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

Apprendimento supervisionato con scikit-learn

Addestra modelli che imparano da esempi etichettati. Dividi, addestra, predici e valuta con scikit-learn, guarda ogni modello su un grafico e chiudi con un classificatore di specie di pinguini.

INIZIA A IMPARARE(è gratis)
Vedi il programmaPlayground Apprendimento supervisionato

1,000+ codder iscritti

58 lezioni58 sfide240 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 sezioni58 lezioni58 sfide240 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 2Statistica per il machine learning64 lezioni
  3. Sezione 3

    Apprendimento supervisionato

    Inizia la sezioneIniziaEspandiComprimi    Allena modelli reali con scikit-learn: suddividi i dati, addestra, fai previsioni e valuta i risultati. k-NN, regressione lineare e logistica, alberi, foreste e boosting, valutazione rigorosa con cross-validation e pipeline, fino a un progetto sui pinguini dall'inizio alla fine.58 lezioni58 sfide240 domande

    Il tuo primo modello

    5 lezioni520

    Vicini più prossimi

    5 lezioni520

    Regressione lineare

    5 lezioni520

    Regressione logistica

    5 lezioni520

    Misurare i classificatori

    6 lezioni625

    Alberi decisionali

    5 lezioni520

    Sovraadattamento

    5 lezioni520

    Convalida incrociata

    4 lezioni415

    Insiemi

    4 lezioni415

    Pipeline

    5 lezioni520

    Progetto: specie di pinguini

    5 lezioni525

    Sfide finali

    4 lezioni420
  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 l'apprendimento supervisionato con Coddy

  • Tutto il flusso di scikit-learn in quattro righe che userai in ogni progetto: train_test_split, fit, predict e score. Da lì, ogni modello nuovo è una riga in più, non un nuovo modo di lavorare.
  • Guarda cosa decide un modello. I confini di decisione colorano il piano, i grafici dei residui mostrano cosa sfugge a una retta, le curve ROC mostrano cosa sacrifica una soglia. Ogni lezione ha un grafico, e il tuo compare nella scheda Grafici quando esegui.
  • I modelli che fanno la maggior parte del lavoro reale: k-nearest neighbors, regressione lineare e logistica, alberi decisionali, random forest e gradient boosting, più pipeline che scalano, codificano e riempiono i buchi senza far trapelare il test set.
  • Punteggi onesti. Matrici di confusione, precision e recall, classi sbilanciate, overfitting, validation set e cross-validation, per distinguere un modello che funziona da uno che ha imparato i compiti a memoria.

Domande frequenti sull'apprendimento supervisionato

Che cos'è l'apprendimento supervisionato?

L'apprendimento supervisionato addestra un modello su esempi che hanno la risposta giusta, detta etichetta. Ogni riga ha delle feature (la lunghezza del becco di un pinguino, quella della pinna, l'isola) e un'etichetta (la specie). Il modello impara il legame tra le due, poi predice l'etichetta di righe nuove. È supervisionato perché le etichette fanno da insegnante: il modello viene corretto in base a loro mentre impara.

Che differenza c'è tra apprendimento supervisionato e non supervisionato?

L'apprendimento supervisionato ha le etichette e le predice: spam o no, il prezzo di un appartamento, la specie di un fiore. Quello non supervisionato non ha etichette e cerca una struttura nei dati stessi: gruppi di clienti simili, le poche direzioni che spiegano quasi tutta la variazione, le letture che sembrano sbagliate. Di solito si impara prima il supervisionato; la sezione di apprendimento non supervisionato viene subito dopo.

Cosa sono classificazione e regressione?

Sono i due tipi di apprendimento supervisionato. La classificazione predice una categoria, come spam o non spam, o uno tra tre tipi di vino. La regressione predice un numero, come i noleggi di bici di domani o l'andamento della malattia di un paziente. Molti modelli fanno entrambe le cose: esistono un k-NN, un albero decisionale e una random forest per ciascuna, e il corso usa entrambe le versioni.

Quali algoritmi di apprendimento supervisionato tratta il corso?

k-nearest neighbors, regressione lineare e Ridge, regressione logistica, alberi decisionali, random forest e gradient boosting, tutti con scikit-learn. Intorno a loro impari gli strumenti che li rendono utilizzabili: StandardScaler, OneHotEncoder, SimpleImputer, pipeline, cross_val_score e GridSearchCV.

Cosa devo sapere prima di iniziare?

Le basi di Python più NumPy, pandas e matplotlib, e abbastanza statistica per leggere una media, una dispersione e una correlazione. Le prime due sezioni del corso di machine learning insegnano proprio questo. Se le conosci già, puoi partire da qui.

Come faccio a sapere se il mio modello è buono?

Lo provi su righe che non ha mai visto durante l'addestramento e lo confronti con una baseline semplice, come indovinare sempre la classe più comune. L'accuratezza da sola può ingannare quando una classe è rara, quindi il corso insegna anche la matrice di confusione, precision, recall, F1 e le curve ROC, più la cross-validation per verificare che il punteggio non sia fortuna.

Quanto dura la sezione di apprendimento supervisionato?

58 lezioni, circa 10 ore al tuo ritmo: qualche settimana a mezz'ora al giorno. Ogni lezione è un'idea e un esercizio, e la sezione si chiude con il progetto dei pinguini e quattro sfide finali.

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 Apprendimento supervisionato con Coddy

INIZIA