La tua roadmap di apprendimento AI: 46 argomenti, in ordine, uno a settimana

Se vuoi imparare l'IA nel 2026 e non hai idea da dove iniziare, questa pagina è per te.

Internet è piena di consigli sull'IA. La maggior parte sono:

1. Un discorso promozionale per un corso da 2.000 $
2. Un elenco di 100 link senza alcun ordine
3. Un manuale da livello di dottorato che ti spaventa già alla prima pagina
4. Un video esaltante sull'AGI che non ti dice nulla di pratico

Non hai bisogno di tutto questo. Hai bisogno di una sequenza. Devi sapere cosa imparare prima, cosa si basa su cosa, cosa puoi saltare e quanto approfondire.

Questa roadmap fa proprio questo. È l'ordine che consiglio per imparare l'IA, da principiante assoluto a qualcuno in grado di creare e lanciare prodotti IA reali. Ogni argomento ha un articolo che verrà pubblicato qui, uno a settimana. Aggiungi questa pagina ai segnalibri. Torna a consultarla. I link diventeranno attivi man mano che gli articoli verranno pubblicati.

Nessun prerequisito richiesto. Nessuna laurea in informatica necessaria. Niente panico per la matematica.

Come funziona

Ecco le regole di base prima di iniziare:

1. Segui gli argomenti in ordine. Ognuno si basa sul precedente. Saltare direttamente agli LLM alla prima settimana è come cercare di costruire una casa partendo dal tetto.
2. Un argomento a settimana è il ritmo. Ti dà il tempo di leggere, programmare e creare effettivamente qualcosa. Divorare tutorial uno dopo l'altro non è imparare.
3. Fai l'esercizio pratico in ogni articolo. Leggere delle reti neurali senza scriverne una è come leggere del nuoto senza bagnarsi.
4. Non devi arrivare fino alla fine. Se vuoi solo un'alfabetizzazione sull'IA, fermati dopo la Fase 3. Se vuoi creare app con LLM, arriva fino alla Fase 9. Decidi tu.
5. Lunghezza totale della serie completa: ~107.000 parole. Sembra tanto, ma è più corto della media di un manuale, e ogni articolo è autoconclusivo.

Le 12 fasi, a colpo d'occhio

Ci sono 12 fasi, raggruppate dal principiante assoluto al professionista pronto per la produzione. Ecco il quadro generale prima di entrare nei dettagli.

Fase

Area tematica

A chi serve

Articoli

0

Mentalità e orientamento

Tutti

3

1

Prerequisiti (Python, matematica, librerie)

Tutti coloro che vogliono costruire

4

2

Dati (reperimento, pulizia, EDA)

Tutti coloro che vogliono costruire

5

3

Machine learning classico

Tutti

6

4

Fondamenti di deep learning

Chiunque vada oltre il ML classico

5

5

Architetture neurali principali (CNN, RNN, Transformer)

Chiunque lavori con il DL

3

6

NLP e LLM

La maggior parte delle persone nel 2026

5

7

Altri domini del DL (visione, modelli generativi, parlato, RL)

Scegli quelli che ti interessano

4

8

Agenti IA e applicazioni nel mondo reale

Costruttori

3

9

MLOps e produzione

Chiunque lanci prodotti reali

4

10

IA responsabile e quadro generale

Tutti

4

11

Rimanere aggiornati e specializzarsi

Crescita a lungo termine

5

Non devi seguire ogni singolo argomento nelle Fasi 7-11. Dopo la Fase 6 puoi specializzarti. Ma le Fasi 0-6 sono il nucleo fondamentale.

I 3 progetti cardine

In tre punti del percorso, costruirai un progetto reale che collega tutto ciò che hai imparato fino a quel momento. Questi sono i tuoi pezzi forti per il portfolio.

Traguardo

Quando lo raggiungi

Cosa costruisci

Traguardo 1

Fine della Fase 3

Pipeline ML tabellare completa (pulizia dati + EDA + modello classico) - es. predittore di sopravvivenza del Titanic o modello di prezzi immobiliari

Traguardo 2

Fine della Fase 5

Una rete neurale addestrata da zero in PyTorch - un classificatore di immagini (CNN) o un classificatore di testo

Traguardo 3

Fine della Fase 9

Un chatbot RAG con LLM distribuito con backend FastAPI e UI semplice, live su internet

Se completi questi tre progetti, non stai più "imparando l'IA". Sei in grado di fare IA.

Fase per fase, articolo per articolo

Di seguito l'elenco completo. Ogni articolo sarà linkato qui quando verrà pubblicato. Aggiungi questa pagina ai segnalibri e torna a controllare ogni settimana.

Fase 0: Mentalità e Orientamento (Inizia Qui)

Settimane 1-3. Tutti iniziano qui, nessuna eccezione. È qui che eliminiamo l'hype, definiamo i termini e fissiamo le aspettative.

1. Settimana 1: IA, ML, DL, IA Generativa, AGI: Finalmente, una Guida Che le Distingue - disponibile ora
2. Settimana 2: [Dovresti Imparare l'IA nel 2026? La Risposta Onesta, a Seconda di Chi Sei] [in arrivo]
3. Settimana 3: [Come Imparare l'IA Senza Perdere un Anno nell'Inferno dei Tutorial] [in arrivo]

Fase 1: Prerequisiti (Le Fondamenta di Cui Hai Davvero Bisogno)

Settimane 4-7. Non imparerai l'IA senza Python. Ma non ti serve tutto Python. Tratteremo esattamente il sottoinsieme di cui hai bisogno, la matematica che userai davvero e le tre librerie che sbloccano tutto.

1. Settimana 4: La Tua Prima Settimana di Python: L'Unico Sottoinsieme di Cui Hai Bisogno Prima di Toccare l'IA [in arrivo]
2. Settimana 5: NumPy, Pandas, Matplotlib: Le Tre Librerie Che Sbloccano Ogni Progetto di IA [in arrivo]
3. Settimana 6: La Matematica di Cui Hai Davvero Bisogno per l'IA - Spiegata Come Se Non Avessi Mai Seguito un Corso di Calcolo [in arrivo]
4. Settimana 7: Prima di Scegliere un Modello, Impara a Fare la Domanda Giusta [in arrivo]

Fase 2: I Dati - Il Carburante dell'IA

Settimane 8-12. L'80% del lavoro sull'IA riguarda i dati. Questa è la fase che la maggior parte dei corsi salta, ed è il motivo per cui i loro studenti falliscono nei progetti reali.

1. Settimana 8: I Dati Sono il Nuovo Petrolio - Ma La Maggior Parte dei Principianti Non Sa Come Siano Fatti Davvero [in arrivo]
2. Settimana 9: Dove Trovare Dati Reali per i Tuoi Progetti di IA (Senza Spendere un Centesimo) [in arrivo]
3. Settimana 10: Perché la Pulizia dei Dati Assorbe l'80% del Tempo di un Ingegnere IA - e Come Farla Bene [in arrivo]
4. Settimana 11: Analisi Esplorativa dei Dati: Il Passaggio Che Ti Dice Se il Tuo Progetto Funzionerà [in arrivo]
5. Settimana 12: Feature Engineering: L'Arte di Trasformare Dati Grezzi in Qualcosa da Cui un Modello Può Davvero Imparare [in arrivo]

Fase 3: Machine Learning Classico

Settimane 13-18. Prima del deep learning c'era il ML, e la maggior parte dell'IA in produzione è ancora ML classico. Non puoi saltarlo. Se lo fai, non capirai perché il deep learning è speciale, o quando non usarlo.

1. Settimana 13: Come Fa una Macchina a "Imparare" Davvero? L'Idea Centrale Dietro Ogni Modello di IA [in arrivo]
2. Settimana 14: Il Tuo Primo Modello di Machine Learning: Regressione Lineare, Spiegata Riga per Riga [in arrivo]
3. Settimana 15: Classificare il Mondo: Regressione Logistica e le Metriche Che Non Mentono [in arrivo]
4. Settimana 16: La Cassetta degli Attrezzi del ML Classico: 5 Algoritmi Che Ogni Professionista dell'IA Dovrebbe Conoscere a Memoria [in arrivo]
5. Settimana 17: Perché i Modelli Che "Votano" Insieme Vincono Insieme: Foreste Casuali, XGBoost e il Potere degli Insiemi [in arrivo]
6. Settimana 18: Bias, Varianza, e Perché il Tuo Modello Sta Segretamente Barando sul Set di Test [in arrivo]

🏁 Tempo per il progetto del Traguardo 1. Costruisci una pipeline ML tabellare completa dall'inizio alla fine.

Fase 4: Fondamenti di Deep Learning

Settimane 19-23. Ora andiamo in profondità. Inizieremo da un singolo neurone, costruiremo reti neurali complete e impareremo perché funzionano, perché falliscono e come farle addestrare correttamente.

1. Settimana 19: Perché il Deep Learning Ha Cambiato Tutto - e Quando Dovresti Ancora Usare il ML Classico [in arrivo]
2. Settimana 20: Reti Neurali Spiegate Senza Una Singola Equazione (Beh, Quasi) [in arrivo]
3. Settimana 21: Backpropagation: Il Trucco del Calcolo Che Insegna a Ogni Rete Neurale [in arrivo]
4. Settimana 22: Costruisci la Tua Prima Rete Neurale Questo Fine Settimana - in 50 Righe di PyTorch [in arrivo]
5. Settimana 23: Perché la Tua Rete Neurale Non Si Addestrerà - e i 7 Trucchi Che Risolvono Quasi Tutto [in arrivo]

Fase 5: Architetture Principali delle Reti Neurali

Settimane 24-26. Le tre grandi famiglie di architetture: CNN per la visione, RNN per la storia delle sequenze e Transformer - l'invenzione che ha cambiato tutto nel 2017 e alimenta ogni moderno LLM.

1. Settimana 24: Come I Computer Hanno Imparato a Vedere: Una Guida Visiva alle Reti Neurali Convoluzionali [in arrivo]
2. Settimana 25: L'Architettura Che Ha Cercato di Capire il Linguaggio - e Perché Quasi Ci È Riuscita: RNN e LSTM [in arrivo]
3. Settimana 26: L'Attenzione è Tutto Ciò di Cui Hai Bisogno: Il Paper del 2017 Che Ha Riscritto l'IA - Spiegato in Italiano Semplice [in arrivo]

🏁 Tempo per il progetto del Traguardo 2. Addestra una CNN o un piccolo Transformer da zero in PyTorch.

Fase 6: Elaborazione del Linguaggio Naturale e LLM

Settimane 27-31. Questa è la fase che interessa a tutti nel 2026. Passeremo dal conteggio delle parole alla creazione del tuo chatbot RAG.

1. Settimana 27: Insegnare alle Macchine a Leggere: Dal "Bag of Words" agli Embedding di Parole [in arrivo]
2. Settimana 28: Prima dei Transformer: Come le LSTM Hanno Dato alle Macchine una Memoria (Effimera) per il Linguaggio [in arrivo]
3. Settimana 29: BERT, GPT e l'Albero Genealogico dei Transformer: Chi Fa Cosa, e Perché [in arrivo]
4. Settimana 30: Non Devi Addestrare GPT-4 per Usarlo: Una Guida Pratica a Hugging Face [in arrivo]
5. Settimana 31: Dentro un LLM: Come Funzionano Davvero i Modelli su Scala Chat, Dal Pre-Addestramento all'RLHF [in arrivo]

Fase 7: Altri Domini del Deep Learning

Settimane 32-35. Scegli quelli che ti interessano. Non ti servono tutti e quattro.

1. Settimana 32: Oltre 'Gatto o Cane': Rilevamento di Oggetti, Segmentazione e Come i Transformer per la Visione Vedono il Mondo [in arrivo]
2. Settimana 33: Dal Rumore all'Arte: Un Tour dell'IA Generativa - Autoencoder, GAN e la Rivoluzione della Diffusione [in arrivo]
3. Settimana 34: Come Gli Apparecchi Sentono: Dagli Spettrogrammi a Whisper, l'IA Che Trascrive Tutto [in arrivo]
4. Settimana 35: Imparare per Tentativi ed Errori: Apprendimento per Rinforzo dalle Q-Table al PPO [in arrivo]

Fase 8: Agenti IA e Applicazioni Avanzate

Settimane 36-38. L'attuale frontiera nel 2026: agenti che usano strumenti, pianificano e agiscono nel mondo.

1. Settimana 36: La Prossima Ondata dell'IA: Cosa Sono gli Agenti, Come Usano gli Strumenti e Come Costruirne Uno Questo Pomeriggio [in arrivo]
2. Settimana 37: Dove l'IA Sta Davvero Facendo la Differenza Oggi: Sanità, Finanza, Scienza e la Frontiera del Mondo Reale [in arrivo]
3. Settimana 38: Quando l'IA Vede, Sente e Legge Allo Stesso Tempo: L'Ascesa dei Modelli Multimodali [in arrivo]

Fase 9: Produzione, Strumenti e MLOps

Settimane 39-42. La fase che separa chi segue i tutorial da chi lancia effettivamente prodotti IA. La maggior parte dei corsi online salta completamente questa parte.

1. Settimana 39: Il Tuo Modello nel Notebook Non È un Prodotto: Cosa Serve Davvero per Lanciare l'IA [in arrivo]
2. Settimana 40: MLOps Senza le Parole d'Ordine Aziendali: Versionamento, Tracciamento e Riproducibilità per Tutti Noi [in arrivo]
3. Settimana 41: Come Distribuire un Modello di IA a Utenti Reali (Senza il Burnout del DevOps) [in arrivo]
4. Settimana 42: Dal RAG alla Produzione: Costruire App LLM Reali Che Non Ti Imbarazzano [in arrivo]

🏁 Tempo per il progetto del Traguardo 3. Distribuisci il tuo chatbot RAG live.

Fase 10: IA Responsabile e il Quadro Generale

Settimane 43-46. L'IA non è solo codice. Tocca il mondo reale. Devi capire bias, sicurezza, spiegabilità e il contesto più ampio.

1. Settimana 43: Il Tuo Modello Ha Opinioni: Bias, Equità e Perché i 'Buoni Dati' Non Sono Mai Abbastanza [in arrivo]
2. Settimana 44: Creare un'IA Che Non Rovini Le Cose: Sicurezza, Allineamento e il Problema Più Difficile nell'IA Oggi [in arrivo]
3. Settimana 45: Il Problema della Scatola Nera: Come Spiegare le Decisioni dell'IA Quando il Modello Stesso Non Lo Sa [in arrivo]
4. Settimana 46: L'IA e il Resto del Mondo: Lavoro, Creatività, Clima e le Domande a Cui Nessun Tutorial Risponderà [in arrivo]

Fase 11: Rimanere Aggiornati e Approfondire

Settimane 47+. Imparare l'IA non finisce. Dopo le 46 settimane fondamentali, ecco come continuare a crescere.

1. Come Leggere un Paper sull'IA Senza un Dottorato (e Capirlo Davvero) [in arrivo]
2. Il Portfolio sull'IA Che Ti Fa Davvero Ottenere Colloqui (Non Progetti Giocattolo Che Nessuno Legge) [in arrivo]
3. Non Stai Imparando l'IA da Solo: Le Community, le Conferenze e gli Angoli di Internet Che Vale la Pena Unirsi [in arrivo]
4. Non Puoi Imparare Tutta l'IA - Ecco Come Scegliere una Specializzazione Che Fa per Te [in arrivo]
5. L'Unica Competenza sull'IA Che Non Sarà Obsoleta Tra 5 Anni: Imparare a Imparare [in arrivo]

Stime di tempo approssimative

Non è una gara. La tabella qui sotto ti dà tempistiche realistiche a seconda di quanto tempo hai.

Impegno di tempo a settimana

Tempo per finire il nucleo (Fasi 0-6)

Tempo per finire tutte le 11 fasi

5-10 ore (progetto secondario serio)

~6 mesi

~1 anno

10-15 ore (dedicato)

~4 mesi

~8 mesi

30+ ore (a tempo pieno)

~6 settimane

~3 mesi

La costanza batte lo studio intensivo. 30 minuti al giorno, tutti i giorni, è meglio di 8 ore la domenica e niente per il resto della settimana.

Cosa sarai in grado di fare alla fine

Se completi le fasi principali (0-6) più la Fase 9, sarai in grado di:

• Distinguere tra vera IA e hype di marketing
• Scrivere codice Python per analisi dei dati e ML
• Pulire, esplorare e preparare dataset del mondo reale
• Costruire, addestrare, valutare e ottimizzare modelli di ML classici
• Capire come funzionano le reti neurali e i Transformer
• Mettere a punto modelli linguistici pre-addestrati per i tuoi compiti
• Costruire chatbot RAG sui tuoi documenti
• Distribuire modelli come API con FastAPI
• Lanciare prodotti IA funzionanti
• Leggere notizie e paper sull'IA con occhio critico
• Sapere cosa non sai

Questo è sufficiente per ottenere un lavoro come ingegnere ML/IA junior, costruire strumenti IA utili per il tuo lavoro attuale o continuare con la ricerca se ti interessa.

Come usare questa pagina

1. Aggiungila ai segnalibri. Questo è il tuo indice.
2. Inizia con la Settimana 1. Non saltare.
3. Torna a controllare ogni settimana. Nuovi articoli vengono pubblicati ogni settimana. I link appariranno sopra.
4. Fai gli esercizi. Leggere non è imparare.
5. Costruisci i tre progetti cardine. Sono la tua prova che sai davvero fare.

Se mai ti senti perso, torna qui. Il percorso non cambia. Gli strumenti andranno e verranno (nuovi framework, nuovi modelli, nuove startup), ma i fondamenti di questa roadmap saranno ancora ciò che conta tra cinque anni.

Ci vediamo alla Settimana 1.

🔔 Rimanere Avanti nell'IA

Se stai seguendo questa roadmap e vuoi ricevere strumenti IA pratici ogni settimana mentre impari, iscriviti alla newsletter gratuita ByteBuilders. Ogni numero ti dà:

• Oltre 1000 prompt IA che puoi copiare e usare oggi
• Strumenti IA pratici, testati e spiegati
• Flussi di lavoro di automazione che ti fanno risparmiare ore
• Casi d'uso di produttività per lavoro e apprendimento
• Risorse IA curate per mantenere le tue competenze affilate

Unisciti a migliaia di costruttori e studenti che seguono questa roadmap:

++Iscriviti a ByteBuilders gratis →++