Corso di data science per principianti
Dalla tua prima riga di Python a modelli di cui ti puoi fidare: SQL, grafici, statistica e poi machine learning con scikit-learn. Codice vero nel browser e un grafico in ogni lezione di ML.
2,421,911+ codder iscritti a questi corsi
487 lezioni539 sfide2,161 domande del quiz
- Adatto ai principianti
Aiuto alla programmazione con l'AI
Lezioni interattive pratiche
Narrazione audio in ogni lezione
Quiz per mettere alla prova le tue conoscenze
8 certificati gratuiti lungo il percorso
Addestra un modello nel tuo browser
Vero codice scikit-learn con il suo vero output. Trascina il cursore per cambiare una riga e guarda cosa impara il modello.
Un k piccolo memorizza ogni punto di addestramento e traccia un confine frastagliato. Un k più grande lo rende liscio.
import numpy as np
import matplotlib.pyplot as plt
from sklearn.datasets import make_moons
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
X, y = make_moons(n_samples=200, noise=0.3, random_state=0)
X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=0)
k = 5
model = KNeighborsClassifier(n_neighbors=k)
model.fit(X_train, y_train)
print(f"train accuracy: {model.score(X_train, y_train):.2f}")
print(f"test accuracy: {model.score(X_test, y_test):.2f}")
xx, yy = np.meshgrid(np.linspace(-2, 3, 56), np.linspace(-1.5, 2, 40))
proba = model.predict_proba(np.c_[xx.ravel(), yy.ravel()])[:, 1]
proba = proba.reshape(xx.shape)
plt.figure(figsize=(5, 4))
plt.pcolormesh(xx, yy, proba, cmap="coolwarm", alpha=0.35)
plt.scatter(X_train[:, 0], X_train[:, 1], c=y_train,
cmap="coolwarm", edgecolors="k")
plt.title(f"k-nearest neighbors, k = {k}")
plt.show()
Il percorso di data science, passo dopo passo
Ogni passo è un corso Coddy che esiste già. Seguili in ordine o salta a quello che ti manca: i tuoi progressi vengono salvati per ogni corso in ogni caso.
- 1Passo 12 sezioni, in ordine
- 2Passo 2
SQL per recuperare i datiPagina dedicata
Inizia questo passoIniziaSeleziona, filtra, unisci, raggruppa e aggrega tabelle reali. Quasi tutti i dati di un'azienda vivono in un database, e un data scientist che sa interrogarlo non aspetta che qualcun altro glieli esporti.IniziaPagina dedicata2 sezioni, in ordine - 3Passo 3
Dati e graficiPagina dedicata
Inizia questo passoIniziaArray NumPy, tabelle pandas e grafici matplotlib, poi i dataset iris, wine e digits già inclusi. Gli strumenti da cui parte ogni progetto di machine learning, con un grafico in ogni lezione.IniziaPagina dedicata - 4Passo 4
Statistica per il machine learningPagina dedicata
Inizia questo passoIniziaCentro e dispersione, distribuzioni, probabilità per simulazione, outlier, correlazione, linee di tendenza, p-value, scaling e codifica. Imparata simulando e disegnando grafici, non memorizzando formule.IniziaPagina dedicata - 5Passo 5
Apprendimento supervisionatoPagina dedicata
Inizia questo passoIniziaDividi, addestra, predici e valuta con scikit-learn: k-NN, regressione lineare e logistica, alberi, random forest, boosting, cross-validation e pipeline, fino a un classificatore di specie di pinguini.IniziaPagina dedicata - 6Passo 6
Apprendimento non supervisionatoPagina dedicata
Inizia questo passoIniziaTrova una struttura senza etichette: k-means, clustering gerarchico, DBSCAN, PCA e anomaly detection, fino a un progetto che mappa e raggruppa cifre scritte a mano.IniziaPagina dedicata
Impara facendo
Scrivi codice vero, interroga database, crea siti web e padroneggia i prompt per l'AI. Le nostre lezioni interattive coprono tutte le competenze di cui ha bisogno uno sviluppatore moderno.
Costruisci la tua serie
Sii costante e guarda crescere i tuoi progressi! Tieni traccia della tua abitudine quotidiana di programmare, proteggi la tua serie con i giorni di congelamento e guadagna ricompense ogni giorno che ti presenti.
12 giorni di serie
Torna domani per mantenere la tua serie!
January 2026
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
21
22
23
24
25
26
27
28
29
30
Lascia o raddoppia
Giorno 5 di 7
Congela serie
2 left
Non sei solo
Competi nelle classifiche globali, invita gli amici per guadagnare ricompense e festeggiate insieme i vostri successi. Programmare è più bello con gli amici!
Tutti i modi per imparare
Leggi, ascolta, mettiti alla prova, chiedi all'AI o ripassa qualsiasi cosa tu abbia già visto. Ogni lezione si adatta a te.
Una variabile è un contenitore con un nome che memorizza un valore a cui puoi fare riferimento più avanti nel programma.
In Python la crei scrivendo il nome, un segno di uguale e poi il valore che vuoi memorizzare.
Il valore può cambiare nel tempo: riassegnare il nome lo fa semplicemente puntare a un nuovo valore.
Ottieni un certificato
Ottieni un certificato per ogni corso che completi. Aggiungilo al tuo profilo LinkedIn e al curriculum per mostrare ai datori di lavoro le tue competenze di programmazione.
Perché seguire questo percorso di data science su Coddy
- Un solo ordine, niente tentativi. Prima Python, poi SQL per recuperare i dati, poi grafici e statistica per capirli, poi i modelli per fare previsioni. Ogni passo usa quello che ha insegnato il precedente.
- Vedi i dati. Ogni lezione di machine learning ha un grafico o un diagramma, e i grafici disegnati dal tuo codice compaiono lì accanto nella scheda Grafici, così una distribuzione, una correlazione o un confine di decisione sono cose che hai guardato, non solo letto.
- Strumenti veri, niente da installare: Python, SQL, NumPy, pandas, matplotlib, SciPy e scikit-learn, tutti nel tuo browser, nelle versioni che usano i data scientist.
- Due progetti completati, un classificatore di specie di pinguini e un esploratore di cifre scritte a mano, più sfide finali su abbandono dei clienti, frodi e test A/B. Ogni corso si chiude con un certificato gratuito.