Menu
CoddyTech
INIZIA A IMPARARE
flag It iconItalianodown icon
machine Learning iconParte del percorso Machine LearningNuovoPercorso

Statistica per il machine learning e la data science

La statistica su cui si regge ogni modello, imparata simulando e disegnando grafici invece di memorizzare formule. Python vero con NumPy, pandas, SciPy e scikit-learn, e un grafico in ogni lezione.

INIZIA A IMPARARE(è gratis)
Vedi il programmaPlayground Statistica per il machine learning

1,000+ codder iscritti

64 lezioni63 sfide265 domande del quiz

  • Adatto ai principianti
  • sparkles iconAiuto alla programmazione con l'AI
  • hint iconLezioni interattive pratiche
  • quiz iconQuiz per mettere alla prova le tue conoscenze
  • certificate iconCertificato di completamento gratuito

Programma

1 sezioni64 lezioni63 sfide265 domande del quiz

Questa sezione fa parte del percorso Machine Learning. Il programma completo ha altre sezioni: clicca su un'anteprima qui sotto per vederla nella pagina del percorso.

  1. Sezione 1Dati e grafici60 lezioni
  2. Sezione 2

    Statistica per il machine learning

    Inizia la sezioneIniziaEspandiComprimi    Le basi statistiche di ogni modello: tendenza centrale e dispersione, distribuzioni, probabilità tramite simulazioni, campioni, valori anomali, correlazione, linee di tendenza e test tra gruppi, fino alla normalizzazione e alla codifica delle feature. Ogni concetto viene calcolato su dati reali e rappresentato graficamente.64 lezioni63 sfide265 domande

    Centro e dispersione

    6 lezioni625

    Distribuzioni

    6 lezioni625

    Probabilità tramite simulazione

    6 lezioni625

    Campioni e popolazioni

    5 lezioni520

    Valori anomali

    5 lezioni520

    Relazioni

    6 lezioni525

    Linee di tendenza

    6 lezioni625

    Confrontare gruppi

    6 lezioni625

    Scalatura delle feature

    5 lezioni520

    Codifica delle categorie

    4 lezioni415

    Esplorare un dataset

    5 lezioni520

    Sfide finali

    4 lezioni420
  3. Sezione 3Apprendimento supervisionato58 lezioni
  4. Sezione 4Apprendimento non supervisionato51 lezioni
Vedi il programma completo del percorso Machine Learning
Cosa ottieni
Tutto ciò che userai per imparare a programmare

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.

playground.js
Editor di codice
1const greeting = "Hello, Coddy!"
2function sayHi(name) {
3    return greeting + " " + name
4}
5
bottombar Collapse icon
Test #1test Case Success icon
Test #2test Case Success icon
Test #3test Case Failure icon
Input
"Alex"
Output
"Hello, Coddy! Alex"

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!

fire Filled icon
left icon

January 2026

right icon

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

product Double Or Nothing icon

Lascia o raddoppia

Giorno 5 di 7

fire Freeze icon

Congela serie

2 left

Programma ovunque

Porta il tuo percorso di programmazione sempre con te! Niente configurazioni, niente download: apri l'app e inizia a programmare. Disponibile su iOS, Android e Web con valutazioni di 4,9 stelle.

Python
7Serie
250Punteggio
5Energia
Variabili
journey Hex Done Base iconjourney Hex Done Shadow iconjourney Hex Done Top iconjourney Lesson Done icon
journey Path Right Done icon
journey Hex Done Base iconjourney Hex Done Shadow iconjourney Hex Done Top iconjourney Lesson Done icon
journey Path Left Done icon
journey Hex Active Base iconjourney Hex Active Shadow iconjourney Hex Active Top iconjourney Lesson Theory Challenge icon
CONTINUA
journey Path Right icon
journey Hex Locked Base iconjourney Hex Locked Shadow iconjourney Hex Locked Top iconjourney Lesson Theory Challenge icon
journey Path Left icon
journey Hex Locked Base iconjourney Hex Locked Shadow iconjourney Hex Locked Top iconjourney Lesson All icon
Percorso
Obiettivi
Classifica
Profilo
4.9
StellaStellaStellaStellaStella
Valutazione

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!

Lega Sfidante
Lega SfidanteI primi 7 avanzano
leaderboard First icon1
avatar 1 icon
fire Filled icon
Alex7+ Days
2840
leaderboard Second icon2
avatar 2 icon
fire Filled icon
Jordan7+ Days
2650
leaderboard Third icon3
avatar 3 icon
fire Filled icon
Sam7+ Days
2420
4
avatar 4 icon
Casey
2180
5
avatar placeholder icon
fire Filled icon
Morgan7+ Days
1950
leaderboard Arrow Up iconZona promozioneleaderboard Arrow Up icon

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.

Introduzione alle variabili
Audio

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.

1xSarah

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.

CoddyCertificato di completamento
Si certifica cheMario Rossiha completato con successo
python iconFondamenti di Python
Verificato
Datagen 2026
LinkedInAggiungi a LinkedIn

Perché imparare la statistica per il ML con Coddy

  • Simulala, poi guardala. Lancia migliaia di dadi, estrai migliaia di campioni, rimescola i gruppi migliaia di volte e guarda l'istogramma assestarsi. Una probabilità è una quota che puoi contare prima ancora di essere una formula.
  • Ogni lezione ha un grafico: istogrammi di densità con la curva normale sopra, box plot con i loro outlier, heatmap di correlazione, linee di tendenza adattate ai dati. Il tuo grafico compare nella scheda Grafici quando esegui.
  • La statistica che il machine learning usa davvero: media e mediana, dispersione e percentili, distribuzioni e z-score, campionamento, outlier, correlazione, minimi quadrati e R quadro, p-value e il test t.
  • Si chiude dove iniziano i modelli: scaling delle feature con StandardScaler, codifica delle categorie con pd.get_dummies e una checklist per esplorare un nuovo dataset prima di addestrare qualsiasi cosa.

Domande frequenti sulla statistica per il machine learning

Quanta statistica serve per il machine learning?

Meno di quanto molti temono. Per addestrare e valutare bene un modello devi saper leggere centro e dispersione, sapere cosa sono una distribuzione e un outlier, misurare una relazione con la correlazione, adattare una retta e distinguere una differenza reale dal caso. È questa sezione. Le dimostrazioni e la teoria della probabilità avanzata servono per la ricerca, non per usare bene scikit-learn.

È la stessa statistica della data science?

Sì. Statistica descrittiva, distribuzioni, campionamento, correlazione, rette di regressione e test di ipotesi sono il nucleo comune della statistica per la data science e per il machine learning. Gli ultimi capitoli si spostano verso i modelli, con scaling, codifica ed esplorazione di un dataset prima dell'addestramento.

Mi servono analisi matematica o algebra lineare?

No. Tutto si impara con aritmetica, simulazioni e grafici. Quando esiste una formula, la incontri come una riga di codice e un'immagine, poi la verifichi con una simulazione. Analisi e algebra lineare diventano utili più avanti, se vuoi approfondire come sono costruiti gli algoritmi.

Cos'è un p-value, in parole semplici?

È quanto spesso il puro caso darebbe un risultato grande almeno quanto il tuo. Nel corso lo calcoli rimescolando: unisci due gruppi, li dividi a caso migliaia di volte e conti quante volte la differenza finta supera quella vera. Poi incontri stats.ttest_ind, la scorciatoia con formula per la stessa domanda.

Quali librerie Python usa questa sezione?

NumPy per i numeri, pandas per le tabelle, matplotlib per ogni grafico, il modulo stats di SciPy per distribuzioni e test, e scikit-learn per StandardScaler. Si imparano tutte nella sezione di visualizzazione dati con Python che viene prima di questa.

Quanto dura la sezione di statistica?

64 lezioni, circa 11 ore al tuo ritmo: tre o quattro settimane a mezz'ora al giorno, comprese quattro sfide finali su dati realistici.

La sezione di statistica è gratis?

Sì. Le lezioni, i grafici, i suggerimenti AI e il certificato della sezione sono gratis. Con un account gratuito fai qualche lezione al giorno, e Pro toglie il limite giornaliero.

Percorsi di apprendimento che includono questo corso

Questo corso è un passo di un percorso più lungo: diversi corsi nell'ordine in cui li insegnerebbe un mentore, ognuno con il suo certificato gratuito.

Illustrazione dei linguaggi di programmazione di Coddy

Impara Statistica per il machine learning con Coddy

INIZIA