Il programma, prima della promessa.
Machine Learning Masterclass raccoglie 36 sezioni, tra cui Week 1..2 - Algoritmi di Machine Learning e Week 1..2 - Algoritmi di Machine Learning / 🎥 Introduzione al Machine Learning. La proposta può interessare a chi cerca questi argomenti in un percorso organizzato. Per scegliere, confronta la sequenza delle lezioni con il tuo obiettivo e valuta il tempo disponibile insieme alle condizioni di accesso.
A chi si rivolge
- Chi sta valutando Machine Learning Masterclass e vuole confrontare gli argomenti del programma con le proprie esigenze.
- Chi cerca un percorso di Data Masters e vuole verificare struttura e condizioni di accesso prima di scegliere.
Cosa puoi imparare
- Tra gli argomenti del percorso: «🎯 Obiettivi e Riepilogo delle attività».
- Tra gli argomenti del percorso: «Introduzione al Machine Learning - 33:25».
- Tra gli argomenti del percorso: «Il Processo di Implementazione di un Algoritmo di ML - 23:38».
- Tra gli argomenti del percorso: «[OPZIONALE] Setup dell'ambiente - Windows (nativo) - 31:32».
Come è strutturato il programma
Il programma è suddiviso in 36 sezioni. Tra i titoli presenti: Week 1..2 - Algoritmi di Machine Learning; Week 1..2 - Algoritmi di Machine Learning / 🎥 Introduzione al Machine Learning; Week 1..2 - Algoritmi di Machine Learning / 🎥 Algoritmi di Machine Learning; Week 1..2 - Algoritmi di Machine Learning / 🎙️ Live Streaming Webinar. Il catalogo elenca 318 contenuti, di cui 290 con video e 215 con materiale testuale associato. I due conteggi possono sovrapporsi: il materiale testuale può accompagnare una lezione video e non rappresenta necessariamente una risorsa aggiuntiva distinta.
Week 1..2 - Algoritmi di Machine Learning1 contenuto
- 🎯 Obiettivi e Riepilogo delle attività
Week 1..2 - Algoritmi di Machine Learning / 🎥 Introduzione al Machine Learning11 contenuti
- Introduzione al Machine Learning - 33:25
- Il Processo di Implementazione di un Algoritmo di ML - 23:38
- [OPZIONALE] Setup dell'ambiente - Windows (nativo) - 31:32
- [OPZIONALE] Setup dell'ambiente - WSL su Windows per compatibilità GPU - Parte 1 - 23:00
- [OPZIONALE] Setup dell'ambiente - WSL su Windows per compatibilità GPU - Parte 2 - 24:42
- [OPZIONALE] Setup dell'ambiente - Mac OS - 05:04
- [OPZIONALE] Installazione di Tensorflow e Metal su Mac OS - 05:56
- [OPZIONALE] Installazione di Pytorch su Mac OS - 02:54
- [OPZIONALE] Installazione di altre librerie e salvataggio dei requirements su Mac OS - 04:56
- Librerie Python - 8:42
- Introduzione all'Algebra Lineare - 15:13
Week 1..2 - Algoritmi di Machine Learning / 🎥 Algoritmi di Machine Learning32 contenuti
- Naive Bayes - 15:38
- Esercitazione Naive Bayes - 5:38
- Esercitazione Naive Bayes per Spam Detection - 18:09
- Support Vector Machine - 12:25
- Esercitazione SVM e Confronto Kernel - 17:52
- KNN - 7:28
- Esercitazione KNN - 10:16
- Alberi Decisionali - 18:45
- Gini Impurity - 32:52
- Esercitazione su Alberi Decisionali - 17:06
- Ensemble Learning e Random Forest - 12:10
- Esercitazione Random Forest - 15:58
- Gradient Boosting - 10:23
- Esercitazione Gradient Boosting - 12:46
- Cenni su XGBoost - 7:19
- Esercitazione XGBoost - 14:52
- Cenni su CatBoost - 8:43
- Esercitazione CatBoost - 19:07
- Algoritmi Genetici - 7:41
- Esercitazione Algoritmi Genetici - 14:18
- Altri 12 contenuti: consulta il programma completo su Guruflix.
Week 1..2 - Algoritmi di Machine Learning / 🎙️ Live Streaming Webinar16 contenuti
- Live dell'11⁄02⁄2025 - Q&A Algoritmi di ML - Recap su train, validation, test - 16:40
- Live dell'11⁄02⁄2025 - Q&A algoritmi di ML - Metriche per i modelli di ML - 67:49
- Live del 18⁄02⁄2025 - Metriche per modelli di ML e gestione dataset sbilanciati - Riepilogo - 21:02
- Live del 18⁄02⁄2025 - Metriche per il ML - One versus One e One versus Rest classifier - 23:35
- Live del 18⁄02⁄2025 - Metriche per il ML - Gestione dataset sbilanciati - 80:35
- Live del 14⁄04⁄2025 - Metriche per il ML - Richiami su Algoritmi di ML - 06:46
- Live del 14⁄04⁄2025 - Metriche per il ML - Split di train, validation e test - 22:47
- Live del 14⁄04⁄2025 - Metriche per il ML - Metriche per la classificazione - 66:21
- Live del 14⁄04⁄2025 - Metriche per il ML - Metriche per la classificazione multiclasse - 06:20
- Live del 14⁄04⁄2025 - Metriche per il ML - Metriche per la regressione - 09:46
- Live del 22⁄04⁄2025 - Metriche per la gestione dei dataset sbilanciati - Recap delle metriche - 17:55
- Live del 22⁄04⁄2025 - Metriche per la gestione dei dataset sbilanciati - OvO e OvR classifier - 19:08
- Live del 22⁄04⁄2025 - Metriche per la gestione dei dataset sbilanciati - Preprocessing e classificazione su dataset sbilanciato - 72:40
- Live del 17⁄06⁄2025 - Esercitazione Fraud Busters e Metriche per il ML - 105:04
- Live del 24-06-2025 - Recap su metriche - 20:10
- Live del 24⁄06⁄2025 - Gestione dataset sbilanciati - 100:40
Week 1..2 - Algoritmi di Machine Learning / 📚 Approfondimenti1 contenuto
- Risorse Esterne
Week 1..2 - Algoritmi di Machine Learning / 📝 Attività da Completare4 contenuti
- Test Introduzione al Machine Learning
- Test Algoritmi ML
- Sarcasm Detector - Esercitazione NLP e GridSearchCV
- Esercitazione Stacking Classifier
Week 3 - Regressione Lineare2 contenuti
- Survey pre-corso
- 🎯 Obiettivi e Riepilogo delle attività
Week 3 - Regressione Lineare / 🎥 Regressione Lineare16 contenuti
- Problema di Regressione Lineare e funzione di ipotesi - 20:57
- Funzione di costo (MSE) - 36:19
- La discesa del gradiente - 22:05
- Cosa è una derivata e perché la discesa del gradiente funziona - 41:49
- [OPZIONALE] Calcolo delle derivate - 31:43
- Visualizzazione della discesa del gradiente - Parte 1 - 27:41
- Visualizzazione della discesa del gradiente - Parte 2 - 8:16
- Tipologie di discesa del gradiente - 7:03
- Esercitazione Regressione Lineare - 8:12
- Esercitazione Regressione Lineare con Normalizzazione - 5:22
- Gradient Tape pt.1 - Come funziona il Gradient Tape - 12:49
- Gradient Tape pt.2 - Regressione Lineare con Gradient Tape - 17:45
- Regressione Lineare Multivariata - Teoria - 11:45
- Regressione Lineare Multivariata - Pratica - 29:44
- Regressione Lineare Polinomiale - Teoria - 7:36
- Regressione Lineare Polinomiale - Pratica - 13:20
Week 3 - Regressione Lineare / 🎙️ Live Streaming Webinar13 contenuti
- 26⁄11⁄2024 #1 - Problema di Regressione Lineare
- 26⁄11⁄2024 #2 - Discesa del gradiente e interpretazione visiva del gradiente
- 26⁄11⁄2024 #3 - Notebook
- 26⁄11⁄2024 #4 - Recap finale
- 03⁄02⁄2025 #1 - Problema di Regressione Lineare - 58:49
- 03⁄02⁄2025 #2 - Discesa del gradiente e interpretazione visiva del gradiente - 63:55
- 03⁄02⁄2025 #3 - Notebooks - 24:11
- 03⁄02⁄2025 #4 - Tipi di discesa del gradiente e Q&A - 8:32
- 08⁄04⁄2025 #1 - Problema di Regressione Lineare - 61:53
- 08⁄04⁄2025 #2 - Discesa del gradiente e interpretazione visiva del gradiente - 46:15
- 08⁄04⁄2025 #3 - Notebooks - 28:39
- 08⁄04⁄2025 #4 - Questions & Answers - 20:47
- 08⁄04⁄2025 #BONUS - Tipi di discesa del gradiente e Q&A - 08:32
Week 3 - Regressione Lineare / 📝 Attività da Completare1 contenuto
- Resources
Week 4 - Dalla Regressione Logistica alla Rete Neurale Artificiale1 contenuto
- 🎯 Obiettivi e Riepilogo delle attività
Week 4 - Dalla Regressione Logistica alla Rete Neurale Artificiale / 🎥 Lezioni19 contenuti
- La Regressione Logistica - 18:42
- Esercitazione Regressione Logistica Custom e con SciKit-Learn - 19:46
- Esercitazione Regressione Logistica su più classi - 17:01
- Overfitting e Regolarizzazione - 11:03
- Esercitazione Regressione Logistica con Regolarizzazione - 11:24
- Introduzione alle Reti Neurali Artificiali - 16:06
- Il Percettrone come primo neurone artificiale - 10:31
- Funzioni di Attivazione - 21:26
- A cosa serve la non linearità - 29:53
- Visualizzazione intuitiva della non linearità con Geogebra - 22:37
- Teorema di Approssimazione Universale - 19:54
- Rete neurale in TF - Approccio Sequenziale vs Approccio Funzionale - Parte 1 - 17:49
- Rete neurale in TF - Approccio sequenziale vs Approccio Funzionale - Parte 2 - 23:48
- Rete neurale in TF - Approccio sequenziale vs Approccio Funzionale - Parte 3 - 29:23
- [OPZIONALE] Rete Neurale in PyTorch - 33:28
- Reti Neurali Artificiali - 25:46
- Esercitazione ANN in Keras - IMDB - 16:31
- Esercitazione ANN in Keras - MNIST - 34:38
- Esercitazione ANN in Keras - Titanic - 27:39
Week 4 - Dalla Regressione Logistica alla Rete Neurale Artificiale / 🎙️ Live Streaming Webinar16 contenuti
- 03⁄12⁄2024 #01 - Recap settimanale e regressione logistica
- 03⁄12⁄2024 #02 - A cosa serve la non linearità e cosa può fare una rete neurale
- 03⁄12⁄2024 #03 - Teorema di Approssimazione Universale
- 03⁄12⁄2024 #04 - Prima Rete Neurale in TensorFlow - Approccio Sequenziale e Funzionale
- 03⁄12⁄2024 #05 - Prima Rete Neurale in PyTorch
- 10⁄02⁄2025 #01 - Recap settimanale e regressione logistica
- 10⁄02⁄2025 #2 - A cosa serve la non linearità e cosa può fare una rete neurale
- 10⁄02⁄2025 #03 - Teorema di Approssimazione Universale
- 10⁄02⁄2025 #04 - Prima Rete Neurale in TensorFlow - Approccio Sequenziale e Funzionale
- 10⁄02⁄2025 #05 - Prima Rete Neurale in PyTorch
- 15⁄04⁄2025 #01 - Recap settimanale e regressione logistica - 30:27
- 15⁄04⁄2025 #02 - A cosa serve la non linearità e cosa può fare una rete neurale - 39:42
- 15⁄04⁄2025 #03 - Teorema di Approssimazione Universale - 20:02
- 15⁄04⁄2025 #04 - Prima Rete Neurale in TensorFlow - 53:40
- 15⁄04⁄2025 #05 - Prima Rete Neurale in PyTorch - 30:14
- 15⁄04⁄2025 #06 - Q&A Finale - 13:18
Week 4 - Dalla Regressione Logistica alla Rete Neurale Artificiale / 📚 Approfondimenti1 contenuto
- Approfondimenti
Week 4 - Dalla Regressione Logistica alla Rete Neurale Artificiale / 📝 Attività da Completare2 contenuti
- Test Reti Neurali Artificiali
- Notebook - Rete neurale artificiale per classificare i vini per qualità
Week 5..6 - Reti Neurali Convolutive1 contenuto
- 🎯 Obiettivi e Riepilogo delle attività
Week 5..6 - Reti Neurali Convolutive / 🎥 Lezioni58 contenuti
- Introduzione alle Reti Neurali Artificiali Convolutive - 6:45
- Generalità sulla Convoluzione - 7:06
- Esempio di Filtraggio - 10:06
- Il Padding - 6:25
- Lo Stride - 2:34
- Convoluzione Volumetrica - 6:58
- Filtri, Kernel e Parametri - 14:18
- Local Perceptive Fields - 10:58
- Weights Sharing -4:57
- Downsampling e Upsampling - 8:14
- Addestramento di una rete neurale convolutiva - 9:12
- Esercitazione CNN e Keras - 23:14
- Esercitazione LeNet-5 in Keras - 18:00
- [OPZIONALE] Esercitazione LeNet-5 in PyTorch - 16:11
- Esercitazione Spam Detection - 23:52
- Residual Networks - 26:33
- Esercitazione Residual Networks in Keras - 13:39
- [OPZIONALE] Esercitazione Residual Networks in PyTorch - 22:55
- 1x1 Convolution - 26:06
- Inception Block e GoogLeNet - 11:29
- Altri 38 contenuti: consulta il programma completo su Guruflix.
Week 5..6 - Reti Neurali Convolutive / 🎙️ Live Streaming Webinar12 contenuti
- Live del 03⁄03⁄2025 - Recap modulo CNN - 17:05
- Live del 03⁄03⁄2025 - Style Extraction con le matrici di Gram - 67:28
- Live del 03⁄03⁄2025 - Neural Style Transfer completo - 26:55
- Live del 23⁄04⁄2025 #01 - Q&A Iniziale su convolutive e fix problemi di installazione python - 46:19
- Live del 23⁄04⁄2025 #02 - MixUp: spiegazione teorica a domande varie - 52:21
- Live del 23⁄04⁄2025 #03 - MixUp: Sessione di Live Coding - 76:07
- Live del 23⁄04⁄2025 #04 - Overview generale sul CutMix - 8:47
- Live del 06⁄05⁄2025 - Analizzare in tempo reale le feature maps di una CNN - Riepilogo su feature extractor - 7:56
- Live del 06⁄05⁄2025 - Analizzare in tempo reale le feature maps di una CNN - Uso di ipywidgets - 26:16
- Live del 06⁄05⁄2025 - Analizzare in tempo reale le feature maps di una CNN - Uso di OpenCV per acquisire immagini dalla webcam - 20:10
- Live del 06⁄05⁄2025 - Analizzare in tempo reale le feature maps di una CNN - 57:39
- Live del 06⁄05⁄2025 - Analizzare in tempo reale le feature maps di una CNN - Q&A - 21:35
Week 5..6 - Reti Neurali Convolutive / 📚 Approfondimenti1 contenuto
- Risorse esterne
Week 5..6 - Reti Neurali Convolutive / 📝 Attività da Completare2 contenuti
- Test Reti Convolutive
- Notebook - Image Segmentation
Week 7..9 - Reti Neurali Ricorrenti e Serie Temporali1 contenuto
- 🎯 Obiettivi e Riepilogo delle attività
Week 7..9 - Reti Neurali Ricorrenti e Serie Temporali / 🎥 Lezioni18 contenuti
- Introduzione alle Reti Neurali Artificiali Ricorrenti - 21:36
- Esercitazione RNN - 24:55
- Reti Long-Short Term Memory (LSTM) - 10:19
- Esercitazione LSTM - 4:33
- GRU e Bidirectional RNN - 7:56
- Esercitazione Comparazione di più RNN - 25:35
- Esercitazione Bidirectional LSTM - 25:11
- Generazione Testo Char Level - Guida Galattica per Autostoppisti - 54:49
- Generazione Testo Word Level - Guida Galattica per Autostoppisti - 43:07
- Dai Seq2Seq ai Transformers - 7:35
- Esercitazione Machine Translation con Seq2Seq e Teacher Forcing - 64:48
- Introduzione all'architettura Transformer - 13:09
- The Illustrated Transformer - 18:07
- Esercitazione Softmax - 8:57
- Esercitazione Transformer - 13:07
- Generazione Testo Char Level - Transformer - Guida Galattica per Autostoppisti - 24:54
- Time2Vec - codifica delle marche temporali - 18:05
- Time2Vec - Esercitazione - 23:05
Week 7..9 - Reti Neurali Ricorrenti e Serie Temporali / 🎙️ Live Streaming Webinar8 contenuti
- LIVE del 27⁄05⁄2025: Q&A - Esercitazione NLP - Sentiment Analysis - 120:22
- LIVE del 13⁄05⁄2025: Q&A - Esercitazione Serie Temporali (Energy) - 170:44
- LIVE del 24⁄03⁄2025: Focus su Transformers + Esercitazione ViT - Vision Transformer e CCT - Compact Convolutional Transformers - 121:49
- LIVE del 10⁄03⁄2025: Sessione Q&A e Esercitazione AI Generativa: Stable Diffusion 2 - 118:24
- LIVE del 22⁄01⁄2025: Ripasso LSTM e Esercitazione ViT - Vision Transformer e CCT - Compact Convolutional Transformers - 127:32
- LIVE del 7⁄01⁄2025: Sessione Q&A Transformers e Esercitazione AI Generativa: Stable Diffusion 2 - 137:23
- LIVE del 11⁄11⁄2024: Focus architettura Transformers e Esercitazione ViT - Vision Transformer e CCT - Compact Convolutional Transformers - 125:24
- LIVE del 4⁄11⁄2024: Sessione Q&A e Esercitazione AI Generativa: Stable Diffusion 2 - 130:35
Week 7..9 - Reti Neurali Ricorrenti e Serie Temporali / 📚 Approfondimenti1 contenuto
- Risorse Esterne
Week 7..9 - Reti Neurali Ricorrenti e Serie Temporali / 📝 Attività da Completare2 contenuti
- Test Reti Ricorrenti e Serie Temporali
- Notebook - Prevedi le vendite di un e-commerce con il Deep Learning
Week 10..12 - Deep Learning1 contenuto
- 🎯 Obiettivi e Riepilogo delle attività
Week 10..12 - Deep Learning / 🎥 Lezioni32 contenuti
- Introduzione alle Architetture Ibride - 4:21
- Esercitazione Architetture Ibride - 70:20
- La Cella ConvLSTM - 6:20
- Esercitazione ConvLSTM e Moving MNIST - 33:10
- Highway Network e Fractal Network - 16:04
- Esercitazione Highway Network - 22:21
- Esercitazione HW-Network su Architettura Convolutiva - 18:24
- Limiti ANN - 3:22
- Esercitazione Limiti ANN - 29:58
- [OPZIONALE] NAC - Neural ACcumulator - 4:10
- [OPZIONALE] Esercitazione - Demo Grafica Pesi cella NAC - 9:39
- [OPZIONALE] Esercitazione NAC - 30:32
- [OPZIONALE] NALU - Neural Arithmentic Logic Unit - 6:41
- [OPZIONALE] Esercitazione NALU - 19:51
- Stable Diffusion 2 - 20:28
- Stable Diffusion 2 - Esercitazione - 27:39
- ViT - Vision Transformer - 38:31
- CCT - Compact Convolutional Transformer - 30:29
- MLP Mixer - 29:02
- Fine Tuning degli Iper-Parametri - 5:32
- Altri 12 contenuti: consulta il programma completo su Guruflix.
Week 10..12 - Deep Learning / 🎙️ Live Streaming Webinar17 contenuti
- Live del 10⁄06⁄2025 - #01 - Recap Introduttivo a LangChain pt.1 (Runnable, Prompt Template, Memory)
- Live del 10⁄06⁄2025 - #02 - Recap Introduttivo a LangChain pt.2 (Parserizzazione degli output)
- Live del 10⁄06⁄2025 - #03 - Catene Composte pt.1
- Live del 10⁄06⁄2025 - #04 - Catene Composte pt.2
- LIVE del 03⁄06⁄2025: Human Activities Recognition - 145:24
- Live del 07⁄04⁄2025 | #01 - Introduzione teorica a LangChain, Gradio e LLMs
- Live del 07⁄04⁄2025 | #02 - Primi passi con LangChain
- Live del 07⁄04⁄2025 | #03 - Fine-Tuning
- Live del 07⁄04⁄2025 | #04 - Creazione del Chatbot con log analisi
- LIVE del 31⁄03⁄2025: Esercitazione Architetture Residuali, MLP-Mixer e Variational AutoEncoder - 147:37
- Live del 04⁄02⁄2025 - Video #01 | MLP Mixer
- Live del 04⁄02⁄2025 - Video #02 | LangChain
- LIVE del 28⁄01⁄2025: Sessione Q&A e Esercitazione Architetture Residuali e Variational AutoEncoder - 131:26
- LIVE del 2⁄12⁄2024: Esercitazione MLP-Mixer e LLMs + LangChain - 155:04
- LIVE del 26⁄11⁄2024: Sessione Q&A e Esercitazione Architetture Residuali e Variational AutoEncoder - 116:44
- LIVE extra del 12⁄06⁄2024 - Come leggere una pubblicazione scientifica (parte 2) - 55:21
- LIVE extra del 05⁄06⁄2024 - Come leggere una pubblicazione scientifica - 46:42
Week 10..12 - Deep Learning / 📚 Approfondimenti1 contenuto
- Risorse Esterne
Week 10..12 - Deep Learning / 📝 Attività da Completare1 contenuto
- Resources
Il programma è mostrato in estratto, con un massimo di 30 sezioni e 20 contenuti per sezione. I conteggi nella scheda si riferiscono all’intero catalogo del corso.
Durata, livello e prerequisiti
La durata complessiva dei video è 144 ore e 4 minuti, calcolata sommando le durate disponibili per tutti i 290 video del programma. Il livello non è dichiarato e non può essere dedotto con certezza dal titolo. La lingua indicata è «italiano». Il tempo necessario per applicare gli argomenti dipende dalle conoscenze iniziali e dalle attività previste, che il catalogo non quantifica.
Prima di iniziare
- I prerequisiti non sono specificati in un campo dedicato del catalogo. Verifica con il fornitore le conoscenze iniziali e gli eventuali strumenti necessari.
Punti forti e aspetti da verificare
Cosa emerge dal programma
- Sono visibili 36 sezioni del programma: puoi confrontarne i temi prima di scegliere.
- Il percorso comprende 290 video, un formato che permette di organizzare lo studio in sessioni separate.
Limiti e informazioni mancanti
- Il livello non è dichiarato: i titoli delle lezioni da soli non dimostrano quanto il corso sia introduttivo o avanzato.
- I prerequisiti e gli strumenti necessari non sono specificati: chi parte da zero deve verificare la preparazione richiesta.
- Le condizioni di accesso non sono dettagliate: durata della disponibilità e servizi inclusi restano da chiarire.
Acquisto, noleggio o abbonamento?
Il prezzo riportato nel catalogo è 197,00 €; non è specificato a quale formula di accesso si riferisca. Per valutare la convenienza servono la formula disponibile, la durata dell'accesso, le eventuali condizioni di rinnovo e il costo totale. Un accesso lungo può essere utile per riprendere le lezioni; uno temporaneo richiede di pianificare lo studio nel periodo incluso. Il catalogo riporta inoltre 1970,00 € come prezzo originale. Non documenta data, provenienza, licenza o formula di quel riferimento: il confronto non prova uno sconto attuale o l'equivalenza delle condizioni.
Le domande da farsi
Che cosa include il programma di Machine Learning Masterclass?
Il catalogo elenca 36 sezioni, tra cui Week 1..2 - Algoritmi di Machine Learning; Week 1..2 - Algoritmi di Machine Learning / 🎥 Introduzione al Machine Learning; Week 1..2 - Algoritmi di Machine Learning / 🎥 Algoritmi di Machine Learning; Week 1..2 - Algoritmi di Machine Learning / 🎙️ Live Streaming Webinar. I titoli descrivono gli argomenti dichiarati; consulta il programma completo per il dettaglio delle lezioni.
Sono disponibili durata, livello e prerequisiti?
La durata complessiva dei video è 144 ore e 4 minuti, calcolata sommando le durate disponibili per tutti i 290 video del programma. Il livello non è dichiarato. I prerequisiti vanno verificati nella scheda del fornitore.
Conviene acquistare, noleggiare o abbonarsi?
Il catalogo riporta 197,00 € senza specificare la formula di accesso. Per stabilire la convenienza servono i prezzi e le condizioni delle formule effettivamente disponibili per questo corso.
Quali informazioni servono prima di iniziare?
Verifica le conoscenze iniziali richieste, gli strumenti da utilizzare e gli eventuali costi esterni. Chiarisci anche se l'accesso include supporto o feedback e per quanto tempo i materiali restano disponibili.