diff --git a/translations/da/.co-op-translator.json b/translations/da/.co-op-translator.json index 709d3a90..88491a46 100644 --- a/translations/da/.co-op-translator.json +++ b/translations/da/.co-op-translator.json @@ -378,8 +378,8 @@ "language_code": "da" }, "README.md": { - "original_hash": "f671e295a294a2559fc59d1524e001b4", - "translation_date": "2026-02-27T09:52:59+00:00", + "original_hash": "0b97d87bdd9506ce0239c2d7257f04d6", + "translation_date": "2026-04-06T15:55:30+00:00", "source_file": "README.md", "language_code": "da" }, diff --git a/translations/da/README.md b/translations/da/README.md index 49935dfd..c0e40154 100644 --- a/translations/da/README.md +++ b/translations/da/README.md @@ -1,4 +1,4 @@ -# Data Science for Beginners - Et læseplan +# Data Science for Beginners - Et Curriculum [![Open in GitHub Codespaces](https://github.com/codespaces/badge.svg)](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198) @@ -17,27 +17,27 @@ [![Microsoft Foundry Developer Forum](https://img.shields.io/badge/GitHub-Microsoft_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) -Azure Cloud Advocates hos Microsoft er glade for at kunne tilbyde et 10-ugers, 20-lektioners læseplan helt om Data Science. Hver lektion inkluderer for- og efter-lektions quizzer, skriftlige instruktioner til at gennemføre lektionen, en løsning og en opgave. Vores projektbaserede pædagogik giver dig mulighed for at lære, mens du bygger, en bevist metode til at nye færdigheder 'hænger ved'. +Azure Cloud Advocates hos Microsoft er glade for at tilbyde et 10-ugers, 20-lektions curriculum, som handler om Data Science. Hver lektion inkluderer quizzer før og efter lektionen, skriftlige instruktioner til at gennemføre lektionen, en løsning og en opgave. Vores projektbaserede pædagogik gør det muligt for dig at lære, mens du bygger, hvilket er en bevist metode til at få nye færdigheder til at 'sidde fast'. -**Varme tak til vores forfattere:** [Jasmine Greenaway](https://www.twitter.com/paladique), [Dmitry Soshnikov](http://soshnikov.com), [Nitya Narasimhan](https://twitter.com/nitya), [Jalen McGee](https://twitter.com/JalenMcG), [Jen Looper](https://twitter.com/jenlooper), [Maud Levy](https://twitter.com/maudstweets), [Tiffany Souterre](https://twitter.com/TiffanySouterre), [Christopher Harrison](https://www.twitter.com/geektrainer). +**Hjertelig tak til vores forfattere:** [Jasmine Greenaway](https://www.twitter.com/paladique), [Dmitry Soshnikov](http://soshnikov.com), [Nitya Narasimhan](https://twitter.com/nitya), [Jalen McGee](https://twitter.com/JalenMcG), [Jen Looper](https://twitter.com/jenlooper), [Maud Levy](https://twitter.com/maudstweets), [Tiffany Souterre](https://twitter.com/TiffanySouterre), [Christopher Harrison](https://www.twitter.com/geektrainer). -**🙏 Speciel tak 🙏 til vores [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/) forfattere, anmeldere og indholdsbidragydere,** især Aaryan Arora, [Aditya Garg](https://github.com/AdityaGarg00), [Alondra Sanchez](https://www.linkedin.com/in/alondra-sanchez-molina/), [Ankita Singh](https://www.linkedin.com/in/ankitasingh007), [Anupam Mishra](https://www.linkedin.com/in/anupam--mishra/), [Arpita Das](https://www.linkedin.com/in/arpitadas01/), ChhailBihari Dubey, [Dibri Nsofor](https://www.linkedin.com/in/dibrinsofor), [Dishita Bhasin](https://www.linkedin.com/in/dishita-bhasin-7065281bb), [Majd Safi](https://www.linkedin.com/in/majd-s/), [Max Blum](https://www.linkedin.com/in/max-blum-6036a1186/), [Miguel Correa](https://www.linkedin.com/in/miguelmque/), [Mohamma Iftekher (Iftu) Ebne Jalal](https://twitter.com/iftu119), [Nawrin Tabassum](https://www.linkedin.com/in/nawrin-tabassum), [Raymond Wangsa Putra](https://www.linkedin.com/in/raymond-wp/), [Rohit Yadav](https://www.linkedin.com/in/rty2423), Samridhi Sharma, [Sanya Sinha](https://www.linkedin.com/mwlite/in/sanya-sinha-13aab1200), +**🙏 Særlige tak 🙏 til vores [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/) forfattere, anmeldere og indholdsbidragydere,** især Aaryan Arora, [Aditya Garg](https://github.com/AdityaGarg00), [Alondra Sanchez](https://www.linkedin.com/in/alondra-sanchez-molina/), [Ankita Singh](https://www.linkedin.com/in/ankitasingh007), [Anupam Mishra](https://www.linkedin.com/in/anupam--mishra/), [Arpita Das](https://www.linkedin.com/in/arpitadas01/), ChhailBihari Dubey, [Dibri Nsofor](https://www.linkedin.com/in/dibrinsofor), [Dishita Bhasin](https://www.linkedin.com/in/dishita-bhasin-7065281bb), [Majd Safi](https://www.linkedin.com/in/majd-s/), [Max Blum](https://www.linkedin.com/in/max-blum-6036a1186/), [Miguel Correa](https://www.linkedin.com/in/miguelmque/), [Mohamma Iftekher (Iftu) Ebne Jalal](https://twitter.com/iftu119), [Nawrin Tabassum](https://www.linkedin.com/in/nawrin-tabassum), [Raymond Wangsa Putra](https://www.linkedin.com/in/raymond-wp/), [Rohit Yadav](https://www.linkedin.com/in/rty2423), Samridhi Sharma, [Sanya Sinha](https://www.linkedin.com/mwlite/in/sanya-sinha-13aab1200), [Sheena Narula](https://www.linkedin.com/in/sheena-narua-n/), [Tauqeer Ahmad](https://www.linkedin.com/in/tauqeerahmad5201/), Yogendrasingh Pawar , [Vidushi Gupta](https://www.linkedin.com/in/vidushi-gupta07/), [Jasleen Sondhi](https://www.linkedin.com/in/jasleen-sondhi/) |![Sketchnote by @sketchthedocs https://sketchthedocs.dev](../../translated_images/da/00-Title.8af36cd35da1ac55.webp)| |:---:| | Data Science For Beginners - _Sketchnote af [@nitya](https://twitter.com/nitya)_ | -### 🌐 Flersproget understøttelse +### 🌐 Multi-sprogsunderstøttelse #### Understøttet via GitHub Action (Automatiseret & Altid Opdateret) -[Arabic](../ar/README.md) | [Bengali](../bn/README.md) | [Bulgarian](../bg/README.md) | [Burmese (Myanmar)](../my/README.md) | [Chinese (Simplified)](../zh-CN/README.md) | [Chinese (Traditional, Hong Kong)](../zh-HK/README.md) | [Chinese (Traditional, Macau)](../zh-MO/README.md) | [Chinese (Traditional, Taiwan)](../zh-TW/README.md) | [Croatian](../hr/README.md) | [Czech](../cs/README.md) | [Danish](./README.md) | [Dutch](../nl/README.md) | [Estonian](../et/README.md) | [Finnish](../fi/README.md) | [French](../fr/README.md) | [German](../de/README.md) | [Greek](../el/README.md) | [Hebrew](../he/README.md) | [Hindi](../hi/README.md) | [Hungarian](../hu/README.md) | [Indonesian](../id/README.md) | [Italian](../it/README.md) | [Japanese](../ja/README.md) | [Kannada](../kn/README.md) | [Korean](../ko/README.md) | [Lithuanian](../lt/README.md) | [Malay](../ms/README.md) | [Malayalam](../ml/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Nigerian Pidgin](../pcm/README.md) | [Norwegian](../no/README.md) | [Persian (Farsi)](../fa/README.md) | [Polish](../pl/README.md) | [Portuguese (Brazil)](../pt-BR/README.md) | [Portuguese (Portugal)](../pt-PT/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Romanian](../ro/README.md) | [Russian](../ru/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Slovak](../sk/README.md) | [Slovenian](../sl/README.md) | [Spanish](../es/README.md) | [Swahili](../sw/README.md) | [Swedish](../sv/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Tamil](../ta/README.md) | [Telugu](../te/README.md) | [Thai](../th/README.md) | [Turkish](../tr/README.md) | [Ukrainian](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamese](../vi/README.md) +[Arabic](../ar/README.md) | [Bengali](../bn/README.md) | [Bulgarian](../bg/README.md) | [Burmese (Myanmar)](../my/README.md) | [Chinese (Simplified)](../zh-CN/README.md) | [Chinese (Traditional, Hong Kong)](../zh-HK/README.md) | [Chinese (Traditional, Macau)](../zh-MO/README.md) | [Chinese (Traditional, Taiwan)](../zh-TW/README.md) | [Croatian](../hr/README.md) | [Czech](../cs/README.md) | [Danish](./README.md) | [Dutch](../nl/README.md) | [Estonian](../et/README.md) | [Finnish](../fi/README.md) | [French](../fr/README.md) | [German](../de/README.md) | [Greek](../el/README.md) | [Hebrew](../he/README.md) | [Hindi](../hi/README.md) | [Hungarian](../hu/README.md) | [Indonesian](../id/README.md) | [Italian](../it/README.md) | [Japanese](../ja/README.md) | [Kannada](../kn/README.md) | [Khmer](../km/README.md) | [Korean](../ko/README.md) | [Lithuanian](../lt/README.md) | [Malay](../ms/README.md) | [Malayalam](../ml/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Nigerian Pidgin](../pcm/README.md) | [Norwegian](../no/README.md) | [Persian (Farsi)](../fa/README.md) | [Polish](../pl/README.md) | [Portuguese (Brazil)](../pt-BR/README.md) | [Portuguese (Portugal)](../pt-PT/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Romanian](../ro/README.md) | [Russian](../ru/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Slovak](../sk/README.md) | [Slovenian](../sl/README.md) | [Spanish](../es/README.md) | [Swahili](../sw/README.md) | [Swedish](../sv/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Tamil](../ta/README.md) | [Telugu](../te/README.md) | [Thai](../th/README.md) | [Turkish](../tr/README.md) | [Ukrainian](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamese](../vi/README.md) > **Foretrækker du at klone lokalt?** > -> Dette repository inkluderer 50+ sproglige oversættelser, hvilket markant øger downloadstørrelsen. For at klone uden oversættelser, brug sparse checkout: +> Dette repository inkluderer 50+ sprogoversættelser, hvilket øger download-størrelsen betydeligt. For at klone uden oversættelser, brug sparse checkout: > > **Bash / macOS / Linux:** > ```bash @@ -56,12 +56,12 @@ Azure Cloud Advocates hos Microsoft er glade for at kunne tilbyde et 10-ugers, 2 > Dette giver dig alt, hvad du behøver for at gennemføre kurset med en meget hurtigere download. -**Hvis du ønsker, at flere oversættelses-sprog understøttes, er de listet [her](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** +**Hvis du ønsker at få yderligere oversættelser, er understøttede sprog listet [her](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** -#### Deltag i vores fællesskab +#### Deltag i Vores Fællesskab [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -Vi har en Discord serie "Learn with AI" i gang, lær mere og deltag hos [Learn with AI Series](https://aka.ms/learnwithai/discord) fra 18. - 30. september 2025. Du får tips og tricks til at bruge GitHub Copilot til Data Science. +Vi har en kontinuerlig Discord-lær med AI-serie, lær mere og deltag hos [Learn with AI Series](https://aka.ms/learnwithai/discord) fra 18. - 30. september 2025. Du vil få tips og tricks til at bruge GitHub Copilot til Data Science. ![Learn with AI series](../../translated_images/da/1.2b28cdc6205e26fe.webp) @@ -69,139 +69,139 @@ Vi har en Discord serie "Learn with AI" i gang, lær mere og deltag hos [Learn w Kom i gang med følgende ressourcer: -- [Student Hub side](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) På denne side finder du begyndervenlige ressourcer, studentpakker og endda måder at få en gratis certifikatvoucher på. Dette er en side, du vil bogmærke og tjekke jævnligt, da vi skifter indhold mindst månedligt. -- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Bliv medlem af et globalt fællesskab af studentambassadører, dette kan være din vej ind i Microsoft. +- [Student Hub side](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) På denne side finder du begynderressourcer, studenterpakker og endda måder at få en gratis certificeringsvoucher på. Dette er en side, du vil bogmærke og tjekke med jævne mellemrum, da vi skifter indhold mindst månedligt. +- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Bliv medlem af et globalt fællesskab af studenterambassadører, dette kan være din vej ind i Microsoft. -# Kom godt i gang +# Kom i gang ## 📚 Dokumentation -- **[Installationsvejledning](INSTALLATION.md)** - Trin-for-trin installationsinstruktioner til begyndere -- **[Brugsvejledning](USAGE.md)** - Eksempler og almindelige arbejdsgange +- **[Installationsvejledning](INSTALLATION.md)** - Trin-for-trin installationsinstruktioner for begyndere +- **[Brugsvejledning](USAGE.md)** - Eksempler og almindelige arbejdsflows - **[Fejlfinding](TROUBLESHOOTING.md)** - Løsninger på almindelige problemer -- **[Bidragelse vejledning](CONTRIBUTING.md)** - Sådan bidrager du til dette projekt -- **[For lærere](for-teachers.md)** - Undervisningsvejledning og ressourcer til klasser +- **[Bidragsvejledning](CONTRIBUTING.md)** - Hvordan man bidrager til dette projekt +- **[For lærere](for-teachers.md)** - Undervisningsvejledning og klasseværelsesressourcer -## 👨‍🎓 For studerende -> **Komplette begyndere**: Ny til data science? Start med vores [begyndervenlige eksempler](examples/README.md)! Disse simple, velkommenterede eksempler hjælper dig med at forstå det grundlæggende, inden du dykker ned i hele læseplanen. -> **[Studerende](https://aka.ms/student-page)**: for at bruge denne læseplan på egen hånd, forgrene hele repoet og gennemfør øvelserne på egen hånd, begynd med en for-forelæsnings quiz. Læs derefter forelæsningen og fuldfør resten af aktiviteterne. Prøv at skabe projekterne ved at forstå lektionerne fremfor at kopiere løsningskoden; den kode er dog tilgængelig i /solutions mapperne i hver projektorienteret lektion. En anden idé kunne være at danne en studiegruppe med venner og gennemgå indholdet sammen. Til yderligere studier anbefaler vi [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum). +## 👨‍🎓 For Studerende +> **Komplet begyndere**: Ny til data science? Start med vores [begynder-venlige eksempler](examples/README.md)! Disse enkle og velkommenterede eksempler hjælper dig med at forstå det grundlæggende, før du dykker ned i det fulde curriculum. +> **[Studerende](https://aka.ms/student-page)**: for at bruge dette curriculum på egen hånd, forgrenes hele repoen og gennemfør øvelserne på egen hånd, startende med en quiz før forelæsningen. Læs så forelæsningen og fuldfør resten af aktiviteterne. Prøv at skabe projekterne ved at forstå lektionerne i stedet for at kopiere løsningskoden; dog er den kode tilgængelig i /solutions mapperne i hver projektorienteret lektion. En anden idé er at danne en studiegruppe med venner og gennemgå indholdet sammen. Til yderligere studie anbefaler vi [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum). **Hurtig start:** 1. Tjek [Installationsvejledningen](INSTALLATION.md) for at sætte dit miljø op -2. Gennemgå [Brugsvejledningen](USAGE.md) for at lære at arbejde med læseplanen -3. Start med lektion 1 og arbejd sekventielt igennem +2. Gennemgå [Brugsvejledningen](USAGE.md) for at lære, hvordan du arbejder med curriculum +3. Start med Lektion 1 og arbejd dig igennem sekventielt 4. Deltag i vores [Discord-fællesskab](https://aka.ms/ds4beginners/discord) for support -## 👩‍🏫 For lærere -> **Lærere**: vi har [inkluderet nogle forslag](for-teachers.md) til, hvordan man bruger dette læseplan. Vi vil meget gerne have jeres feedback [i vores diskussionsforum](https://github.com/microsoft/Data-Science-For-Beginners/discussions)! +## 👩‍🏫 For Lærere +> **Lærere**: vi har [inkluderet nogle forslag](for-teachers.md) til, hvordan man bruger dette pensum. Vi vil meget gerne have jeres feedback [i vores diskussionsforum](https://github.com/microsoft/Data-Science-For-Beginners/discussions)! -## Mød Teamet +## Mød holdet -[![Promo video](../../ds-for-beginners.gif)](https://youtu.be/8mzavjQSMM4 "Promo video") +[![Promovideo](../../ds-for-beginners.gif)](https://youtu.be/8mzavjQSMM4 "Promo video") **Gif af** [Mohit Jaisal](https://www.linkedin.com/in/mohitjaisal) -> 🎥 Klik på billedet ovenfor for en video om projektet og de personer, der har skabt det! +> 🎥 Klik på billedet ovenfor for en video om projektet og folkene, der skabte det! ## Pædagogik -Vi har valgt to pædagogiske principper til opbygningen af denne læseplan: sikre at den er projektbaseret og at den inkluderer hyppige quizzer. Ved slutningen af denne serie vil eleverne have lært grundlæggende principper for datavidenskab, inklusive etiske koncepter, dataklargøring, forskellige måder at arbejde med data på, datavisualisering, dataanalyse, virkelige brugsscenarier for datavidenskab og mere. +Vi har valgt to pædagogiske principper under opbygningen af dette pensum: sikring af, at det er projektbaseret, og at det inkluderer hyppige quizzer. Ved slutningen af denne serie vil eleverne have lært grundlæggende principper inden for datalogi, herunder etiske koncepter, datapreparation, forskellige måder at arbejde med data på, datavisualisering, dataanalyse, virkelige anvendelsessituationer af datalogi og mere. -Derudover sætter en quiz med lav indsats før timen elevens intention mod at lære et emne, mens en anden quiz efter timen sikrer yderligere fastholdelse. Denne læseplan er designet til at være fleksibel og sjov og kan tages hele eller delvist. Projekterne starter små og bliver gradvist mere komplekse ved slutningen af den 10-ugers cyklus. +Derudover sætter en quiz med lav indsats før en lektion elevens intention mod at lære et emne, mens en anden quiz efter lektionen sikrer yderligere fastholdelse. Dette pensum er designet til at være fleksibelt og sjovt og kan tages helt eller delvist. Projekterne starter småt og bliver gradvist mere komplekse ved slutningen af 10-ugers cyklussen. > Find vores [Adfærdskodeks](CODE_OF_CONDUCT.md), [Bidrag](CONTRIBUTING.md), [Oversættelse](TRANSLATIONS.md) retningslinjer. Vi byder din konstruktive feedback velkommen! ## Hver lektion inkluderer: -- Valgfri sketchnote +- Valgfri skitcenote - Valgfri supplerende video -- Quiz til opvarmning før lektion +- Quiz som opvarmning før lektionen - Skriftlig lektion -- For projektbaserede lektioner, trin-for-trin vejledninger til, hvordan man bygger projektet +- For projektbaserede lektioner: trin-for-trin vejledninger til at bygge projektet - Videnstjek - En udfordring - Supplerende læsning - Opgave -- [Quiz efter lektion](https://ff-quizzes.netlify.app/en/) +- [Quiz efter lektionen](https://ff-quizzes.netlify.app/en/) -> **En note om quizzer**: Alle quizzer findes i Quiz-App mappen, i alt 40 quizzer med tre spørgsmål hver. De er linket fra lektionerne, men quiz-appen kan køres lokalt eller implementeres i Azure; følg instruktionerne i `quiz-app` mappen. De bliver gradvist lokaliseret. +> **En note om quizzer**: Alle quizzer findes i Quiz-App mappen, i alt 40 quizzer med tre spørgsmål hver. De er linket inde i lektionerne, men quiz-appen kan køres lokalt eller implementeres til Azure; følg instruktionerne i `quiz-app` mappen. De bliver gradvist lokaliseret. ## 🎓 Begynder-venlige eksempler -**Ny til datavidenskab?** Vi har oprettet en særlig [eksempelmappen](examples/README.md) med enkel, veldokumenteret kode, der hjælper dig godt i gang: +**Ny til datalogi?** Vi har oprettet et særligt [eksempelmappen](examples/README.md) med enkel, velkommenteret kode for at hjælpe dig i gang: -- 🌟 **Hello World** - Dit første datavidenskabsprogram +- 🌟 **Hej Verden** - Dit første datalogiprogram - 📂 **Indlæsning af data** - Lær at læse og udforske datasæt -- 📊 **Enkel analyse** - Beregn statistik og find mønstre -- 📈 **Grundlæggende visualisering** - Lav diagrammer og grafer -- 🔬 **Virkelighedsnært projekt** - Komplett workflow fra start til slut +- 📊 **Simpel analyse** - Beregn statistik og find mønstre +- 📈 **Grundlæggende visualisering** - Opret diagrammer og grafer +- 🔬 **Virkelighedsnært projekt** - Fuldfør workflow fra start til slut -Hvert eksempel inkluderer detaljerede kommentarer, der forklarer hvert trin, perfekt til absolutte begyndere! +Hvert eksempel inkluderer detaljerede kommentarer, der forklarer hvert trin, hvilket gør det perfekt til helt begyndere! 👉 **[Start med eksemplerne](examples/README.md)** 👈 ## Lektioner -|![ Sketchnote af @sketchthedocs https://sketchthedocs.dev](../../translated_images/da/00-Roadmap.4905d6567dff4753.webp)| +|![ Skitcenote af @sketchthedocs https://sketchthedocs.dev](../../translated_images/da/00-Roadmap.4905d6567dff4753.webp)| |:---:| -| Datavidenskab for Begyndere: Køreplan - _Sketchnote af [@nitya](https://twitter.com/nitya)_ | +| Data Science For Beginners: Vejkort - _Skitcenote af [@nitya](https://twitter.com/nitya)_ | -| Lektion Nummer | Emne | Lektion Gruppe | Læringsmål | Linket Lektion | Forfatter | +| Lektion Nummer | Emne | Lektion Gruppering | Læringsmål | Linket Lektion | Forfatter | | :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: | -| 01 | Definition af datavidenskab | [Introduktion](1-Introduction/README.md) | Lær de grundlæggende begreber bag datavidenskab og hvordan det relaterer til kunstig intelligens, maskinlæring og big data. | [lektion](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | -| 02 | Dataetik | [Introduktion](1-Introduction/README.md) | Dataetik begreber, udfordringer og rammeværk. | [lektion](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | +| 01 | Definition af data science | [Introduktion](1-Introduction/README.md) | Lær de grundlæggende koncepter bag datalogi og hvordan det relaterer til kunstig intelligens, maskinlæring og big data. | [lektion](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | +| 02 | Data Science etik | [Introduktion](1-Introduction/README.md) | Koncepter, udfordringer og rammer for dataetik. | [lektion](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | | 03 | Definition af data | [Introduktion](1-Introduction/README.md) | Hvordan data klassificeres og dets almindelige kilder. | [lektion](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) | -| 04 | Introduktion til statistik & sandsynlighed | [Introduktion](1-Introduction/README.md) | De matematiske teknikker indenfor sandsynlighed og statistik til forståelse af data. | [lektion](1-Introduction/04-stats-and-probability/README.md) [video](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) | -| 05 | Arbejde med relationelle data | [Arbejde med data](2-Working-With-Data/README.md) | Introduktion til relationelle data og grundlæggende udforskning og analyse af relationelle data med Structured Query Language, også kendt som SQL (udtalt “see-quell”). | [lektion](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | -| 06 | Arbejde med NoSQL data | [Arbejde med data](2-Working-With-Data/README.md) | Introduktion til ikke-relationelle data, deres forskellige typer og grundlæggende udforskning og analyse af dokumentdatabaser. | [lektion](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)| -| 07 | Arbejde med Python | [Arbejde med data](2-Working-With-Data/README.md) | Grundlæggende brug af Python til dataudforskning med biblioteker som Pandas. Grundlæggende forståelse af Python programmering anbefales. | [lektion](2-Working-With-Data/07-python/README.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) | -| 08 | Dataklargøring | [Arbejde med data](2-Working-With-Data/README.md) | Emner om datateknikker til rengøring og transformation af data til håndtering af udfordringer med manglende, unøjagtige eller ufuldstændige data. | [lektion](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | +| 04 | Introduktion til statistik & sandsynlighed | [Introduktion](1-Introduction/README.md) | Matematiske teknikker inden for sandsynlighed og statistik til forståelse af data. | [lektion](1-Introduction/04-stats-and-probability/README.md) [video](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) | +| 05 | Arbejde med relationsdata | [Arbejde med data](2-Working-With-Data/README.md) | Introduktion til relationsdata og grundlæggende utforskning og analyse af relationsdata med Structured Query Language, også kendt som SQL (udtalt "see-quell"). | [lektion](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | +| 06 | Arbejde med NoSQL data | [Arbejde med data](2-Working-With-Data/README.md) | Introduktion til ikke-relational data, dets forskellige typer og grundlæggende tilgang til at udforske og analysere dokumentdatabaser. | [lektion](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)| +| 07 | Arbejde med Python | [Arbejde med data](2-Working-With-Data/README.md) | Grundlæggende brug af Python til dataudforskning med biblioteker som Pandas. En grundlæggende forståelse af Python programmering anbefales. | [lektion](2-Working-With-Data/07-python/README.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) | +| 08 | Datapreparation | [Arbejde med data](2-Working-With-Data/README.md) | Emner om datateknikker til rengøring og transformation af data til håndtering af udfordringer som manglende, unøjagtige eller ufuldstændige data. | [lektion](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | | 09 | Visualisering af mængder | [Datavisualisering](3-Data-Visualization/README.md) | Lær at bruge Matplotlib til at visualisere fugledata 🦆 | [lektion](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) | -| 10 | Visualisering af datafordelinger | [Datavisualisering](3-Data-Visualization/README.md) | Visualisering af observationer og tendenser indenfor et interval. | [lektion](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) | -| 11 | Visualisering af andele | [Datavisualisering](3-Data-Visualization/README.md) | Visualisering af diskrete og grupperede procenter. | [lektion](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) | -| 12 | Visualisering af relationer | [Datavisualisering](3-Data-Visualization/README.md) | Visualisering af forbindelser og korrelationer mellem datasæt og deres variable. | [lektion](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) | -| 13 | Meningsfulde visualiseringer | [Datavisualisering](3-Data-Visualization/README.md) | Teknikker og vejledning til at gøre dine visualiseringer værdifulde for effektiv problemløsning og indsigt. | [lektion](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | -| 14 | Introduktion til datavidenskabs livscyklus | [Livscyklus](4-Data-Science-Lifecycle/README.md) | Introduktion til datavidenskabs livscyklus og dets første trin, erhvervelse og udtræk af data. | [lektion](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | -| 15 | Analyse | [Livscyklus](4-Data-Science-Lifecycle/README.md) | Denne fase af datavidenskabs livscyklus fokuserer på teknikker til at analysere data. | [lektion](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | | -| 16 | Kommunikation | [Livscyklus](4-Data-Science-Lifecycle/README.md) | Denne fase af datavidenskabs livscyklus fokuserer på at præsentere indsigt fra data på en måde, der gør det lettere for beslutningstagere at forstå. | [lektion](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | -| 17 | Datavidenskab i skyen | [Skydata](5-Data-Science-In-Cloud/README.md) | Denne række lektioner introducerer datavidenskab i skyen og dens fordele. | [lektion](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) og [Maud](https://twitter.com/maudstweets) | -| 18 | Datavidenskab i skyen | [Skydata](5-Data-Science-In-Cloud/README.md) | Træning af modeller ved hjælp af Low Code-værktøjer. |[lektion](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) og [Maud](https://twitter.com/maudstweets) | -| 19 | Datavidenskab i skyen | [Skydata](5-Data-Science-In-Cloud/README.md) | Implementering af modeller med Azure Machine Learning Studio. | [lektion](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) og [Maud](https://twitter.com/maudstweets) | -| 20 | Datavidenskab i virkeligheden | [I virkeligheden](6-Data-Science-In-Wild/README.md) | Data science-drevne projekter i den virkelige verden. | [lektion](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | +| 10 | Visualisering af datafordelinger | [Datavisualisering](3-Data-Visualization/README.md) | Visualisering af observationer og tendenser inden for et interval. | [lektion](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) | +| 11 | Visualisering af proportioner | [Datavisualisering](3-Data-Visualization/README.md) | Visualisering af diskrete og grupperede procentdele. | [lektion](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) | +| 12 | Visualisering af sammenhænge | [Datavisualisering](3-Data-Visualization/README.md) | Visualisering af forbindelser og korrelationer mellem datasæt og deres variabler. | [lektion](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) | +| 13 | Meningsfulde visualiseringer | [Datavisualisering](3-Data-Visualization/README.md) | Teknikker og vejledning til at gøre dine visualiseringer værdifulde for effektiv problemløsning og indsigter. | [lektion](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | +| 14 | Introduktion til data science livscyklus | [Livscyklus](4-Data-Science-Lifecycle/README.md) | Introduktion til data science livscyklussen og dets første trin: at erhverve og udtrække data. | [lektion](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | +| 15 | Analyse | [Livscyklus](4-Data-Science-Lifecycle/README.md) | Denne fase i data science livscyklussen fokuserer på teknikker til at analysere data. | [lektion](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | | +| 16 | Kommunikation | [Livscyklus](4-Data-Science-Lifecycle/README.md) | Denne fase i data science livscyklussen fokuserer på at præsentere indsigterne fra data på en måde, der gør det lettere for beslutningstagere at forstå. | [lektion](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | +| 17 | Data Science i skyen | [Skydata](5-Data-Science-In-Cloud/README.md) | Denne serie af lektioner introducerer datalogi i skyen og dens fordele. | [lektion](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) og [Maud](https://twitter.com/maudstweets) | +| 18 | Data Science i skyen | [Skydata](5-Data-Science-In-Cloud/README.md) | Træning af modeller ved hjælp af Low Code værktøjer. |[lektion](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) og [Maud](https://twitter.com/maudstweets) | +| 19 | Data Science i skyen | [Skydata](5-Data-Science-In-Cloud/README.md) | Implementering af modeller med Azure Machine Learning Studio. | [lektion](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) og [Maud](https://twitter.com/maudstweets) | +| 20 | Data Science i det virkelige liv | [I det fri](6-Data-Science-In-Wild/README.md) | Data science-drevne projekter i den virkelige verden. | [lektion](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | ## GitHub Codespaces Følg disse trin for at åbne dette eksempel i en Codespace: -1. Klik på Code-rullemenuen og vælg Muligheden Open with Codespaces. -2. Vælg + New codespace nederst i panelet. -For flere oplysninger, se [GitHub-dokumentationen](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace). +1. Klik på Kode-rullemenuen og vælg Muligheden Åbn med Codespaces. +2. Vælg + Ny codespace nederst i panelet. +For mere info, se [GitHub dokumentationen](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace). ## VSCode Remote - Containers -Følg disse trin for at åbne dette repo i en container ved hjælp af din lokale maskine og VSCode med udvidelsen VS Code Remote - Containers: +Følg disse trin for at åbne dette repo i en container ved brug af din lokale maskine og VSCode med VS Code Remote - Containers udvidelsen: -1. Hvis det er første gang du bruger en udviklingscontainer, skal du sikre dig, at dit system opfylder forudsætningerne (dvs. har Docker installeret) i [dokumentationen til start](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started). +1. Hvis dette er første gang, du bruger en udviklingscontainer, skal du sikre, at dit system opfylder forudsætningerne (dvs. have Docker installeret) i [kom i gang dokumentationen](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started). -For at bruge dette repository kan du enten åbne det i et isoleret Docker-volumen: +For at bruge dette repository kan du enten åbne repository’et i et isoleret Docker volume: -**Bemærk**: Under motorhjelmen bruges kommandoen Remote-Containers: **Clone Repository in Container Volume...** til at klone koden i et Docker-volumen i stedet for i det lokale filsystem. [Volumen](https://docs.docker.com/storage/volumes/) er den foretrukne mekanisme til at bevare containerdata. +**Bemærk**: Under motorhjelmen bruges kommandoen Remote-Containers: **Clone Repository in Container Volume...** til at klone koden i et Docker volume i stedet for lokalt filsystem. [Volumes](https://docs.docker.com/storage/volumes/) er den foretrukne mekanisme til at bevare container data. -Eller åbne en lokalt klonet eller downloadet version af repositoryet: +Eller åbn en lokalt klonet eller downloadet version af repository’et: - Klon dette repository til dit lokale filsystem. - Tryk på F1 og vælg kommandoen **Remote-Containers: Open Folder in Container...**. -- Vælg den klonede kopi af denne mappe, vent på at containeren starter, og prøv det af. +- Vælg den klonede kopi af denne mappe, vent på containeren starter, og prøv det af. ## Offline adgang -Du kan køre denne dokumentation offline ved at bruge [Docsify](https://docsify.js.org/#/). Fork dette repo, [installer Docsify](https://docsify.js.org/#/quickstart) på din lokale maskine, og skriv derefter i roden af denne repo `docsify serve`. Websitet vil blive serveret på port 3000 på din localhost: `localhost:3000`. +Du kan køre denne dokumentation offline ved at bruge [Docsify](https://docsify.js.org/#/). Fork dette repo, [installer Docsify](https://docsify.js.org/#/quickstart) på din lokale maskine, og skriv derefter i roden af dette repo `docsify serve`. Websiden serveres på port 3000 på din localhost: `localhost:3000`. -> Bemærk, at notebooks ikke bliver gengivet via Docsify, så når du skal køre en notebook, så gør det separat i VS Code med en Python kernel. +> Bemærk, at notebooks ikke renders via Docsify, så når du skal køre en notebook, gør det separat i VS Code med en Python kernel. -## Andre Læseplaner +## Andre pensum -Vores team producerer andre læseplaner! Se: +Vores team producerer andre pensum! Tjek: ### LangChain @@ -218,7 +218,7 @@ Vores team producerer andre læseplaner! Se: --- -### Serie om Generativ AI +### Generativ AI Serie [![Generative AI for Beginners](https://img.shields.io/badge/Generative%20AI%20for%20Beginners-8B5CF6?style=for-the-badge&labelColor=E5E7EB&color=8B5CF6)](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst) [![Generative AI (.NET)](https://img.shields.io/badge/Generative%20AI%20(.NET)-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst) [![Generative AI (Java)](https://img.shields.io/badge/Generative%20AI%20(Java)-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst) @@ -226,7 +226,7 @@ Vores team producerer andre læseplaner! Se: --- -### Kerne-læring +### Kerneudvikling [![ML for Beginners](https://img.shields.io/badge/ML%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=22C55E)](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst) [![Data Science for Beginners](https://img.shields.io/badge/Data%20Science%20for%20Beginners-84CC16?style=for-the-badge&labelColor=E5E7EB&color=84CC16)](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst) [![AI for Beginners](https://img.shields.io/badge/AI%20for%20Beginners-A3E635?style=for-the-badge&labelColor=E5E7EB&color=A3E635)](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst) @@ -237,27 +237,27 @@ Vores team producerer andre læseplaner! Se: --- -### Copilot-serie +### Copilot Serie [![Copilot for AI Paired Programming](https://img.shields.io/badge/Copilot%20for%20AI%20Paired%20Programming-FACC15?style=for-the-badge&labelColor=E5E7EB&color=FACC15)](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst) [![Copilot for C#/.NET](https://img.shields.io/badge/Copilot%20for%20C%23/.NET-FBBF24?style=for-the-badge&labelColor=E5E7EB&color=FBBF24)](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst) [![Copilot Adventure](https://img.shields.io/badge/Copilot%20Adventure-FDE68A?style=for-the-badge&labelColor=E5E7EB&color=FDE68A)](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst) -## Få hjælp +## Få Hjælp -**Oplever du problemer?** Se vores [Fejlfinding Guide](TROUBLESHOOTING.md) for løsninger på almindelige problemer. +**Støder du på problemer?** Tjek vores [Fejlsøgningsguide](TROUBLESHOOTING.md) for løsninger på almindelige problemer. -Hvis du sidder fast eller har spørgsmål om at bygge AI-apps. Deltag i samtaler med andre lærende og erfarne udviklere om MCP. Det er et støttende fællesskab, hvor spørgsmål er velkomne, og viden deles frit. +Hvis du sidder fast eller har spørgsmål om at bygge AI-apps, så deltag i samtaler med medlærende og erfarne udviklere om MCP. Det er et støttende fællesskab, hvor spørgsmål er velkomne, og viden deles frit. [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -Hvis du har produktfeedback eller fejl under byggeriet, besøg: +Hvis du har produktfeedback eller fejl under udvikling, besøg: [![Microsoft Foundry Developer Forum](https://img.shields.io/badge/GitHub-Microsoft_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) --- -**Ansvarsfraskrivelse**: -Dette dokument er oversat ved hjælp af AI-oversættelsestjenesten [Co-op Translator](https://github.com/Azure/co-op-translator). Selvom vi stræber efter nøjagtighed, skal du være opmærksom på, at automatiserede oversættelser kan indeholde fejl eller unøjagtigheder. Det oprindelige dokument på dets modersmål bør betragtes som den autoritative kilde. For vigtig information anbefales professionel menneskelig oversættelse. Vi påtager os intet ansvar for misforståelser eller fejltolkninger, der måtte opstå som følge af brugen af denne oversættelse. +**Ansvarsfraskrivelse**: +Dette dokument er blevet oversat ved hjælp af AI-oversættelsestjenesten [Co-op Translator](https://github.com/Azure/co-op-translator). Selvom vi bestræber os på nøjagtighed, skal du være opmærksom på, at automatiserede oversættelser kan indeholde fejl eller unøjagtigheder. Det originale dokument på det oprindelige sprog bør betragtes som den autoritative kilde. For kritisk information anbefales professionel menneskelig oversættelse. Vi påtager os intet ansvar for misforståelser eller fejltolkninger, der opstår som følge af brugen af denne oversættelse. \ No newline at end of file diff --git a/translations/fi/.co-op-translator.json b/translations/fi/.co-op-translator.json index 10bbe274..7eb427d6 100644 --- a/translations/fi/.co-op-translator.json +++ b/translations/fi/.co-op-translator.json @@ -378,8 +378,8 @@ "language_code": "fi" }, "README.md": { - "original_hash": "f671e295a294a2559fc59d1524e001b4", - "translation_date": "2026-02-27T09:56:27+00:00", + "original_hash": "0b97d87bdd9506ce0239c2d7257f04d6", + "translation_date": "2026-04-06T15:59:55+00:00", "source_file": "README.md", "language_code": "fi" }, diff --git a/translations/fi/README.md b/translations/fi/README.md index d482a3c1..a8526b72 100644 --- a/translations/fi/README.md +++ b/translations/fi/README.md @@ -1,14 +1,14 @@ # Data Science aloittelijoille - Opetussuunnitelma -[![Avaa GitHub Codespacesissä](https://github.com/codespaces/badge.svg)](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198) +[![Avaa GitHub Codespacesissa](https://github.com/codespaces/badge.svg)](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198) [![GitHub-lisenssi](https://img.shields.io/github/license/microsoft/Data-Science-For-Beginners.svg)](https://github.com/microsoft/Data-Science-For-Beginners/blob/master/LICENSE) -[![GitHub-kontribuuttorit](https://img.shields.io/github/contributors/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/graphs/contributors/) +[![GitHub-yhteistyökumppanit](https://img.shields.io/github/contributors/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/graphs/contributors/) [![GitHub-ongelmat](https://img.shields.io/github/issues/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/issues/) -[![GitHub pull-pyynnöt](https://img.shields.io/github/issues-pr/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/pulls/) +[![GitHub vedä-pyynnöt](https://img.shields.io/github/issues-pr/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/pulls/) [![PR:t tervetulleita](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com) -[![GitHub-seuraajat](https://img.shields.io/github/watchers/microsoft/Data-Science-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/Data-Science-For-Beginners/watchers/) +[![GitHub tarkkailijat](https://img.shields.io/github/watchers/microsoft/Data-Science-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/Data-Science-For-Beginners/watchers/) [![GitHub haarukat](https://img.shields.io/github/forks/microsoft/Data-Science-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/Data-Science-For-Beginners/network/) [![GitHub tähdet](https://img.shields.io/github/stars/microsoft/Data-Science-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/Data-Science-For-Beginners/stargazers/) @@ -17,27 +17,27 @@ [![Microsoft Foundry Developer Forum](https://img.shields.io/badge/GitHub-Microsoft_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) -Microsoftin Azure Cloud Advocates ilolla tarjoavat 10 viikon, 20 oppitunnin opetussuunnitelman, joka käsittelee Data Sciencea. Jokainen oppitunti sisältää ennakko- ja jälkikyselyt, kirjalliset ohjeet oppitunnin suorittamiseen, ratkaisun sekä tehtävän. Projektipohjainen opetusmenetelmämme sallii oppimisen tekemällä, mikä on todistettu tapa uuden taidon omaksumiseen. +Microsoftin Azure Cloud Advocates tarjoaa 10 viikon, 20 oppitunnin opetussuunnitelman, joka käsittelee data sciencea. Jokainen oppitunti sisältää esilukukyselyt ja jälkilukukyselyt, kirjalliset ohjeet tehtävän suorittamiseen, ratkaisun ja harjoituksen. Projektipohjainen pedagogiikkamme antaa sinun oppia rakentamisen kautta, mikä on todistettu tapa saada uudet taidot "takertumaan". -**Sydämelliset kiitokset kirjoittajillemme:** [Jasmine Greenaway](https://www.twitter.com/paladique), [Dmitry Soshnikov](http://soshnikov.com), [Nitya Narasimhan](https://twitter.com/nitya), [Jalen McGee](https://twitter.com/JalenMcG), [Jen Looper](https://twitter.com/jenlooper), [Maud Levy](https://twitter.com/maudstweets), [Tiffany Souterre](https://twitter.com/TiffanySouterre), [Christopher Harrison](https://www.twitter.com/geektrainer). +**Sydämellinen kiitos tekijöillemme:** [Jasmine Greenaway](https://www.twitter.com/paladique), [Dmitry Soshnikov](http://soshnikov.com), [Nitya Narasimhan](https://twitter.com/nitya), [Jalen McGee](https://twitter.com/JalenMcG), [Jen Looper](https://twitter.com/jenlooper), [Maud Levy](https://twitter.com/maudstweets), [Tiffany Souterre](https://twitter.com/TiffanySouterre), [Christopher Harrison](https://www.twitter.com/geektrainer). -**🙏 Erityiskiitokset 🙏 [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/) -kirjoittajillemme, tarkistajille ja sisällöntuottajille,** erityisesti Aaryan Arora, [Aditya Garg](https://github.com/AdityaGarg00), [Alondra Sanchez](https://www.linkedin.com/in/alondra-sanchez-molina/), [Ankita Singh](https://www.linkedin.com/in/ankitasingh007), [Anupam Mishra](https://www.linkedin.com/in/anupam--mishra/), [Arpita Das](https://www.linkedin.com/in/arpitadas01/), ChhailBihari Dubey, [Dibri Nsofor](https://www.linkedin.com/in/dibrinsofor), [Dishita Bhasin](https://www.linkedin.com/in/dishita-bhasin-7065281bb), [Majd Safi](https://www.linkedin.com/in/majd-s/), [Max Blum](https://www.linkedin.com/in/max-blum-6036a1186/), [Miguel Correa](https://www.linkedin.com/in/miguelmque/), [Mohamma Iftekher (Iftu) Ebne Jalal](https://twitter.com/iftu119), [Nawrin Tabassum](https://www.linkedin.com/in/nawrin-tabassum), [Raymond Wangsa Putra](https://www.linkedin.com/in/raymond-wp/), [Rohit Yadav](https://www.linkedin.com/in/rty2423), Samridhi Sharma, [Sanya Sinha](https://www.linkedin.com/mwlite/in/sanya-sinha-13aab1200), +**🙏 Erityiskiitos 🙏 [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/) -tekijöillemme, tarkastajille ja sisällöntuottajille,** erityisesti Aaryan Arora, [Aditya Garg](https://github.com/AdityaGarg00), [Alondra Sanchez](https://www.linkedin.com/in/alondra-sanchez-molina/), [Ankita Singh](https://www.linkedin.com/in/ankitasingh007), [Anupam Mishra](https://www.linkedin.com/in/anupam--mishra/), [Arpita Das](https://www.linkedin.com/in/arpitadas01/), ChhailBihari Dubey, [Dibri Nsofor](https://www.linkedin.com/in/dibrinsofor), [Dishita Bhasin](https://www.linkedin.com/in/dishita-bhasin-7065281bb), [Majd Safi](https://www.linkedin.com/in/majd-s/), [Max Blum](https://www.linkedin.com/in/max-blum-6036a1186/), [Miguel Correa](https://www.linkedin.com/in/miguelmque/), [Mohamma Iftekher (Iftu) Ebne Jalal](https://twitter.com/iftu119), [Nawrin Tabassum](https://www.linkedin.com/in/nawrin-tabassum), [Raymond Wangsa Putra](https://www.linkedin.com/in/raymond-wp/), [Rohit Yadav](https://www.linkedin.com/in/rty2423), Samridhi Sharma, [Sanya Sinha](https://www.linkedin.com/mwlite/in/sanya-sinha-13aab1200), [Sheena Narula](https://www.linkedin.com/in/sheena-narua-n/), [Tauqeer Ahmad](https://www.linkedin.com/in/tauqeerahmad5201/), Yogendrasingh Pawar , [Vidushi Gupta](https://www.linkedin.com/in/vidushi-gupta07/), [Jasleen Sondhi](https://www.linkedin.com/in/jasleen-sondhi/) -|![Sketchnote by @sketchthedocs https://sketchthedocs.dev](../../translated_images/fi/00-Title.8af36cd35da1ac55.webp)| +|![Piirrosmuistio tekijältä @sketchthedocs https://sketchthedocs.dev](../../translated_images/fi/00-Title.8af36cd35da1ac55.webp)| |:---:| -| Data Science Aloittelijoille - _Sketchnote by [@nitya](https://twitter.com/nitya)_ | +| Data Science Aloittelijoille - _Piirrosmuistio tekijältä [@nitya](https://twitter.com/nitya)_ | ### 🌐 Monikielinen tuki -#### Tuettu GitHub Actionin kautta (Automaattinen ja aina ajan tasalla) +#### Tuettu GitHub Actionin kautta (Automaattinen & aina ajan tasalla) -[Arabic](../ar/README.md) | [Bengali](../bn/README.md) | [Bulgarian](../bg/README.md) | [Burmese (Myanmar)](../my/README.md) | [Chinese (Simplified)](../zh-CN/README.md) | [Chinese (Traditional, Hong Kong)](../zh-HK/README.md) | [Chinese (Traditional, Macau)](../zh-MO/README.md) | [Chinese (Traditional, Taiwan)](../zh-TW/README.md) | [Croatian](../hr/README.md) | [Czech](../cs/README.md) | [Danish](../da/README.md) | [Dutch](../nl/README.md) | [Estonian](../et/README.md) | [Finnish](./README.md) | [French](../fr/README.md) | [German](../de/README.md) | [Greek](../el/README.md) | [Hebrew](../he/README.md) | [Hindi](../hi/README.md) | [Hungarian](../hu/README.md) | [Indonesian](../id/README.md) | [Italian](../it/README.md) | [Japanese](../ja/README.md) | [Kannada](../kn/README.md) | [Korean](../ko/README.md) | [Lithuanian](../lt/README.md) | [Malay](../ms/README.md) | [Malayalam](../ml/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Nigerian Pidgin](../pcm/README.md) | [Norwegian](../no/README.md) | [Persian (Farsi)](../fa/README.md) | [Polish](../pl/README.md) | [Portuguese (Brazil)](../pt-BR/README.md) | [Portuguese (Portugal)](../pt-PT/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Romanian](../ro/README.md) | [Russian](../ru/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Slovak](../sk/README.md) | [Slovenian](../sl/README.md) | [Spanish](../es/README.md) | [Swahili](../sw/README.md) | [Swedish](../sv/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Tamil](../ta/README.md) | [Telugu](../te/README.md) | [Thai](../th/README.md) | [Turkish](../tr/README.md) | [Ukrainian](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamese](../vi/README.md) +[Arabic](../ar/README.md) | [Bengali](../bn/README.md) | [Bulgarian](../bg/README.md) | [Burmese (Myanmar)](../my/README.md) | [Chinese (Simplified)](../zh-CN/README.md) | [Chinese (Traditional, Hong Kong)](../zh-HK/README.md) | [Chinese (Traditional, Macau)](../zh-MO/README.md) | [Chinese (Traditional, Taiwan)](../zh-TW/README.md) | [Croatian](../hr/README.md) | [Czech](../cs/README.md) | [Danish](../da/README.md) | [Dutch](../nl/README.md) | [Estonian](../et/README.md) | [Finnish](./README.md) | [French](../fr/README.md) | [German](../de/README.md) | [Greek](../el/README.md) | [Hebrew](../he/README.md) | [Hindi](../hi/README.md) | [Hungarian](../hu/README.md) | [Indonesian](../id/README.md) | [Italian](../it/README.md) | [Japanese](../ja/README.md) | [Kannada](../kn/README.md) | [Khmer](../km/README.md) | [Korean](../ko/README.md) | [Lithuanian](../lt/README.md) | [Malay](../ms/README.md) | [Malayalam](../ml/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Nigerian Pidgin](../pcm/README.md) | [Norwegian](../no/README.md) | [Persian (Farsi)](../fa/README.md) | [Polish](../pl/README.md) | [Portuguese (Brazil)](../pt-BR/README.md) | [Portuguese (Portugal)](../pt-PT/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Romanian](../ro/README.md) | [Russian](../ru/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Slovak](../sk/README.md) | [Slovenian](../sl/README.md) | [Spanish](../es/README.md) | [Swahili](../sw/README.md) | [Swedish](../sv/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Tamil](../ta/README.md) | [Telugu](../te/README.md) | [Thai](../th/README.md) | [Turkish](../tr/README.md) | [Ukrainian](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamese](../vi/README.md) > **Haluatko kloonata paikallisesti?** > -> Tämä repositorio sisältää yli 50 kielen käännökset, mikä lisää merkittävästi latauskokoa. Jos haluat kloonata ilman käännöksiä, käytä sparse checkout -toimintoa: +> Tämä repositorio sisältää yli 50 käännöstä, mikä kasvattaa latauskokoa merkittävästi. Kloonaa ilman käännöksiä käyttämällä sparse checkoutia: > > **Bash / macOS / Linux:** > ```bash @@ -53,15 +53,15 @@ Microsoftin Azure Cloud Advocates ilolla tarjoavat 10 viikon, 20 oppitunnin opet > git sparse-checkout set --no-cone "/*" "!translations" "!translated_images" > ``` > -> Tämä antaa sinulle kaiken tarvitsemasi kurssin suorittamiseen paljon nopeammalla latauksella. +> Näin saat kaiken kurssin suorittamiseen tarvittavan paljon nopeammalla latauksella. -**Jos haluat lisättyjä käännöskieliä, tuetut kielet on listattu [tässä](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** +**Jos haluat tukea lisää käännöskieliä, ne löytyvät [täältä](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** #### Liity yhteisöömme [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -Meillä on käynnissä Discord opi tekoälyn kanssa -sarja, opi lisää ja liity mukaan [Learn with AI Series](https://aka.ms/learnwithai/discord) 18.–30. syyskuuta 2025. Saat vinkkejä ja temppuja GitHub Copilotin käyttämiseen Data Sciencessa. +Meillä on käynnissä Discordissa Learn with AI -sarja, opi lisää ja liity mukaan osoitteessa [Learn with AI Series](https://aka.ms/learnwithai/discord) ajalla 18.-30. syyskuuta 2025. Saat vinkkejä ja niksejä GitHub Copilotin käytöstä data science -tehtävissä. ![Learn with AI series](../../translated_images/fi/1.2b28cdc6205e26fe.webp) @@ -69,189 +69,189 @@ Meillä on käynnissä Discord opi tekoälyn kanssa -sarja, opi lisää ja liity Aloita seuraavista resursseista: -- [Student Hub -sivu](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Tältä sivulta löydät aloittelijoille tarkoitettuja resursseja, opiskelijapaketteja ja jopa tapoja saada ilmainen sertifikaattivoucher. Tämä on sivu, johon kannattaa laittaa kirjanmerkki ja tarkistaa säännöllisesti, sillä sisältöä päivitetään vähintään kuukausittain. -- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Liity globaalin opiskelija-ambassadoreiden yhteisöön, tämä voi olla sinun tie Microsoftiin. +- [Student Hub -sivu](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Löydät täältä aloittelijan resurssit, opiskelijapaketit ja jopa tapoja saada ilmainen sertifiointivoucher. Tämä on sivu, jonka haluat laittaa kirjanmerkkeihin ja tarkistaa aika ajoin, koska sisältöä päivitetään vähintään kuukausittain. +- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Liity maailmanlaajuiseen opiskelija-ambasaddor -yhteisöön, tämä voi olla tapasi päästä Microsoftille. # Aloittaminen ## 📚 Dokumentaatio -- **[Asennusopas](INSTALLATION.md)** - Vaihe vaiheelta asennusohjeet aloittelijoille +- **[Asennusopas](INSTALLATION.md)** - Aloittelijoille suunnatut askel askeleelta -asennusohjeet - **[Käyttöopas](USAGE.md)** - Esimerkkejä ja yleisiä työnkulkuja -- **[Vianmääritys](TROUBLESHOOTING.md)** - Ratkaisuja yleisimpiin ongelmiin -- **[Osallistumisohjeet](CONTRIBUTING.md)** - Kuinka osallistua tähän projektiin -- **[Opettajille](for-teachers.md)** - Opetusopas ja luokkahuoneen resurssit +- **[Vianmääritys](TROUBLESHOOTING.md)** - Ratkaisuja yleisiin ongelmiin +- **[Osallistumisopas](CONTRIBUTING.md)** - Kuinka osallistua tähän projektiin +- **[Opettajille](for-teachers.md)** - Ohjeita opettamiseen ja luokkaresursseja ## 👨‍🎓 Opiskelijoille -> **Täysin aloittelijat**: Oletko uusi data sciencen parissa? Aloita meidän [aloittelijaystävällisistä esimerkeistämme](examples/README.md)! Nämä yksinkertaiset, hyvin kommentoidut esimerkit auttavat sinua ymmärtämään perusteet ennen kuin sukellat kokonaisiin oppitunteihin. -> **[Opiskelijat](https://aka.ms/student-page)**: käyttämään tätä opetussuunnitelmaa itsenäisesti, haarauta koko repositorio ja tee harjoitukset itse, aloittaen ennakkokyselyllä. Sen jälkeen lue luento ja suorita loput tehtävistä. Yritä luoda projektit ymmärtämällä oppitunnit kopioimisen sijaan; ratkaisukoodi on kuitenkin saatavilla /solutions-kansioissa jokaisessa projekti-suuntaisessa oppitunnissa. Toinen idea on muodostaa opintoryhmä ystävien kanssa ja käydä sisältö yhdessä läpi. Lisäopiskelua varten suosittelemme [Microsoft Learnia](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum). +> **Täysin aloittelijat**: Data science on uusi aihe? Aloita [aloittelijaystävällisistä esimerkeistämme](examples/README.md)! Nämä yksinkertaiset, hyvin kommentoidut esimerkit auttavat sinua ymmärtämään perusteet ennen koko opetussuunnitelmaan sukeltamista. +> **[Opiskelijat](https://aka.ms/student-page)**: käytä tätä opetussuunnitelmaa itsenäisesti kloonaamalla koko repo ja suorittamalla harjoitukset omaan tahtiin, aloittaen luennon esikyselyllä. Lue sitten luento ja tee loput tehtävistä. Yritä luoda projektit ymmärtämällä oppitunnit sen sijaan, että kopioisit ratkaisukoodin; koodi on kuitenkin saatavilla kunkin projektiin keskittyvän oppitunnin /solutions -kansiossa. Toinen idea on muodostaa opintoryhmä ystävien kanssa ja käydä sisältö läpi yhdessä. Jatko-opiskeluun suosittelemme [Microsoft Learnia](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum). -**Pika-aloitus:** -1. Tarkista [Asennusopas](INSTALLATION.md) ympäristön pystyttämiseksi -2. Tutustu [Käyttöoppaaseen](USAGE.md) oppiaksesi opetussuunnitelman käytön -3. Aloita Oppitunnista 1 ja käy läpi peräkkäin -4. Liity [Discord-yhteisöömme](https://aka.ms/ds4beginners/discord) saadaksesi tukea +**Pikakäynnistys:** +1. Tutustu [Asennusoppaaseen](INSTALLATION.md) ympäristön asettamiseksi +2. Käy läpi [Käyttöopas](USAGE.md) oppiaksesi, miten opetussuunnitelmaa käytetään +3. Aloita Oppitunnista 1 ja etene peräkkäin +4. Liity tukiyhteisöömme Discordissa osoitteessa [Discord community](https://aka.ms/ds4beginners/discord) ## 👩‍🏫 Opettajille -> **Opettajat**: olemme [sisällyttäneet muutamia ehdotuksia](for-teachers.md) kurssin käyttämiseen. Arvostamme palautettanne [keskustelufoorumillamme](https://github.com/microsoft/Data-Science-For-Beginners/discussions)! +> **Opettajat**: olemme [sisällyttäneet muutamia ehdotuksia](for-teachers.md) tämän opetussuunnitelman käyttämiseen. Arvostamme palautettanne [keskustelufoorumillamme](https://github.com/microsoft/Data-Science-For-Beginners/discussions)! -## Tapaa tiimi +## Tutustu tiimiin -[![Promo video](../../ds-for-beginners.gif)](https://youtu.be/8mzavjQSMM4 "Promo video") +[![Mainosvideo](../../ds-for-beginners.gif)](https://youtu.be/8mzavjQSMM4 "Mainosvideo") -**Gif:** [Mohit Jaisal](https://www.linkedin.com/in/mohitjaisal) +**Gifin tekijä:** [Mohit Jaisal](https://www.linkedin.com/in/mohitjaisal) -> 🎥 Klikkaa yllä olevaa kuvaa nähdäksesi videon projektista ja sen tekijöistä! +> 🎥 Napsauta yllä olevaa kuvaa nähdäksesi videon projektista ja sen luojista! ## Pedagogiikka -Olemme valinneet kaksi pedagogista periaatetta tätä opetussuunnitelmaa rakentaessamme: varmistaa, että se perustuu projekteihin ja sisältää säännöllisiä visailuja. Sarjan lopussa opiskelijat ovat oppineet datatieteen perusteet, mukaan lukien eettiset käsitteet, datan valmistelun, erilaisia tapoja työskennellä datan kanssa, datan visualisoinnin, data-analyysin, datatieteen käytännön sovellukset ja paljon muuta. +Olemme valinneet kaksi pedagogista periaatetta tämän opetussuunnitelman rakentamisessa: varmistaa, että se on projekti-pohjainen ja että se sisältää säännöllisiä tietokilpailuja. Sarjan lopussa opiskelijat ovat oppineet datatieteen perusperiaatteet, mukaan lukien eettiset käsitteet, datan valmistelun, erilaiset tavat työskennellä datan kanssa, datan visualisoinnin, data-analyysin, datatieteen todelliset käyttötapaukset ja muuta. -Lisäksi matalan panoksen visailu ennen oppituntia asettaa opiskelijalle tarkoituksen oppia aihe, ja toinen visailu oppitunnin jälkeen varmistaa paremman tiedon säilymisen. Tämä opetussuunnitelma on suunniteltu joustavaksi ja viihdyttäväksi, ja sen voi suorittaa kokonaan tai osittain. Projektit alkavat pienestä ja monimutkaistuvat vähitellen 10 viikon jakson aikana. +Lisäksi matalan panoksen tietokilpailu ennen opetusta asettaa opiskelijalle oppimisen tavoitteen, kun taas toinen tietokilpailu oppitunnin jälkeen varmistaa paremman tiedon säilymisen. Tämä opetussuunnitelma on suunniteltu joustavaksi ja hauskaksi, ja se voidaan suorittaa kokonaisuudessaan tai osittain. Projektit alkavat pieninä ja monimutkaistuvat vähitellen 10 viikon syklin aikana. -> Löydät [käyttäytymissääntömme](CODE_OF_CONDUCT.md), [yhteistyöohjeet](CONTRIBUTING.md) ja [käännösohjeet](TRANSLATIONS.md). Otamme mielellämme vastaan rakentavaa palautetta! +> Löydät [käyttäytymissääntömme](CODE_OF_CONDUCT.md), [osallistumisoppaat](CONTRIBUTING.md), [käännösohjeet](TRANSLATIONS.md). Otamme mielellämme vastaan rakentavaa palautetta! ## Jokainen oppitunti sisältää: -- Valinnainen muistiinpanokartta +- Valinnainen muistiinpanokuvaus - Valinnainen lisävideo -- Ennen oppituntia tehtävä lämmittelyvisailu +- Esivalmistelun tietokilpailu - Kirjallinen oppitunti -- Projektioppitunneissa vaiheittaiset ohjeet projektin rakentamiseen -- Tiedon tarkistukset -- Haasteen +- Projekti-pohjaisissa oppitunneissa vaiheittaiset ohjeet projektin rakentamiseen +- Tietojen tarkastukset +- Haaste - Lisälukemista - Tehtävän -- [Oppituntoviisailun](https://ff-quizzes.netlify.app/en/) jälkeisen visailun +- [Oppitunnin jälkeinen tietokilpailu](https://ff-quizzes.netlify.app/en/) -> **Huomautus visailuista**: Kaikki visailut ovat Quiz-App-kansiossa, yhteensä 40 visailua, joissa jokaisessa on kolme kysymystä. Ne on linkitetty oppituntien sisältä, mutta visailusovellusta voi ajaa paikallisesti tai ottaa käyttöön Azureen; tutustu ohjeisiin `quiz-app`-kansiossa. Visailuja ollaan asteittain lokalisoimassa. +> **Tietokilpailuihin liittyvä huomio**: Kaikki tietokilpailut löytyvät Quiz-App-kansiosta, yhteensä 40 tietokilpailua, joissa jokaisessa on kolme kysymystä. Niihin on linkkejä oppitunneista, mutta tietokilpailusovellusta voi käyttää myös paikallisesti tai ottaa käyttöön Azureen; seuraa ohjeita `quiz-app`-kansiossa. Ne lokalisoidaan vähitellen. ## 🎓 Aloittelijaystävälliset esimerkit -**Uusi datatieteessä?** Olemme luoneet erillisen [esimerkkihakemiston](examples/README.md), jossa on yksinkertaista ja hyvin kommentoitua koodia auttamaan alkuun pääsyssä: +**Uusi datatieteessä?** Olemme luoneet erityisen [esimerkkihakemiston](examples/README.md), jossa on yksinkertaista ja hyvin kommentoitua koodia auttamaan sinua alkuun: -- 🌟 **Hei maailma** - Ensimmäinen datatieteohjelmasi -- 📂 **Datan lataaminen** - Opettele lukemaan ja tutkimaan aineistoja -- 📊 **Yksinkertainen analyysi** - Laske tilastoja ja löydä kaavoja +- 🌟 **Hei maailma** - Ensimmäinen datatieteen ohjelmasi +- 📂 **Datan lataus** - Opettele lukemaan ja tutkimaan aineistoja +- 📊 **Yksinkertainen analyysi** - Laske tilastoja ja löydä kuvioita - 📈 **Perusvisualisointi** - Luo kaavioita ja graafeja -- 🔬 **Todellinen projekti** - Koko työnkulku alusta loppuun +- 🔬 **Todellinen projekti** - Täydellinen työnkulku alusta loppuun -Jokaisessa esimerkissä on yksityiskohtaiset kommentit, jotka selittävät jokaista askelta, joten ne sopivat erinomaisesti täysin aloittelijoille! +Jokainen esimerkki sisältää yksityiskohtaiset kommentit, jotka selittävät jokaisen vaiheen, tehden niistä täydellisiä aivan aloittelijoille! 👉 **[Aloita esimerkeistä](examples/README.md)** 👈 ## Oppitunnit -|![ Muistiinpanokartta tekijänä @sketchthedocs https://sketchthedocs.dev](../../translated_images/fi/00-Roadmap.4905d6567dff4753.webp)| +|![ Muistiinpanokuvaus @sketchthedocs https://sketchthedocs.dev](../../translated_images/fi/00-Roadmap.4905d6567dff4753.webp)| |:---:| -| Data Science For Beginners: Roadmap - _Muistiinpanokartta tekijänä [@nitya](https://twitter.com/nitya)_ | - - -| Oppitunnin numero | Aihe | Oppitunnin ryhmittely | Oppimistavoitteet | Linkitetty oppitunti | Tekijä | -| :--------------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: | -| 01 | Datatieteen määrittely | [Johdanto](1-Introduction/README.md) | Opettele datatieteen peruskäsitteet ja miten se liittyy tekoälyyn, koneoppimiseen ja big dataan. | [oppitunti](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | -| 02 | Datatieteen etiikka | [Johdanto](1-Introduction/README.md) | Tieteen eettiset käsitteet, haasteet ja viitekehykset. | [oppitunti](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | -| 03 | Datan määrittely | [Johdanto](1-Introduction/README.md) | Miten data luokitellaan ja mistä yleisimmin saadaan. | [oppitunti](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) | -| 04 | Tilastotiede ja todennäköisyys | [Johdanto](1-Introduction/README.md) | Matemaattiset todennäköisyys- ja tilastotekniikat datan ymmärtämiseksi. | [oppitunti](1-Introduction/04-stats-and-probability/README.md) [video](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) | -| 05 | Työskentely relaatiodatan kanssa | [Työskentely datan kanssa](2-Working-With-Data/README.md) | Johdanto relaatiodataan ja perustaidot relaatiodatan tutkimisesta ja analysoinnista rakenteisen kyselykielen (SQL) avulla. | [oppitunti](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | -| 06 | Työskentely NoSQL-datan kanssa | [Työskentely datan kanssa](2-Working-With-Data/README.md) | Johdatus ei-relaatiodataan, sen eri tyyppeihin ja dokumenttitietokantojen tutkimiseen ja analysointiin. | [oppitunti](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique) | -| 07 | Työskentely Pythonin kanssa | [Työskentely datan kanssa](2-Working-With-Data/README.md) | Pythonin perusteet datan tutkimiseen Pandas-kirjaston avulla. Perustason Python-ohjelmointitaito suositeltavaa. | [oppitunti](2-Working-With-Data/07-python/README.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) | -| 08 | Datan valmistelu | [Työskentely datan kanssa](2-Working-With-Data/README.md) | Datan puhdistamisen ja muuntamisen tekniikat haasteiden, kuten puutteellisen, virheellisen tai epätäydellisen datan käsittelyyn. | [oppitunti](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | -| 09 | Määrien visualisointi | [Datan visualisointi](3-Data-Visualization/README.md) | Opettele käyttämään Matplotlibia lintudatan visualisointiin 🦆 | [oppitunti](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) | -| 10 | Datan jakaumien visualisointi | [Datan visualisointi](3-Data-Visualization/README.md) | Havainnot ja trendit visualisointi tietyllä aikavälillä. | [oppitunti](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) | -| 11 | Osuuksien visualisointi | [Datan visualisointi](3-Data-Visualization/README.md) | Diskreettien ja ryhmiteltyjen prosenttiosuuksien visualisointi. | [oppitunti](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) | -| 12 | Suhteiden visualisointi | [Datan visualisointi](3-Data-Visualization/README.md) | Visualisointi yhteyksistä ja korrelaatioista eri datasarjojen ja muuttujien välillä. | [oppitunti](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) | -| 13 | Merkitykselliset visualisoinnit | [Datan visualisointi](3-Data-Visualization/README.md) | Tekniikat ja ohjeet, joilla visualisointisi ovat arvokkaita tehokkaaseen ongelmanratkaisuun ja oivalluksiin. | [oppitunti](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | +| Data Science For Beginners: Roadmap - _Muistiinpanokuvaus tekijä [@nitya](https://twitter.com/nitya)_ | + + +| Oppitunnin numero | Aihe | Oppituntiryhmä | Oppimistavoitteet | Linkitetty oppitunti | Tekijä | +| :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: | +| 01 | Datatieteen määrittely | [Johdanto](1-Introduction/README.md) | Opettele datatieteen peruskäsitteet ja sen yhteys tekoälyyn, koneoppimiseen ja big dataan. | [oppitunti](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | +| 02 | Datatieteen etiikka | [Johdanto](1-Introduction/README.md) | Datatieteen eettiset käsitteet, haasteet ja viitekehykset. | [oppitunti](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | +| 03 | Datan määrittely | [Johdanto](1-Introduction/README.md) | Kuinka data luokitellaan ja sen yleisimmät lähteet. | [oppitunti](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) | +| 04 | Johdatus tilastotieteeseen ja todennäköisyyslaskentaan | [Johdanto](1-Introduction/README.md) | Todennäköisyyslaskennan ja tilastotieteen matemaattiset menetelmät datan ymmärtämiseksi. | [oppitunti](1-Introduction/04-stats-and-probability/README.md) [video](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) | +| 05 | Relational datan käsittely | [Datatyöskentely](2-Working-With-Data/README.md) | Johdatus relaatiodataan ja sen perusteisiin relaatiodatan tutkimisessa ja analysoinnissa rakenteellisella kyselykielellä (SQL, lausutaan "see-quell"). | [oppitunti](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | +| 06 | Ei-relationaalisen datan käsittely | [Datatyöskentely](2-Working-With-Data/README.md) | Johdatus ei-relationaaliseen dataan, sen erilaisiin tyyppeihin ja dokumenttitietokantojen tutkimisen ja analysoinnin perusteisiin. | [oppitunti](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)| +| 07 | Pythonin käyttö datan käsittelyssä | [Datatyöskentely](2-Working-With-Data/README.md) | Pythonin perusteet datan tutkimiseen, esimerkiksi Pandas-kirjastojen avulla. Perustason Python-ohjelmointitaito suositeltavaa. | [oppitunti](2-Working-With-Data/07-python/README.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) | +| 08 | Datan valmistelu | [Datatyöskentely](2-Working-With-Data/README.md) | Aiheita liittyen datan puhdistamiseen ja muuntamiseen puuttuvan, virheellisen tai epätäydellisen datan käsittelemiseksi. | [oppitunti](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | +| 09 | Määrien visualisointi | [Datavisualisointi](3-Data-Visualization/README.md) | Opettele käyttämään Matplotlibia lintudatan visualisointiin 🦆 | [oppitunti](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) | +| 10 | Datan jakaumien visualisointi | [Datavisualisointi](3-Data-Visualization/README.md) | Havainnointien ja trendien visualisointi tietyssä aikavälissä. | [oppitunti](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) | +| 11 | Suhteellisten osuuksien visualisointi | [Datavisualisointi](3-Data-Visualization/README.md) | Diskreettien ja ryhmiteltyjen prosenttiosuuksien visualisointi. | [oppitunti](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) | +| 12 | Suhteiden visualisointi | [Datavisualisointi](3-Data-Visualization/README.md) | Yhteyksien ja korrelaatioiden visualisointi datan ja sen muuttujien välillä. | [oppitunti](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) | +| 13 | Merkitykselliset visualisoinnit | [Datavisualisointi](3-Data-Visualization/README.md) | Tekniikat ja ohjeet visualisointien arvon lisäämiseksi tehokkaaseen ongelmanratkaisuun ja oivalluksiin. | [oppitunti](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | | 14 | Johdatus datatieteen elinkaareen | [Elinkaari](4-Data-Science-Lifecycle/README.md) | Johdatus datatieteen elinkaareen ja sen ensimmäiseen vaiheeseen, datan hankintaan ja poimintaan. | [oppitunti](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | -| 15 | Analysointi | [Elinkaari](4-Data-Science-Lifecycle/README.md) | Tämä datatieteen elinkaaren vaihe keskittyy datan analysointitekniikoihin. | [oppitunti](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | | -| 16 | Viestintä | [Elinkaari](4-Data-Science-Lifecycle/README.md) | Tämä datatieteen elinkaaren vaihe keskittyy datasta saatavien oivallusten esittämiseen tavalla, joka helpottaa päätöksentekijöiden ymmärrystä. | [oppitunti](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | -| 17 | Datatiede pilvessä | [Pilvidata](5-Data-Science-In-Cloud/README.md) | Tämä sarja oppitunteja esittelee datatieteen pilvessä ja sen hyödyt. | [oppitunti](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) ja [Maud](https://twitter.com/maudstweets) | -| 18 | Datatiede pilvessä | [Pilvidata](5-Data-Science-In-Cloud/README.md) | Mallien kouluttaminen Low Code -työkaluilla. | [oppitunti](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) ja [Maud](https://twitter.com/maudstweets) | -| 19 | Datatiede pilvessä | [Pilvidata](5-Data-Science-In-Cloud/README.md) | Mallien käyttöönotto Azure Machine Learning Studiolla. | [oppitunti](5-Data-Science-In-Cloud/19-Azure/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) ja [Maud](https://twitter.com/maudstweets) | -| 20 | Datatiede luonnossa | [Luonnossa](6-Data-Science-In-Wild/README.md) | Datatieteen ohjaamat projektit tosimaailmassa. | [oppitunti](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | +| 15 | Analysointi | [Elinkaari](4-Data-Science-Lifecycle/README.md) | Tämä vaihe datatieteen elinkaaressa keskittyy datan analysointimenetelmiin. | [oppitunti](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | | +| 16 | Viestintä | [Elinkaari](4-Data-Science-Lifecycle/README.md) | Tämä vaihe datatieteen elinkaaressa keskittyy datasta saatujen oivallusten esittämiseen siten, että päätöksentekijöiden on helpompi ymmärtää niitä. | [oppitunti](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | +| 17 | Datatiede pilvessä | [PilviData](5-Data-Science-In-Cloud/README.md) | Sarja oppitunteja, jotka esittelevät datatiedettä pilvessä ja sen etuja. | [oppitunti](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) ja [Maud](https://twitter.com/maudstweets) | +| 18 | Datatiede pilvessä | [PilviData](5-Data-Science-In-Cloud/README.md) | Mallien kouluttaminen matalan koodin työkaluilla. |[oppitunti](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) ja [Maud](https://twitter.com/maudstweets) | +| 19 | Datatiede pilvessä | [PilviData](5-Data-Science-In-Cloud/README.md) | Mallien käyttöönotto Azure Machine Learning Studion avulla. | [oppitunti](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) ja [Maud](https://twitter.com/maudstweets) | +| 20 | Datatiede käytännössä | [Käytännössä](6-Data-Science-In-Wild/README.md) | Datatieteeseen perustuvat projektit todellisessa maailmassa. | [oppitunti](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | ## GitHub Codespaces Seuraa näitä ohjeita avataksesi tämän esimerkin Codespacessa: -1. Klikkaa Code-pudotusvalikkoa ja valitse Open with Codespaces -vaihtoehto. -2. Valitse paneelin alareunasta + New codespace. -Lisätietoja on GitHubin [dokumentaatiossa](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace). +1. Klikkaa Koodi-pudotusvalikkoa ja valitse Avaa Codespacella. +2. Valitse + Uusi kooditila ruudun alareunasta. +Lisätietoja löydät [GitHubin ohjeista](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace). ## VSCode Remote - Containers -Seuraa näitä ohjeita avataksesi tämän repositorion kontissa käyttäen paikallista konettasi ja VSCodea VS Code Remote - Containers -laajennuksen avulla: +Seuraa näitä ohjeita avataksesi tämän repo-containereissa paikallisella koneellasi ja VSCodea käyttäen VS Code Remote - Containers -laajennuksella: -1. Jos käytät kehityskonttia ensimmäistä kertaa, varmista, että järjestelmäsi täyttää vaatimukset (esim. Docker on asennettuna) [aloittamisen ohjeissa](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started). +1. Jos käytät kehityssäiliötä ensimmäistä kertaa, varmista, että järjestelmäsi täyttää vaatimukset (esim. Dockerin asentaminen) [aloitusohjeissa](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started). -Voit käyttää tätä repositoriota joko avaamalla sen eristetyssä Docker-volyymissa: +Tämän repon käyttämiseen voit joko avata repohakemiston eristetyssä Docker-volyymissa: -**Huom:** Taustalla tätä varten käytetään Remote-Containers-komentoa: **Clone Repository in Container Volume...**, joka kloonaa lähdekoodin Docker-volyymiin paikallisen tiedostojärjestelmän sijaan. [Volyymit](https://docs.docker.com/storage/volumes/) ovat suositeltuja konttien datan tallentamiseen. +**Huom:** Tämän alla käytetään Remote-Containers: **Clone Repository in Container Volume...** -komentoa kloonaamaan lähdekoodi Docker-volyymiin paikallisen tiedostojärjestelmän sijaan. [Volyymit](https://docs.docker.com/storage/volumes/) ovat suositeltava keino säilyttää konttien tieto. -Tai avaamalla lokaalisti kloonatun tai ladatun version repositoriosta: +Tai avaa paikallisesti kloonattu tai ladattu versio reposta: -- Kloonaa repositorio paikalliseen tiedostojärjestelmääsi. +- Kloonaa tämä repository paikalliselle tiedostojärjestelmällesi. - Paina F1 ja valitse **Remote-Containers: Open Folder in Container...** -komento. -- Valitse kloonattu kansio, odota että kontti käynnistyy, ja kokeile. +- Valitse kloonattu kansio, odota konttikäynnistystä ja kokeile. ## Offline-käyttö -Voit käyttää tätä dokumentaatiota offline-tilassa käyttämällä [Docsifya](https://docsify.js.org/#/). Forkkaa tämä repo, [asenna Docsify](https://docsify.js.org/#/quickstart) paikalliselle koneellesi, ja aja juurikansiossa komento `docsify serve`. Sivusto palvelisi portissa 3000 osoitteessa `localhost:3000`. +Voit käyttää tätä dokumentaatiota offline-tilassa käyttämällä [Docsify](https://docsify.js.org/#/). Forkkaa repo, [asenna Docsify](https://docsify.js.org/#/quickstart) paikalliselle koneellesi, sitten tämän repohakemiston juuressa kirjoita `docsify serve`. Sivusto palvelutetaan portissa 3000 paikallisessa ympäristössä: `localhost:3000`. -> Huomaa, että muistikirjoja ei renderöidä Docsifylla, joten tarvitset erikseen pyörittää muistikirjaa VS Codessa Python-ytimen kanssa. +> Huomaa, että muistikirjoja (notebookeja) ei renderöidä Docsifylla, joten kun tarvitset muistikirjan suorittamista, tee se erikseen VS Codessa käyttämällä Python-ydintä. ## Muut opetussuunnitelmat -Tiimimme tuottaa muitakin opetussuunnitelmia! Tutustu: +Tiimimme tuottaa myös muita opetussuunnitelmia! Katso: ### LangChain -[![LangChain4j for Beginners](https://img.shields.io/badge/LangChain4j%20for%20Beginners-22C55E?style=for-the-badge&&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchain4j-for-beginners) -[![LangChain.js aloittelijoille](https://img.shields.io/badge/LangChain.js%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin) -[![LangChain aloittelijoille](https://img.shields.io/badge/LangChain%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin) +[![LangChain4j aloittelijoille](https://img.shields.io/badge/LangChain4j%20for%20Beginners-22C55E?style=for-the-badge&&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchain4j-for-beginners) +[![LangChain.js for Beginners](https://img.shields.io/badge/LangChain.js%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin) +[![LangChain for Beginners](https://img.shields.io/badge/LangChain%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin) --- ### Azure / Edge / MCP / Agentit -[![AZD aloittelijoille](https://img.shields.io/badge/AZD%20for%20Beginners-0078D4?style=for-the-badge&labelColor=E5E7EB&color=0078D4)](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst) -[![Edge AI aloittelijoille](https://img.shields.io/badge/Edge%20AI%20for%20Beginners-00B8E4?style=for-the-badge&labelColor=E5E7EB&color=00B8E4)](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst) -[![MCP aloittelijoille](https://img.shields.io/badge/MCP%20for%20Beginners-009688?style=for-the-badge&labelColor=E5E7EB&color=009688)](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst) -[![AI-agentit aloittelijoille](https://img.shields.io/badge/AI%20Agents%20for%20Beginners-00C49A?style=for-the-badge&labelColor=E5E7EB&color=00C49A)](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst) +[![AZD for Beginners](https://img.shields.io/badge/AZD%20for%20Beginners-0078D4?style=for-the-badge&labelColor=E5E7EB&color=0078D4)](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst) +[![Edge AI for Beginners](https://img.shields.io/badge/Edge%20AI%20for%20Beginners-00B8E4?style=for-the-badge&labelColor=E5E7EB&color=00B8E4)](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst) +[![MCP for Beginners](https://img.shields.io/badge/MCP%20for%20Beginners-009688?style=for-the-badge&labelColor=E5E7EB&color=009688)](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst) +[![AI Agents for Beginners](https://img.shields.io/badge/AI%20Agents%20for%20Beginners-00C49A?style=for-the-badge&labelColor=E5E7EB&color=00C49A)](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst) --- ### Generatiivisen tekoälyn sarja -[![Generatiivinen AI aloittelijoille](https://img.shields.io/badge/Generative%20AI%20for%20Beginners-8B5CF6?style=for-the-badge&labelColor=E5E7EB&color=8B5CF6)](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst) -[![Generatiivinen AI (.NET)](https://img.shields.io/badge/Generative%20AI%20(.NET)-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst) -[![Generatiivinen AI (Java)](https://img.shields.io/badge/Generative%20AI%20(Java)-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst) -[![Generatiivinen AI (JavaScript)](https://img.shields.io/badge/Generative%20AI%20(JavaScript)-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst) +[![Generative AI for Beginners](https://img.shields.io/badge/Generative%20AI%20for%20Beginners-8B5CF6?style=for-the-badge&labelColor=E5E7EB&color=8B5CF6)](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst) +[![Generative AI (.NET)](https://img.shields.io/badge/Generative%20AI%20(.NET)-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst) +[![Generative AI (Java)](https://img.shields.io/badge/Generative%20AI%20(Java)-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst) +[![Generative AI (JavaScript)](https://img.shields.io/badge/Generative%20AI%20(JavaScript)-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst) --- -### Perusteet -[![ML aloittelijoille](https://img.shields.io/badge/ML%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=22C55E)](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst) -[![Datan tieteet aloittelijoille](https://img.shields.io/badge/Data%20Science%20for%20Beginners-84CC16?style=for-the-badge&labelColor=E5E7EB&color=84CC16)](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst) -[![AI aloittelijoille](https://img.shields.io/badge/AI%20for%20Beginners-A3E635?style=for-the-badge&labelColor=E5E7EB&color=A3E635)](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst) -[![Kyberturvallisuus aloittelijoille](https://img.shields.io/badge/Cybersecurity%20for%20Beginners-F97316?style=for-the-badge&labelColor=E5E7EB&color=F97316)](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung) -[![Web-kehitys aloittelijoille](https://img.shields.io/badge/Web%20Dev%20for%20Beginners-EC4899?style=for-the-badge&labelColor=E5E7EB&color=EC4899)](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst) -[![IoT aloittelijoille](https://img.shields.io/badge/IoT%20for%20Beginners-14B8A6?style=for-the-badge&labelColor=E5E7EB&color=14B8A6)](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst) -[![XR-kehitys aloittelijoille](https://img.shields.io/badge/XR%20Development%20for%20Beginners-38BDF8?style=for-the-badge&labelColor=E5E7EB&color=38BDF8)](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst) +### Ydinohjaus +[![ML for Beginners](https://img.shields.io/badge/ML%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=22C55E)](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst) +[![Data Science for Beginners](https://img.shields.io/badge/Data%20Science%20for%20Beginners-84CC16?style=for-the-badge&labelColor=E5E7EB&color=84CC16)](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst) +[![AI for Beginners](https://img.shields.io/badge/AI%20for%20Beginners-A3E635?style=for-the-badge&labelColor=E5E7EB&color=A3E635)](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst) +[![Cybersecurity for Beginners](https://img.shields.io/badge/Cybersecurity%20for%20Beginners-F97316?style=for-the-badge&labelColor=E5E7EB&color=F97316)](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung) +[![Web Dev for Beginners](https://img.shields.io/badge/Web%20Dev%20for%20Beginners-EC4899?style=for-the-badge&labelColor=E5E7EB&color=EC4899)](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst) +[![IoT for Beginners](https://img.shields.io/badge/IoT%20for%20Beginners-14B8A6?style=for-the-badge&labelColor=E5E7EB&color=14B8A6)](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst) +[![XR Development for Beginners](https://img.shields.io/badge/XR%20Development%20for%20Beginners-38BDF8?style=for-the-badge&labelColor=E5E7EB&color=38BDF8)](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst) --- ### Copilot-sarja -[![Copilot tekoälypariohjelmointiin](https://img.shields.io/badge/Copilot%20for%20AI%20Paired%20Programming-FACC15?style=for-the-badge&labelColor=E5E7EB&color=FACC15)](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst) -[![Copilot C#/.NET:lle](https://img.shields.io/badge/Copilot%20for%20C%23/.NET-FBBF24?style=for-the-badge&labelColor=E5E7EB&color=FBBF24)](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst) -[![Copilot-seikkailu](https://img.shields.io/badge/Copilot%20Adventure-FDE68A?style=for-the-badge&labelColor=E5E7EB&color=FDE68A)](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst) +[![Copilot for AI Paired Programming](https://img.shields.io/badge/Copilot%20for%20AI%20Paired%20Programming-FACC15?style=for-the-badge&labelColor=E5E7EB&color=FACC15)](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst) +[![Copilot for C#/.NET](https://img.shields.io/badge/Copilot%20for%20C%23/.NET-FBBF24?style=for-the-badge&labelColor=E5E7EB&color=FBBF24)](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst) +[![Copilot Adventure](https://img.shields.io/badge/Copilot%20Adventure-FDE68A?style=for-the-badge&labelColor=E5E7EB&color=FDE68A)](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst) -## Saat apua +## Apua saa pyytää -**Koetko ongelmia?** Tutustu [Vianmääritysohjeeseemme](TROUBLESHOOTING.md) yleisten ongelmien ratkaisuja varten. +**Koetko ongelmia?** Tarkista [Vianmääritysohje](TROUBLESHOOTING.md) yleisimpiin ongelmiin ratkaisuja. -Jos jumitut tai sinulla on kysymyksiä tekoälysovellusten rakentamisesta. Liity muiden oppijoiden ja kokeneiden kehittäjien keskusteluihin MCP:stä. Tämä on kannustava yhteisö, jossa kysymykset ovat tervetulleita ja tieto jaetaan avoimesti. +Jos juutut tai sinulla on kysymyksiä tekoälysovellusten rakentamisesta, liity oppijoiden ja kokeneiden kehittäjien keskusteluihin MCP:stä. Se on kannustava yhteisö, jossa kysymyksiä saa esittää ja tietoa jaetaan vapaasti. [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -Jos sinulla on palautetta tuotteesta tai kohtaat virheitä rakennusvaiheessa, käy: +Jos sinulla on palautetta tuotteesta tai kohtaat virheitä rakentaessasi, käy: [![Microsoft Foundry Developer Forum](https://img.shields.io/badge/GitHub-Microsoft_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) @@ -259,5 +259,5 @@ Jos sinulla on palautetta tuotteesta tai kohtaat virheitä rakennusvaiheessa, k **Vastuuvapauslauseke**: -Tämä asiakirja on käännetty käyttäen tekoälypohjaista käännöspalvelua [Co-op Translator](https://github.com/Azure/co-op-translator). Pyrimme tarkkuuteen, mutta huomioithan, että automaattikäännöksissä saattaa esiintyä virheitä tai epätarkkuuksia. Alkuperäinen asiakirja sen alkuperäiskielellä on ensisijainen ja virallinen lähde. Tärkeissä tiedoissa suosittelemme ammattimaista ihmiskäännöstä. Emme ole vastuussa tämän käännöksen käytöstä aiheutuvista väärinkäsityksistä tai virhetulkinnoista. +Tämä asiakirja on käännetty käyttämällä tekoälypohjaista käännöspalvelua [Co-op Translator](https://github.com/Azure/co-op-translator). Vaikka pyrimme tarkkuuteen, ole hyvä ja ota huomioon, että automaattikäännöksissä voi esiintyä virheitä tai epätarkkuuksia. Alkuperäistä asiakirjaa sen alkuperäiskielellä tulee pitää auktoritatiivisena lähteenä. Tärkeissä tiedoissa suositellaan ammattimaista ihmiskäännöstä. Emme ole vastuussa tämän käännöksen käytöstä aiheutuvista väärinymmärryksistä tai virhetulkinnoista. \ No newline at end of file diff --git a/translations/no/.co-op-translator.json b/translations/no/.co-op-translator.json index fdaf3a70..f06e95f2 100644 --- a/translations/no/.co-op-translator.json +++ b/translations/no/.co-op-translator.json @@ -378,8 +378,8 @@ "language_code": "no" }, "README.md": { - "original_hash": "f671e295a294a2559fc59d1524e001b4", - "translation_date": "2026-02-27T09:54:37+00:00", + "original_hash": "0b97d87bdd9506ce0239c2d7257f04d6", + "translation_date": "2026-04-06T15:57:51+00:00", "source_file": "README.md", "language_code": "no" }, diff --git a/translations/no/README.md b/translations/no/README.md index 8bec33eb..8c9e7b8c 100644 --- a/translations/no/README.md +++ b/translations/no/README.md @@ -1,43 +1,43 @@ -# Data Science for Beginners - En Læreplan +# Data Science for Beginners - En læreplan -[![Open in GitHub Codespaces](https://github.com/codespaces/badge.svg)](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198) +[![Åpne i GitHub Codespaces](https://github.com/codespaces/badge.svg)](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198) -[![GitHub license](https://img.shields.io/github/license/microsoft/Data-Science-For-Beginners.svg)](https://github.com/microsoft/Data-Science-For-Beginners/blob/master/LICENSE) -[![GitHub contributors](https://img.shields.io/github/contributors/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/graphs/contributors/) +[![GitHub-lisens](https://img.shields.io/github/license/microsoft/Data-Science-For-Beginners.svg)](https://github.com/microsoft/Data-Science-For-Beginners/blob/master/LICENSE) +[![GitHub-bidragsytere](https://img.shields.io/github/contributors/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/graphs/contributors/) [![GitHub issues](https://img.shields.io/github/issues/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/issues/) [![GitHub pull-requests](https://img.shields.io/github/issues-pr/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/pulls/) -[![PRs Welcome](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com) +[![PRs Velkommen](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com) -[![GitHub watchers](https://img.shields.io/github/watchers/microsoft/Data-Science-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/Data-Science-For-Beginners/watchers/) +[![GitHub overvåkere](https://img.shields.io/github/watchers/microsoft/Data-Science-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/Data-Science-For-Beginners/watchers/) [![GitHub forks](https://img.shields.io/github/forks/microsoft/Data-Science-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/Data-Science-For-Beginners/network/) -[![GitHub stars](https://img.shields.io/github/stars/microsoft/Data-Science-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/Data-Science-For-Beginners/stargazers/) +[![GitHub stjerner](https://img.shields.io/github/stars/microsoft/Data-Science-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/Data-Science-For-Beginners/stargazers/) [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) [![Microsoft Foundry Developer Forum](https://img.shields.io/badge/GitHub-Microsoft_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) -Azure Cloud Advocates hos Microsoft er glade for å tilby en 10-ukers læreplan med 20 leksjoner, alt om Data Science. Hver leksjon inkluderer quiz før leksjon, quiz etter leksjon, skriftlige instruksjoner for å fullføre leksjonen, en løsning og en oppgave. Vår prosjektbaserte pedagogikk lar deg lære mens du bygger, en bevist måte for nye ferdigheter å 'sette seg'. +Azure Cloud Advocates hos Microsoft er glade for å tilby en 10-ukers, 20-leksjons læreplan om Data Science. Hver leksjon inkluderer quiz før og etter leksjonen, skriftlige instruksjoner for å gjennomføre leksjonen, en løsning og en oppgave. Vår prosjektbaserte pedagogikk lar deg lære mens du bygger, en bevist metode for at nye ferdigheter skal 'sette seg'. -**Hjertelig takk til våre forfattere:** [Jasmine Greenaway](https://www.twitter.com/paladique), [Dmitry Soshnikov](http://soshnikov.com), [Nitya Narasimhan](https://twitter.com/nitya), [Jalen McGee](https://twitter.com/JalenMcG), [Jen Looper](https://twitter.com/jenlooper), [Maud Levy](https://twitter.com/maudstweets), [Tiffany Souterre](https://twitter.com/TiffanySouterre), [Christopher Harrison](https://www.twitter.com/geektrainer). +**Stor takk til våre forfattere:** [Jasmine Greenaway](https://www.twitter.com/paladique), [Dmitry Soshnikov](http://soshnikov.com), [Nitya Narasimhan](https://twitter.com/nitya), [Jalen McGee](https://twitter.com/JalenMcG), [Jen Looper](https://twitter.com/jenlooper), [Maud Levy](https://twitter.com/maudstweets), [Tiffany Souterre](https://twitter.com/TiffanySouterre), [Christopher Harrison](https://www.twitter.com/geektrainer). -**🙏 Spesiell takk 🙏 til våre [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/) forfattere, anmeldere og innholdsbidragsytere,** spesielt Aaryan Arora, [Aditya Garg](https://github.com/AdityaGarg00), [Alondra Sanchez](https://www.linkedin.com/in/alondra-sanchez-molina/), [Ankita Singh](https://www.linkedin.com/in/ankitasingh007), [Anupam Mishra](https://www.linkedin.com/in/anupam--mishra/), [Arpita Das](https://www.linkedin.com/in/arpitadas01/), ChhailBihari Dubey, [Dibri Nsofor](https://www.linkedin.com/in/dibrinsofor), [Dishita Bhasin](https://www.linkedin.com/in/dishita-bhasin-7065281bb), [Majd Safi](https://www.linkedin.com/in/majd-s/), [Max Blum](https://www.linkedin.com/in/max-blum-6036a1186/), [Miguel Correa](https://www.linkedin.com/in/miguelmque/), [Mohamma Iftekher (Iftu) Ebne Jalal](https://twitter.com/iftu119), [Nawrin Tabassum](https://www.linkedin.com/in/nawrin-tabassum), [Raymond Wangsa Putra](https://www.linkedin.com/in/raymond-wp/), [Rohit Yadav](https://www.linkedin.com/in/rty2423), Samridhi Sharma, [Sanya Sinha](https://www.linkedin.com/mwlite/in/sanya-sinha-13aab1200), +**🙏 Spesiell takk 🙏 til våre [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/) forfattere, vurderere og innholdsbidragsytere,** spesielt Aaryan Arora, [Aditya Garg](https://github.com/AdityaGarg00), [Alondra Sanchez](https://www.linkedin.com/in/alondra-sanchez-molina/), [Ankita Singh](https://www.linkedin.com/in/ankitasingh007), [Anupam Mishra](https://www.linkedin.com/in/anupam--mishra/), [Arpita Das](https://www.linkedin.com/in/arpitadas01/), ChhailBihari Dubey, [Dibri Nsofor](https://www.linkedin.com/in/dibrinsofor), [Dishita Bhasin](https://www.linkedin.com/in/dishita-bhasin-7065281bb), [Majd Safi](https://www.linkedin.com/in/majd-s/), [Max Blum](https://www.linkedin.com/in/max-blum-6036a1186/), [Miguel Correa](https://www.linkedin.com/in/miguelmque/), [Mohamma Iftekher (Iftu) Ebne Jalal](https://twitter.com/iftu119), [Nawrin Tabassum](https://www.linkedin.com/in/nawrin-tabassum), [Raymond Wangsa Putra](https://www.linkedin.com/in/raymond-wp/), [Rohit Yadav](https://www.linkedin.com/in/rty2423), Samridhi Sharma, [Sanya Sinha](https://www.linkedin.com/mwlite/in/sanya-sinha-13aab1200), [Sheena Narula](https://www.linkedin.com/in/sheena-narua-n/), [Tauqeer Ahmad](https://www.linkedin.com/in/tauqeerahmad5201/), Yogendrasingh Pawar , [Vidushi Gupta](https://www.linkedin.com/in/vidushi-gupta07/), [Jasleen Sondhi](https://www.linkedin.com/in/jasleen-sondhi/) |![Sketchnote by @sketchthedocs https://sketchthedocs.dev](../../translated_images/no/00-Title.8af36cd35da1ac55.webp)| |:---:| | Data Science For Beginners - _Sketchnote av [@nitya](https://twitter.com/nitya)_ | -### 🌐 Flerspråklig Støtte +### 🌐 Støtte for flere språk -#### Støttes via GitHub Action (Automatisk & Alltid Oppdatert) +#### Støttet via GitHub Action (Automatisert & Alltid Oppdatert) -[Arabic](../ar/README.md) | [Bengali](../bn/README.md) | [Bulgarian](../bg/README.md) | [Burmese (Myanmar)](../my/README.md) | [Chinese (Simplified)](../zh-CN/README.md) | [Chinese (Traditional, Hong Kong)](../zh-HK/README.md) | [Chinese (Traditional, Macau)](../zh-MO/README.md) | [Chinese (Traditional, Taiwan)](../zh-TW/README.md) | [Croatian](../hr/README.md) | [Czech](../cs/README.md) | [Danish](../da/README.md) | [Dutch](../nl/README.md) | [Estonian](../et/README.md) | [Finnish](../fi/README.md) | [French](../fr/README.md) | [German](../de/README.md) | [Greek](../el/README.md) | [Hebrew](../he/README.md) | [Hindi](../hi/README.md) | [Hungarian](../hu/README.md) | [Indonesian](../id/README.md) | [Italian](../it/README.md) | [Japanese](../ja/README.md) | [Kannada](../kn/README.md) | [Korean](../ko/README.md) | [Lithuanian](../lt/README.md) | [Malay](../ms/README.md) | [Malayalam](../ml/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Nigerian Pidgin](../pcm/README.md) | [Norwegian](./README.md) | [Persian (Farsi)](../fa/README.md) | [Polish](../pl/README.md) | [Portuguese (Brazil)](../pt-BR/README.md) | [Portuguese (Portugal)](../pt-PT/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Romanian](../ro/README.md) | [Russian](../ru/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Slovak](../sk/README.md) | [Slovenian](../sl/README.md) | [Spanish](../es/README.md) | [Swahili](../sw/README.md) | [Swedish](../sv/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Tamil](../ta/README.md) | [Telugu](../te/README.md) | [Thai](../th/README.md) | [Turkish](../tr/README.md) | [Ukrainian](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamese](../vi/README.md) +[Arabic](../ar/README.md) | [Bengali](../bn/README.md) | [Bulgarian](../bg/README.md) | [Burmese (Myanmar)](../my/README.md) | [Chinese (Simplified)](../zh-CN/README.md) | [Chinese (Traditional, Hong Kong)](../zh-HK/README.md) | [Chinese (Traditional, Macau)](../zh-MO/README.md) | [Chinese (Traditional, Taiwan)](../zh-TW/README.md) | [Croatian](../hr/README.md) | [Czech](../cs/README.md) | [Danish](../da/README.md) | [Dutch](../nl/README.md) | [Estonian](../et/README.md) | [Finnish](../fi/README.md) | [French](../fr/README.md) | [German](../de/README.md) | [Greek](../el/README.md) | [Hebrew](../he/README.md) | [Hindi](../hi/README.md) | [Hungarian](../hu/README.md) | [Indonesian](../id/README.md) | [Italian](../it/README.md) | [Japanese](../ja/README.md) | [Kannada](../kn/README.md) | [Khmer](../km/README.md) | [Korean](../ko/README.md) | [Lithuanian](../lt/README.md) | [Malay](../ms/README.md) | [Malayalam](../ml/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Nigerian Pidgin](../pcm/README.md) | [Norwegian](./README.md) | [Persian (Farsi)](../fa/README.md) | [Polish](../pl/README.md) | [Portuguese (Brazil)](../pt-BR/README.md) | [Portuguese (Portugal)](../pt-PT/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Romanian](../ro/README.md) | [Russian](../ru/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Slovak](../sk/README.md) | [Slovenian](../sl/README.md) | [Spanish](../es/README.md) | [Swahili](../sw/README.md) | [Swedish](../sv/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Tamil](../ta/README.md) | [Telugu](../te/README.md) | [Thai](../th/README.md) | [Turkish](../tr/README.md) | [Ukrainian](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamese](../vi/README.md) > **Foretrekker å klone lokalt?** > -> Dette depotet inkluderer 50+ språkoversettelser som øker nedlastningsstørrelsen betydelig. For å klone uten oversettelser, bruk sparsom sjekk ut: +> Dette arkivet inkluderer 50+ språkversjoner som betydelig øker nedlastingsstørrelsen. For å klone uten oversettelser, bruk sparsjekk ut: > > **Bash / macOS / Linux:** > ```bash @@ -56,12 +56,12 @@ Azure Cloud Advocates hos Microsoft er glade for å tilby en 10-ukers læreplan > Dette gir deg alt du trenger for å fullføre kurset med mye raskere nedlasting. -**Hvis du ønsker at flere oversettelsesspråk støttes, er de listet [her](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** +**Hvis du ønsker at flere språk støttes, er de listet [her](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** -#### Bli Med i Vårt Fellesskap +#### Bli med i vårt fellesskap [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -Vi har en Discord-lær med AI-serie pågående, lær mer og bli med oss på [Learn with AI Series](https://aka.ms/learnwithai/discord) fra 18. - 30. september 2025. Du vil få tips og triks for bruk av GitHub Copilot for Data Science. +Vi har en pågående Discord-serie om å lære med AI, lær mer og bli med oss på [Learn with AI Series](https://aka.ms/learnwithai/discord) fra 18. - 30. september 2025. Du vil få tips og triks for bruk av GitHub Copilot for Data Science. ![Learn with AI series](../../translated_images/no/1.2b28cdc6205e26fe.webp) @@ -69,31 +69,31 @@ Vi har en Discord-lær med AI-serie pågående, lær mer og bli med oss på [Lea Kom i gang med følgende ressurser: -- [Student Hub-side](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) På denne siden finner du nybegynnerressurser, studentpakker og til og med måter å få en gratis sertifikatkupong. Dette er en side du vil bokmerke og sjekke fra tid til annen, da vi bytter ut innhold minst månedlig. -- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Bli med i et globalt fellesskap av studentambassadører, dette kan være din inngang til Microsoft. +- [Student Hub-side](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) På denne siden finner du nybegynnerressurser, studentpakker og til og med måter å få et gratis sertifikatkupong på. Dette er en side du vil bokmerke og sjekke innimellom, siden vi bytter innhold minst månedlig. +- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Bli med i et globalt fellesskap av studentambassadører, dette kan være din vei inn i Microsoft. -# Komme i Gang +# Komme i gang ## 📚 Dokumentasjon -- **[Installasjonsguide](INSTALLATION.md)** - Trinnvise oppsettsinstruksjoner for nybegynnere +- **[Installasjonsguide](INSTALLATION.md)** - Steg-for-steg oppsettinstruksjoner for nybegynnere - **[Bruksanvisning](USAGE.md)** - Eksempler og vanlige arbeidsflyter - **[Feilsøking](TROUBLESHOOTING.md)** - Løsninger på vanlige problemer - **[Bidragsveiledning](CONTRIBUTING.md)** - Hvordan bidra til dette prosjektet - **[For lærere](for-teachers.md)** - Veiledning for undervisning og klasseromsressurser -## 👨‍🎓 For Studenter -> **Fullstendige nybegynnere**: Ny innen data science? Start med våre [nybegynnervennlige eksempler](examples/README.md)! Disse enkle, godt kommenterte eksemplene vil hjelpe deg å forstå det grunnleggende før du kaster deg ut i hele læreplanen. -> **[Studenter](https://aka.ms/student-page)**: for å bruke denne læreplanen på egen hånd, forkle hele repositoriet og fullfør oppgavene på egen hånd, start med en quiz før forelesningen. Les deretter forelesningen og fullfør resten av aktivitetene. Prøv å lage prosjektene ved å forstå leksjonene snarere enn å kopiere løsningskoden; denne koden er imidlertid tilgjengelig i /solutions-mappene i hver prosjektorienterte leksjon. En annen idé kan være å danne en studiegruppe med venner og gå gjennom innholdet sammen. For videre studier anbefaler vi [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum). +## 👨‍🎓 For studenter +> **Fullstendige nybegynnere**: Ny på data science? Start med våre [begynnervennlige eksempler](examples/README.md)! Disse enkle, godt kommenterte eksemplene vil hjelpe deg å forstå det grunnleggende før du går videre i læreplanen. +> **[Studenter](https://aka.ms/student-page)**: for å bruke denne læreplanen på egenhånd, fork hele repoet og fullfør øvelsene selv, begynn med en quiz før forelesningen. Les deretter forelesningen og fullfør resten av aktivitetene. Prøv å lage prosjektene ved å forstå leksjonene i stedet for å kopiere løsningskoden; imidlertid er denne koden tilgjengelig i /solutions-mappene i hver prosjektorientert leksjon. En annen idé er å danne en studiegruppe med venner og gå gjennom innholdet sammen. For videre studier anbefaler vi [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum). **Rask start:** -1. Sjekk [Installasjonsguiden](INSTALLATION.md) for å sette opp miljøet ditt -2. Gå gjennom [Bruksanvisningen](USAGE.md) for å lære hvordan du arbeider med læreplanen -3. Start med Leksjon 1 og jobb deg gjennom sekvensielt +1. Se gjennom [Installasjonsguide](INSTALLATION.md) for å sette opp miljøet ditt +2. Gå gjennom [Bruksanvisning](USAGE.md) for å lære hvordan man arbeider med læreplanen +3. Start med Leksjon 1 og jobb deg systematisk gjennom 4. Bli med i vårt [Discord-fellesskap](https://aka.ms/ds4beginners/discord) for støtte -## 👩‍🏫 For Lærere -> **Lærere**: vi har [inkludert noen forslag](for-teachers.md) om hvordan bruke dette læreplanen. Vi setter stor pris på tilbakemeldingene deres [i vårt diskusjonsforum](https://github.com/microsoft/Data-Science-For-Beginners/discussions)! +## 👩‍🏫 For lærere +> **Lærere**: vi har [inkludert noen forslag](for-teachers.md) til hvordan bruke dette pensumet. Vi vil gjerne ha tilbakemeldinger [i vårt diskusjonsforum](https://github.com/microsoft/Data-Science-For-Beginners/discussions)! ## Møt teamet @@ -101,40 +101,40 @@ Kom i gang med følgende ressurser: **Gif av** [Mohit Jaisal](https://www.linkedin.com/in/mohitjaisal) -> 🎥 Klikk på bildet over for en video om prosjektet og folka som skapte det! +> 🎥 Klikk på bildet over for en video om prosjektet og folkene som skapte det! ## Pedagogikk -Vi har valgt to pedagogiske prinsipper mens vi bygde denne læreplanen: sørge for at den er prosjektbasert og at den inkluderer hyppige quizzer. Ved slutten av denne serien vil studentene ha lært grunnleggende prinsipper i datavitenskap, inkludert etiske konsepter, datarensing, ulike måter å jobbe med data på, datavisualisering, dataanalyse, virkelige bruksområder for datavitenskap og mer. +Vi har valgt to pedagogiske prinsipper under utviklingen av dette pensumet: sikre at det er prosjektbasert og at det inkluderer hyppige quizer. Ved slutten av denne serien vil studentene ha lært grunnleggende prinsipper innen datavitenskap, inkludert etiske konsepter, dataklargjøring, forskjellige måter å jobbe med data på, datavisualisering, dataanalyse, praktiske bruksområder for datavitenskap og mer. -I tillegg setter en lavrisiko quiz før en klasse studentens hensikt mot å lære et tema, mens en annen quiz etter klassen sikrer bedre hukommelse. Denne læreplanen er designet for å være fleksibel og morsom og kan tas i sin helhet eller delvis. Prosjektene starter smått og blir stadig mer komplekse mot slutten av 10-ukers syklusen. +I tillegg setter en lavterskelquiz før en klasse studentens intensjon mot å lære et emne, mens en annen quiz etter klassen sikrer videre opprettholdelse. Dette pensumet er designet for å være fleksibelt og morsomt og kan gjennomføres i sin helhet eller delvis. Prosjektene starter smått og blir stadig mer komplekse mot slutten av den 10 uker lange syklusen. -> Finn vår [atferdskodeks](CODE_OF_CONDUCT.md), [bidragsyterveiledning](CONTRIBUTING.md), [oversettelsesretningslinjer](TRANSLATIONS.md). Vi ønsker dine konstruktive tilbakemeldinger velkommen! +> Finn vår [oppførselskode](CODE_OF_CONDUCT.md), [bidragsveiledning](CONTRIBUTING.md), [oversettelsesretningslinjer](TRANSLATIONS.md). Vi ønsker din konstruktive tilbakemelding velkommen! ## Hver leksjon inkluderer: -- Valgfri skisse-notat +- Valgfri sketchnote - Valgfri supplerende video - Quiz som oppvarming før leksjonen - Skriftlig leksjon -- For prosjektbaserte leksjoner, steg-for-steg guider for hvordan bygge prosjektet +- For prosjektbaserte leksjoner, trinnvise guider for å bygge prosjektet - Kunnskapssjekker - En utfordring -- Supplerende lesning +- Supplerende lesing - Oppgave - [Quiz etter leksjonen](https://ff-quizzes.netlify.app/en/) -> **En notis om quizzer**: Alle quizzer ligger i Quiz-App-mappen, med totalt 40 quizzer med tre spørsmål hver. De er lenket fra leksjonene, men quiz-appen kan kjøres lokalt eller distribueres til Azure; følg instruksjonene i `quiz-app`-mappen. De blir gradvis oversatt. +> **Et notat om quizer**: Alle quizer ligger i Quiz-App-mappen, totalt 40 quizer med tre spørsmål hver. De er lenket fra leksjonene, men quiz-appen kan kjøres lokalt eller distribueres til Azure; følg instruksjonene i `quiz-app`-mappen. De blir gradvis oversatt. ## 🎓 Nybegynnervennlige eksempler -**Ny på datavitenskap?** Vi har laget en spesiell [eksempelmappen](examples/README.md) med enkel, godt kommentert kode for å hjelpe deg i gang: +**Ny i datavitenskap?** Vi har laget en egen [eksempelmapppe](examples/README.md) med enkel, godt kommentert kode for å hjelpe deg i gang: - 🌟 **Hello World** - Ditt første datavitenskapsprogram -- 📂 **Laste inn data** - Lær å lese og utforske datasett +- 📂 **Laste data** - Lær å lese og utforske datasett - 📊 **Enkel analyse** - Beregn statistikk og finn mønstre - 📈 **Grunnleggende visualisering** - Lag diagrammer og grafer -- 🔬 **Virkelighetsprosjekt** - Komplett arbeidsflyt fra start til slutt +- 🔬 **Virkelighetsprosjekt** - Fullstendig arbeidsflyt fra start til slutt Hvert eksempel inkluderer detaljerte kommentarer som forklarer hvert steg, perfekt for absolutt nybegynnere! @@ -143,65 +143,65 @@ Hvert eksempel inkluderer detaljerte kommentarer som forklarer hvert steg, perfe ## Leksjoner -|![ Skisse-notat av @sketchthedocs https://sketchthedocs.dev](../../translated_images/no/00-Roadmap.4905d6567dff4753.webp)| +|![ Sketchnote av @sketchthedocs https://sketchthedocs.dev](../../translated_images/no/00-Roadmap.4905d6567dff4753.webp)| |:---:| -| Datavitenskap for nybegynnere: Veikart - _Skisse-notat av [@nitya](https://twitter.com/nitya)_ | +| Datavitenskap for nybegynnere: veikart - _Sketchnote av [@nitya](https://twitter.com/nitya)_ | -| Leksjonsnummer | Tema | Leksjonsgruppe | Læringsmål | Lenket leksjon | Forfatter | +| Leksjonsnummer | Emne | Leksjonsgruppering | Læringsmål | Lenket leksjon | Forfatter | | :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: | -| 01 | Definere datavitenskap | [Introduksjon](1-Introduction/README.md) | Lær grunnleggende begreper bak datavitenskap og hvordan det er relatert til kunstig intelligens, maskinlæring og big data. | [leksjon](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | -| 02 | Datavitenskapsetikk | [Introduksjon](1-Introduction/README.md) | Begreper, utfordringer og rammeverk for dataetikk. | [leksjon](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | -| 03 | Definere data | [Introduksjon](1-Introduction/README.md) | Hvordan data klassifiseres og vanlige kilder. | [leksjon](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) | -| 04 | Innføring i statistikk og sannsynlighet | [Introduksjon](1-Introduction/README.md) | De matematiske teknikkene innen sannsynlighet og statistikk for å forstå data. | [leksjon](1-Introduction/04-stats-and-probability/README.md) [video](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) | -| 05 | Arbeide med relasjonsdata | [Arbeide med data](2-Working-With-Data/README.md) | Innføring i relasjonsdata og grunnleggende om å utforske og analysere relasjonsdata med Structured Query Language, også kjent som SQL (uttales “see-quell”). | [leksjon](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | -| 06 | Arbeide med NoSQL-data | [Arbeide med data](2-Working-With-Data/README.md) | Innføring i ikke-relasjonelle data, deres ulike typer og grunnleggende utforsking og analyse av dokumentdatabaser. | [leksjon](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)| -| 07 | Arbeide med Python | [Arbeide med data](2-Working-With-Data/README.md) | Grunnleggende bruk av Python for datautforskning med biblioteker som Pandas. Grunnleggende forståelse av Python-programmering anbefales. | [leksjon](2-Working-With-Data/07-python/README.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) | -| 08 | Datapreparering | [Arbeide med data](2-Working-With-Data/README.md) | Temaer om datateknikker for rengjøring og transformering av data for å håndtere utfordringer med manglende, unøyaktige eller ufullstendige data. | [leksjon](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | -| 09 | Visualisere mengder | [Datavisualisering](3-Data-Visualization/README.md) | Lær å bruke Matplotlib til å visualisere fugledata 🦆 | [leksjon](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) | -| 10 | Visualisere datafordelinger | [Datavisualisering](3-Data-Visualization/README.md) | Visualisere observasjoner og trender innen et intervall. | [leksjon](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) | -| 11 | Visualisere proporsjoner | [Datavisualisering](3-Data-Visualization/README.md) | Visualisere diskrete og grupperte prosentandeler. | [leksjon](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) | +| 01 | Definere datavitenskap | [Introduksjon](1-Introduction/README.md) | Lær grunnleggende konsepter bak datavitenskap og hvordan det er relatert til kunstig intelligens, maskinlæring og big data. | [leksjon](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | +| 02 | Etikk innen datavitenskap | [Introduksjon](1-Introduction/README.md) | Konsepter, utfordringer og rammeverk for dataetikk. | [leksjon](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | +| 03 | Definere data | [Introduksjon](1-Introduction/README.md) | Hvordan data klassifiseres og dets vanlige kilder. | [leksjon](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) | +| 04 | Introduksjon til statistikk og sannsynlighet | [Introduksjon](1-Introduction/README.md) | De matematiske teknikkene for sannsynlighet og statistikk for å forstå data. | [leksjon](1-Introduction/04-stats-and-probability/README.md) [video](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) | +| 05 | Jobbe med relasjonsdata | [Jobbe med data](2-Working-With-Data/README.md) | Introduksjon til relasjonsdata og det grunnleggende i å utforske og analysere relasjonsdata ved hjelp av Structured Query Language, også kjent som SQL (uttalt "see-quell"). | [leksjon](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | +| 06 | Jobbe med NoSQL-data | [Jobbe med data](2-Working-With-Data/README.md) | Introduksjon til ikke-relasjonelle data, deres ulike typer og grunnleggende om å utforske og analysere dokumentdatabaser. | [leksjon](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)| +| 07 | Jobbe med Python | [Jobbe med data](2-Working-With-Data/README.md) | Grunnleggende bruk av Python til datautforskning med biblioteker som Pandas. Grunnleggende forståelse av Python-programmering anbefales. | [leksjon](2-Working-With-Data/07-python/README.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) | +| 08 | Dataklargjøring | [Jobbe med data](2-Working-With-Data/README.md) | Emner innen datateknikker for rensing og transformasjon av data for å håndtere utfordringer med manglende, unøyaktige eller ufullstendige data. | [leksjon](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | +| 09 | Visualisering av mengder | [Datavisualisering](3-Data-Visualization/README.md) | Lær å bruke Matplotlib for å visualisere fugldata 🦆 | [leksjon](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) | +| 10 | Visualisere fordeling av data | [Datavisualisering](3-Data-Visualization/README.md) | Visualisere observasjoner og trender innen et intervall. | [leksjon](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) | +| 11 | Visualisere proporsjoner | [Datavisualisering](3-Data-Visualization/README.md) | Visualisere diskrete og grupperte prosenter. | [leksjon](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) | | 12 | Visualisere relasjoner | [Datavisualisering](3-Data-Visualization/README.md) | Visualisere forbindelser og korrelasjoner mellom datasett og deres variabler. | [leksjon](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) | -| 13 | Meningsfulle visualiseringer | [Datavisualisering](3-Data-Visualization/README.md) | Teknikk og veiledning for å gjøre visualiseringene dine verdifulle for effektiv problemløsning og innsikt. | [leksjon](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | -| 14 | Introduksjon til datavitenskapslivssyklus | [Livssyklus](4-Data-Science-Lifecycle/README.md) | Innføring i datavitenskapslivssyklusen og det første steget med anskaffelse og utvinning av data. | [leksjon](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | -| 15 | Analysering | [Livssyklus](4-Data-Science-Lifecycle/README.md) | Denne fasen av datavitenskapslivssyklusen fokuserer på teknikker for å analysere data. | [leksjon](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | | -| 16 | Kommunikasjon | [Livssyklus](4-Data-Science-Lifecycle/README.md) | Denne fasen av datavitenskapslivssyklusen fokuserer på å presentere innsikter fra data på en måte som gjør det lettere for beslutningstakere å forstå. | [leksjon](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | -| 17 | Datavitenskap i skyen | [Skydata](5-Data-Science-In-Cloud/README.md) | Denne serien av leksjoner introduserer datavitenskap i skyen og fordelene ved det. | [leksjon](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) og [Maud](https://twitter.com/maudstweets) | -| 18 | Datavitenskap i skyen | [Skydata](5-Data-Science-In-Cloud/README.md) | Treningsmodeller ved bruk av lavkode-verktøy. |[leksjon](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) og [Maud](https://twitter.com/maudstweets) | -| 19 | Datavitenskap i skyen | [Skydata](5-Data-Science-In-Cloud/README.md) | Distribusjon av modeller med Azure Machine Learning Studio. | [leksjon](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) og [Maud](https://twitter.com/maudstweets) | -| 20 | Datavitenskap i praksis | [I praksis](6-Data-Science-In-Wild/README.md) | Datavitenskapsdrevne prosjekter i den virkelige verden. | [leksjon](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | +| 13 | Meningsfulle visualiseringer | [Datavisualisering](3-Data-Visualization/README.md) | Teknikker og veiledning for å gjøre visualiseringene dine verdifulle for effektiv problemløsning og innsikt. | [leksjon](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | +| 14 | Introduksjon til datavitenskaps livssyklus | [Livssyklus](4-Data-Science-Lifecycle/README.md) | Introduksjon til datavitenskaps livssyklus og det første steget med innhenting og utvinning av data. | [leksjon](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | +| 15 | Analyse | [Livssyklus](4-Data-Science-Lifecycle/README.md) | Denne fasen i datavitenskaps livssyklus fokuserer på teknikker for å analysere data. | [leksjon](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | | +| 16 | Kommunikasjon | [Livssyklus](4-Data-Science-Lifecycle/README.md) | Denne fasen i datavitenskaps livssyklus fokuserer på å presentere innsikten fra data på en måte som gjør det enklere for beslutningstakere å forstå. | [leksjon](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | +| 17 | Datavitenskap i skyen | [Skydata](5-Data-Science-In-Cloud/README.md) | Denne serien av leksjoner introduserer datavitenskap i skyen og dens fordeler. | [leksjon](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) og [Maud](https://twitter.com/maudstweets) | +| 18 | Datavitenskap i skyen | [Skydata](5-Data-Science-In-Cloud/README.md) | Trene modeller ved hjelp av Low Code-verktøy. | [leksjon](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) og [Maud](https://twitter.com/maudstweets) | +| 19 | Datavitenskap i skyen | [Skydata](5-Data-Science-In-Cloud/README.md) | Distribuere modeller med Azure Machine Learning Studio. | [leksjon](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) og [Maud](https://twitter.com/maudstweets) | +| 20 | Datavitenskap "i det fri" | [I det fri](6-Data-Science-In-Wild/README.md) | Datavitenskapsdrevne prosjekter i den virkelige verden. | [leksjon](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | ## GitHub Codespaces -Følg disse trinnene for å åpne dette eksempelet i en Codespace: -1. Klikk på rullegardinmenyen Code og velg Open with Codespaces. +Følg disse trinnene for å åpne dette eksemplet i en Codespace: +1. Klikk på menyen Code og velg alternativet Open with Codespaces. 2. Velg + New codespace nederst i panelet. -For mer informasjon, se [GitHub dokumentasjonen](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace). +For mer informasjon, sjekk ut [GitHub-dokumentasjonen](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace). ## VSCode Remote - Containers -Følg disse trinnene for å åpne dette depotet i en container ved å bruke din lokale maskin og VSCode med utvidelsen VS Code Remote - Containers: +Følg disse trinnene for å åpne dette repoet i en container ved å bruke din lokale maskin og VSCode med utvidelsen VS Code Remote - Containers: -1. Hvis dette er første gang du bruker en utviklingscontainer, sørg for at systemet ditt oppfyller forutsetningene (f.eks. ha Docker installert) i [kom i gang-dokumentasjonen](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started). +1. Hvis dette er første gang du bruker en utviklingscontainer, sørg for at systemet ditt oppfyller kravene (dvs. at Docker er installert) i [kom igang-dokumentasjonen](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started). -For å bruke dette depotet kan du enten åpne det i et isolert Docker-volum: +For å bruke dette depotet kan du enten åpne depotet i et isolert Docker-volum: -**Merk**: Under panseret vil dette bruke Remote-Containers: **Clone Repository in Container Volume...**-kommandoen for å klone kildekoden i et Docker-volum i stedet for det lokale filsystemet. [Volumer](https://docs.docker.com/storage/volumes/) er den foretrukne mekanismen for å bevare containerdata. +**Merk**: Under panseret vil dette bruke kommandoen Remote-Containers: **Clone Repository in Container Volume...** for å klone kildekoden i et Docker-volum i stedet for det lokale filsystemet. [Volumer](https://docs.docker.com/storage/volumes/) er den foretrukne måten å bevare container-data på. Eller åpne en lokalt klonet eller nedlastet versjon av depotet: -- Klon depotet til ditt lokale filsystem. +- Klon dette depotet til ditt lokale filsystem. - Trykk F1 og velg kommandoen **Remote-Containers: Open Folder in Container...**. -- Velg den klonede kopien av denne mappen, vent til containeren starter, og prøv det ut. +- Velg den klonede kopien av denne mappen, vent på at containeren starter, og prøv ut ting. -## Frakoblet tilgang +## Offline-tilgang -Du kan kjøre denne dokumentasjonen frakoblet ved å bruke [Docsify](https://docsify.js.org/#/). Fork dette depotet, [installer Docsify](https://docsify.js.org/#/quickstart) på din lokale maskin, så i rotmappen av dette depotet, skriv `docsify serve`. Nettstedet vil være tilgjengelig på port 3000 på din localhost: `localhost:3000`. +Du kan kjøre denne dokumentasjonen offline ved å bruke [Docsify](https://docsify.js.org/#/). Fork dette repoet, [installer Docsify](https://docsify.js.org/#/quickstart) på din lokale maskin, og skriv deretter `docsify serve` i rotmappen av dette repoet. Nettstedet vil bli servert på port 3000 på din localhost: `localhost:3000`. -> Merk at notatbøker ikke vil bli gjengitt via Docsify, så når du trenger å kjøre en notatbok, gjør det separat i VS Code med en Python-kjerne. +> Merk at notatbøker ikke vil bli gjengitt via Docsify, så når du trenger å kjøre en notatbok, gjør det separat i VS Code som kjører en Python-kjerne. -## Andre læreplaner +## Andre pensum -Teamet vårt produserer andre læreplaner! Sjekk ut: +Vårt team produserer andre pensum! Sjekk ut: ### LangChain @@ -245,19 +245,19 @@ Teamet vårt produserer andre læreplaner! Sjekk ut: ## Få hjelp -**Opplever du problemer?** Sjekk vår [Feilsøkingsveiledning](TROUBLESHOOTING.md) for løsninger på vanlige problemer. +**Opplever du problemer?** Sjekk vår [Feilsøkingsguide](TROUBLESHOOTING.md) for løsninger på vanlige problemer. -Hvis du står fast eller har spørsmål om å bygge AI-apper. Bli med andre lærende og erfarne utviklere i diskusjoner om MCP. Det er et støttende fellesskap hvor spørsmål er velkomne og kunnskap deles fritt. +Hvis du står fast eller har spørsmål om å bygge AI-apper, bli med andre lærende og erfarne utviklere i diskusjoner om MCP. Det er et støttende fellesskap hvor spørsmål er velkomne og kunnskap deles fritt. [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -Hvis du har produktinnspill eller opplever feil under bygging, besøk: +Hvis du har produktfeedback eller opplever feil under bygging, besøk: [![Microsoft Foundry Developer Forum](https://img.shields.io/badge/GitHub-Microsoft_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) --- -**Ansvarsfraskrivelse**: -Dette dokumentet er oversatt ved hjelp av AI-oversettelsestjenesten [Co-op Translator](https://github.com/Azure/co-op-translator). Selv om vi streber etter nøyaktighet, vennligst vær oppmerksom på at automatiske oversettelser kan inneholde feil eller unøyaktigheter. Det opprinnelige dokumentet på originalspråket skal betraktes som den autoritative kilden. For kritisk informasjon anbefales profesjonell menneskelig oversettelse. Vi er ikke ansvarlige for eventuelle misforståelser eller feiltolkninger som oppstår som følge av bruk av denne oversettelsen. +**Ansvarsfraskrivelse**: +Dette dokumentet er oversatt ved hjelp av AI-oversettingstjenesten [Co-op Translator](https://github.com/Azure/co-op-translator). Selv om vi streber etter nøyaktighet, vennligst vær oppmerksom på at automatiserte oversettelser kan inneholde feil eller unøyaktigheter. Det originale dokumentet på det opprinnelige språket skal betraktes som den autoritative kilden. For kritisk informasjon anbefales profesjonell menneskelig oversettelse. Vi er ikke ansvarlige for eventuelle misforståelser eller feiltolkninger som oppstår ved bruk av denne oversettelsen. \ No newline at end of file