato!
Abbiamo scelto due principi pedagogici nella costruzione di questo curriculum: garantire che sia basato su progetti e che includa quiz frequenti. Alla fine di questa serie, gli studenti avranno appreso i principi base della scienza dei dati, inclusi concetti etici, preparazione dei dati, diversi modi di lavorare con i dati, visualizzazione dei dati, analisi dei dati, casi d'uso reali della scienza dei dati e altro ancora.
Inoltre, un quiz a bassa pressione prima della lezione indirizza lo studente verso l’apprendimento di un argomento, mentre un secondo quiz dopo la lezione ne assicura una ulteriore memorizzazione. Questo curriculum è stato progettato per essere flessibile e divertente e può essere seguito interamente o in parte. I progetti iniziano piccoli e diventano sempre più complessi entro la fine del ciclo di 10 settimane.
Trova il nostro Codice di Condotta, le linee guida per il Contributo, Traduzione. Accogliamo con piacere i tuoi feedback costruttivi!
- Sketchnote opzionale
- Video supplementare opzionale
- Quiz di riscaldamento pre-lezione
- Lezione scritta
- Per le lezioni basate su progetti, guide passo-passo su come costruire il progetto
- Verifiche della conoscenza
- Una sfida
- Letture supplementari
- Compito
- Quiz post-lezione
Una nota sui quiz: Tutti i quiz sono contenuti nella cartella Quiz-App, per un totale di 40 quiz con tre domande ciascuno. Sono linkati all'interno delle lezioni, ma l'app di quiz può essere eseguita localmente o distribuita su Azure; segui le istruzioni nella cartella
quiz-app. Sono in corso di localizzazione graduale.
Sei nuovo alla scienza dei dati? Abbiamo creato una speciale cartella di esempi con codice semplice e ben commentato per aiutarti a iniziare:
- 🌟 Hello World - Il tuo primo programma di scienza dei dati
- 📂 Caricamento dati - Impara a leggere ed esplorare i dataset
- 📊 Analisi semplice - Calcola statistiche e trova pattern
- 📈 Visualizzazione di base - Crea grafici e diagrammi
- 🔬 Progetto reale - Workflow completo dall’inizio alla fine
Ogni esempio include commenti dettagliati che spiegano ogni passaggio, rendendolo perfetto per principianti assoluti!
 |
|---|
| Data Science per Principianti: Roadmap - Sketchnote di @nitya |
| Numero Lezione | Argomento | Gruppo di Lezioni | Obiettivi di Apprendimento | Lezione Collegata | Autore |
|---|---|---|---|---|---|
| 01 | Definire la Scienza dei Dati | Introduzione | Impara i concetti base dietro la scienza dei dati e come è correlata all’intelligenza artificiale, al machine learning e al big data. | lezione video | Dmitry |
| 02 | Etica nella Scienza dei Dati | Introduzione | Concetti, sfide e quadri etici della scienza dei dati. | lezione | Nitya |
| 03 | Definire i Dati | Introduzione | Come i dati sono classificati e le loro fonti comuni. | lezione | Jasmine |
| 04 | Introduzione a Statistica e Probabilità | Introduzione | Le tecniche matematiche di probabilità e statistica per comprendere i dati. | lezione video | Dmitry |
| 05 | Lavorare con dati relazionali | Lavorare con i dati | Introduzione ai dati relazionali e basi per esplorare e analizzare dati relazionali con Structured Query Language, noto anche come SQL (pronunciato "see-quell"). | lezione | Christopher |
| 06 | Lavorare con dati NoSQL | Lavorare con i dati | Introduzione ai dati non relazionali, ai loro vari tipi e alle basi per esplorare e analizzare database di documenti. | lezione | Jasmine |
| 07 | Lavorare con Python | Lavorare con i dati | Basi dell’uso di Python per l’esplorazione dati con librerie come Pandas. Si raccomanda una conoscenza di base di programmazione Python. | lezione video | Dmitry |
| 08 | Preparazione dati | Lavorare con i dati | Argomenti sulle tecniche di pulizia e trasformazione dei dati per gestire problemi di dati mancanti, inaccurati o incompleti. | lezione | Jasmine |
| 09 | Visualizzare quantità | Visualizzazione dati | Imparare a usare Matplotlib per visualizzare dati di uccelli 🦆 | lezione | Jen |
| 10 | Visualizzare distribuzioni di dati | Visualizzazione dati | Visualizzare osservazioni e tendenze in un intervallo. | lezione | Jen |
| 11 | Visualizzare proporzioni | Visualizzazione dati | Visualizzare percentuali discrete e raggruppate. | lezione | Jen |
| 12 | Visualizzare relazioni | Visualizzazione dati | Visualizzare connessioni e correlazioni tra set di dati e loro variabili. | lezione | Jen |
| 13 | Visualizzazioni significative | Visualizzazione dati | Tecniche e indicazioni per rendere le tue visualizzazioni utili per una risoluzione efficace dei problemi e per insight. | lezione | Jen |
| 14 | Introduzione al ciclo di vita della scienza dei dati | Ciclo di vita | Introduzione al ciclo di vita della scienza dei dati e al suo primo passo di acquisizione ed estrazione dei dati. | lezione | Jasmine |
| 15 | Analisi | Ciclo di vita | Questa fase del ciclo di vita della scienza dei dati si concentra sulle tecniche di analisi dei dati. | lezione | Jasmine |
| 16 | Comunicazione | Ciclo di vita | Questa fase del ciclo di vita della scienza dei dati si concentra sulla presentazione degli insight dei dati in modo da agevolare la comprensione da parte dei decisori. | lezione | Jalen |
| 17 | Scienza dei dati nel cloud | Dati Cloud | Questa serie di lezioni introduce la scienza dei dati nel cloud e i suoi benefici. | lezione | Tiffany e Maud |
| 18 | Scienza dei dati nel cloud | Dati Cloud | Addestramento di modelli usando strumenti Low Code. | lezione | Tiffany e Maud |
| 19 | Scienza dei dati nel cloud | Dati Cloud | Distribuzione di modelli con Azure Machine Learning Studio. | lezione | Tiffany e Maud |
| 20 | Scienza dei dati sul campo | Sul campo | Progetti di scienza dei dati nel mondo reale. | lezione | Nitya |
Segui questi passaggi per aprire questo esempio in un Codespace:
- Clicca sul menu a discesa Codice e seleziona l’opzione Apri con Codespaces.
- Seleziona + Nuovo codespace in fondo al pannello. Per maggiori informazioni, consulta la documentazione GitHub.
Segui questi passaggi per aprire questo repository in un container usando la tua macchina locale e VSCode con l’estensione VS Code Remote - Containers:
- Se è la prima volta che usi un container di sviluppo, verifica che il tuo sistema soddisfi i prerequisiti (ad esempio avere Docker installato) nella documentazione introduttiva.
Per usare questo repository, puoi aprirlo in un volume Docker isolato:
Nota: In pratica, questo utilizzerà il comando Remote-Containers: Clona repository in volume container... per clonare il codice sorgente in un volume Docker anziché nel file system locale. I volumi sono il meccanismo preferito per la persistenza dei dati nei container.
Oppure apri una versione clonata o scaricata localmente del repository:
- Clona questo repository nel tuo file system locale.
- Premi F1 e seleziona il comando Remote-Containers: Apri cartella nel container....
- Seleziona la copia clonata di questa cartella, attendi l’avvio del container e prova a usarla.
Puoi eseguire questa documentazione offline usando Docsify. Fai un fork di questo repo, installa Docsify sulla tua macchina locale, quindi nella cartella root di questo repo digita docsify serve. Il sito web sarà servito sulla porta 3000 sul tuo localhost: localhost:3000.
Nota, i notebook non saranno renderizzati tramite Docsify, quindi quando devi eseguire un notebook, fallo separatamente in VS Code eseguendo un kernel Python.
Il nostro team produce altri curricula! 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}
Hai riscontrato problemi? Consulta la nostra Guida alla risoluzione dei problemi per soluzioni ai problemi comuni.
Se rimani bloccato o hai domande sulla creazione di app AI, unisciti a altri apprendenti 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 riscontri errori durante lo sviluppo, visita:
Disclaimer:
Questo documento è stato tradotto utilizzando il servizio di traduzione AI Co-op Translator. Pur impegnandoci per l’accuratezza, si prega di notare che le traduzioni automatiche possono contenere errori o inesattezze. Il documento originale nella sua lingua madre deve essere considerato la fonte autorevole. Per informazioni critiche, si raccomanda la traduzione professionale umana. Non siamo responsabili per eventuali malintesi o interpretazioni errate derivanti dall’uso di questa traduzione.