Azure Cloud Advocates hos Microsoft er glade for at tilbyde et 10-ugers, 20-lektioners curriculum om Data Science. Hver lektion inkluderer quizzer fÞr og efter lektionen, skriftlige instruktioner til at gennemfÞre lektionen, en lÞsning og en opgave. Vores projektbaserede tilgang giver dig mulighed for at lÊre ved at bygge, en dokumenteret metode til at fÄ nye fÊrdigheder til at "sidde fast".
Azure Cloud Advocates hos Microsoft er glade for at tilbyde et 10-ugers, 20-lektioners curriculum om Data Science. Hver lektion inkluderer quizzer fÞr og efter lektionen, skriftlige instruktioner til at gennemfÞre lektionen, en lÞsning og en opgave. Vores projektbaserede tilgang giver dig mulighed for at lÊre ved at bygge, en dokumenteret metode til at fÄ nye fÊrdigheder til at hÊnge fast.
||
||
|:---:|
| Data Science For Beginners - _Sketchnote af [@nitya](https://twitter.com/nitya)_ |
| Data Science For Begyndere - _Sketchnote af [@nitya](https://twitter.com/nitya)_ |
## Meddelelse - Nyt Curriculum om Generativ AI er netop udgivet!
### đ Flersproget Support
Vi har netop udgivet et 12-lektioners curriculum om generativ AI. LĂŠr om ting som:
#### UnderstĂžttet via GitHub Action (Automatisk & Altid Opdateret)
Som altid er der en lektion, opgaver at fuldfĂžre, videnstjek og udfordringer.
**Hvis du Ăžnsker yderligere oversĂŠttelser, er understĂžttede sprog listet [her](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
Se det her:
> https://aka.ms/genai-beginners
#### Bliv en del af vores fĂŠllesskab
[](https://discord.gg/kzRShWzttr)
# Er du studerende?
Kom i gang med fĂžlgende ressourcer:
- [Student Hub-side](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) PÄ denne side finder du ressourcer for begyndere, studentpakker og endda mÄder at fÄ en gratis certifikatvoucher. Dette er en side, du bÞr bogmÊrke og tjekke fra tid til anden, da vi skifter indhold mindst mÄnedligt.
- [Student Hubside](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) PÄ denne side finder du ressourcer for begyndere, studentpakker og endda mÄder at fÄ en gratis certifikatvoucher. Dette er en side, du bÞr bogmÊrke og tjekke fra tid til anden, da vi skifter indhold mindst mÄnedligt.
- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Bliv en del af et globalt fĂŠllesskab af studentambassadĂžrer, dette kunne vĂŠre din vej ind i Microsoft.
# Kom godt i gang
# Kom i gang
> **LĂŠrere**: vi har [inkluderet nogle forslag](for-teachers.md) til, hvordan man bruger dette curriculum. Vi vil meget gerne hĂžre din feedback [i vores diskussionsforum](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
> đ„ Klik pĂ„ billedet ovenfor for en video om projektet og folkene, der skabte det!
> đ„ Klik pĂ„ billedet ovenfor for en video om projektet og de folk, der skabte det!
## PĂŠdagogik
Vi har valgt to pÊdagogiske principper, mens vi byggede dette curriculum: at sikre, at det er projektbaseret, og at det inkluderer hyppige quizzer. Ved slutningen af denne serie vil studerende have lÊrt grundlÊggende principper for data science, herunder etiske begreber, dataklargÞring, forskellige mÄder at arbejde med data pÄ, datavisualisering, dataanalyse, virkelige anvendelser af data science og mere.
Derudover sÊtter en lav-stress quiz fÞr en klasse intentionen hos den studerende mod at lÊre et emne, mens en anden quiz efter klassen sikrer yderligere fastholdelse. Dette curriculum er designet til at vÊre fleksibelt og sjovt og kan tages i sin helhed eller delvist. Projekterne starter smÄ og bliver gradvist mere komplekse ved slutningen af den 10-ugers cyklus.
> Find vores [Code of Conduct](CODE_OF_CONDUCT.md), [Contributing](CONTRIBUTING.md), [Translation](TRANSLATIONS.md) retningslinjer. Vi byder din konstruktive feedback velkommen!
> Find vores [Code of Conduct](CODE_OF_CONDUCT.md), [Contributing](CONTRIBUTING.md), [Translation](TRANSLATIONS.md) retningslinjer. Vi vĂŠrdsĂŠtter din konstruktive feedback!
## Hver lektion inkluderer:
- Valgfri sketchnote
- Valgfri supplerende video
- Quiz fĂžr lektionen
- Opvarmningsquiz fĂžr lektionen
- Skriftlig lektion
- For projektbaserede lektioner, trin-for-trin vejledninger om, hvordan man bygger projektet
- Videnstjek
- For projektbaserede lektioner, trin-for-trin vejledninger til at bygge projektet
- Videnschecks
- En udfordring
- Supplerende lĂŠsning
- Opgave
- Quiz efter lektionen
- [Quiz efter lektionen](https://ff-quizzes.netlify.app/en/)
> **En note om quizzer**: Alle quizzer er indeholdt i Quiz-App-mappen, med i alt 40 quizzer med tre spÞrgsmÄl hver. De er linket fra lektionerne, men quiz-appen kan kÞres lokalt eller implementeres pÄ Azure; fÞlg instruktionen 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 spÞrgsmÄl hver. De er linket fra lektionerne, men quiz-appen kan kÞres lokalt eller implementeres pÄ Azure; fÞlg instruktionerne i `quiz-app`-mappen. De bliver gradvist lokaliseret.
## Lektioner
@ -86,77 +81,73 @@ Derudover sĂŠtter en lav-stress quiz fĂžr en klasse intentionen hos den studeren
| Lektion Nummer | Emne | Lektion Gruppe | LÊringsmÄl | Linket Lektion | Forfatter |
| 01 | Definere Data Science | [Introduktion](1-Introduction/README.md) | LĂŠr de grundlĂŠggende begreber bag data science og hvordan det er relateret til kunstig intelligens, maskinlĂŠring 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) | Dataetik begreber, udfordringer og rammer. | [lektion](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
| 03 | Definere 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 inden for sandsynlighed og statistik til at forstÄ 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 grundlÊggende udforskning og analyse af relationelle data med Structured Query Language, ogsÄ kendt som SQL (udtales "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, dets forskellige typer og grundlĂŠggende udforskning og analyse af dokumentdatabaser. | [lektion](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)|
| 01 | Definere Data Science | [Introduktion](1-Introduction/README.md) | LĂŠr de grundlĂŠggende begreber bag data science, og hvordan det relaterer til kunstig intelligens, maskinlĂŠring 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) | Begreber, udfordringer og rammer inden for dataetik. | [lektion](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
| 03 | Definere Data | [Introduktion](1-Introduction/README.md) | Hvordan data klassificeres og deres 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) | Matematiske teknikker inden for sandsynlighed og statistik til at forstÄ 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 grundlĂŠggende udforskning og analyse af relationelle data med Structured Query Language, ogsĂ„ kendt som SQL (udtales âsee-quellâ). | [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 grundlĂŠggende 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) | GrundlÊggende brug af Python til dataudforskning med biblioteker som Pandas. GrundlÊggende forstÄelse af Python-programmering anbefales. | [lektion](2-Working-With-Data/07-python/README.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
| 08 | DataklargÞring | [Arbejde med data](2-Working-With-Data/README.md) | Emner om datateknikker til rengÞring og transformation af data for at hÄndtere udfordringer med manglende, unÞjagtige eller ufuldstÊndige data. | [lektion](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 09 | Visualisering af mĂŠngder | [Datavisualisering](3-Data-Visualization/README.md) | LĂŠr at bruge Matplotlib til at visualisere fugledata đŠ | [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 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 relationer | [Datavisualisering](3-Data-Visualization/README.md) | Visualisering af forbindelser og korrelationer mellem datasĂŠt 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 gĂžre dine visualiseringer vĂŠrdifulde for effektiv problemlĂžsning og indsigt. | [lektion](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
| 14 | Introduktion til data science-livscyklussen | [Livscyklus](4-Data-Science-Lifecycle/README.md) | Introduktion til data science-livscyklussen og dens fĂžrste trin med at indsamle og udtrĂŠkke 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 data science-livscyklussen fokuserer pÄ 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 data science-livscyklussen fokuserer pÄ at prÊsentere indsigt fra data pÄ en mÄde, der gÞr det lettere for beslutningstagere at forstÄ. | [lektion](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
| 17 | Data science i skyen | [Cloud Data](5-Data-Science-In-Cloud/README.md) | Denne serie af lektioner introducerer data science 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 | [Cloud Data](5-Data-Science-In-Cloud/README.md) | TrĂŠning af modeller ved hjĂŠlp af Low Code-vĂŠrktĂžjer. |[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 | [Cloud Data](5-Data-Science-In-Cloud/README.md) | Udrulning 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 praksis | [I praksis](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) |
| 08 | DataklargÞring | [Arbejde Med Data](2-Working-With-Data/README.md) | Emner om datateknikker til rengÞring og transformation af data for at hÄndtere udfordringer med manglende, unÞjagtige eller ufuldstÊndige data. | [lektion](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 09 | Visualisering af MĂŠngder | [Datavisualisering](3-Data-Visualization/README.md) | LĂŠr at bruge Matplotlib til at visualisere fugledata đŠ | [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 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 Relationer | [Datavisualisering](3-Data-Visualization/README.md) | Visualisering af forbindelser og korrelationer mellem datasĂŠt 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 gĂžre dine visualiseringer vĂŠrdifulde for effektiv problemlĂžsning og indsigt. | [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 livscyklus og dens fĂžrste trin med at indsamle og udtrĂŠkke 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 data science livscyklus fokuserer pÄ 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 data science livscyklus fokuserer pÄ at prÊsentere indsigt fra data pÄ en mÄde, der gÞr det lettere for beslutningstagere at forstÄ. | [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 data science 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) | TrĂŠning af modeller ved hjĂŠlp af Low Code-vĂŠrktĂžjer. |[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 Virkelige Liv](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
FĂžlg disse trin for at Ă„bne dette eksempel i en Codespace:
1. Klik pÄ Code-rullemenuen og vÊlg Open with Codespaces.
1. Klik pÄ Code-dropdownmenuen, og vÊlg Open with Codespaces.
2. VĂŠlg + New 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
FĂžlg disse trin for at Ă„bne dette repo i en container ved hjĂŠlp af din lokale maskine og VSCode med VS Code Remote - Containers-udvidelsen:
1. Hvis det er fĂžrste gang, du bruger en udviklingscontainer, skal du sikre dig, at dit system opfylder forudsĂŠtningerne (f.eks. have Docker installeret) i [kom godt i gang-dokumentationen](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
1. Hvis det er fĂžrste gang, du bruger en udviklingscontainer, skal du sikre dig, at dit system opfylder forudsĂŠtningerne (dvs. have Docker installeret) i [kom godt i gang-dokumentationen](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
For at bruge dette repository kan du enten Ă„bne det i et isoleret Docker-volumen:
**BemĂŠrk**: Bag kulisserne vil dette bruge Remote-Containers: **Clone Repository in Container Volume...**-kommandoen til at klone kildekoden i et Docker-volumen i stedet for det lokale filsystem. [Volumener](https://docs.docker.com/storage/volumes/) er den foretrukne mekanisme til at vedvarende containerdata.
**BemĂŠrk**: Under motorhjelmen vil dette bruge Remote-Containers: **Clone Repository in Container Volume...**-kommandoen til at klone kildekoden i et Docker-volumen i stedet for det lokale filsystem. [Volumener](https://docs.docker.com/storage/volumes/) er den foretrukne mekanisme til at gemme containerdata.
Eller Ă„bne en lokalt klonet eller downloadet version af repositoryet:
- Klon dette repository til dit lokale filsystem.
- Tryk pÄ F1 og vÊlg **Remote-Containers: Open Folder in Container...**-kommandoen.
- Tryk pÄ F1, og vÊlg **Remote-Containers: Open Folder in Container...**-kommandoen.
- VÊlg den klonede kopi af denne mappe, vent pÄ, at containeren starter, og prÞv tingene af.
## Offline adgang
Du kan kÞre denne dokumentation offline ved hjÊlp af [Docsify](https://docsify.js.org/#/). Fork dette repo, [installer Docsify](https://docsify.js.org/#/quickstart) pÄ din lokale maskine, og skriv derefter `docsify serve` i roden af dette repo. Hjemmesiden vil blive serveret pÄ port 3000 pÄ din localhost: `localhost:3000`.
Du kan kÞre denne dokumentation offline ved hjÊlp af [Docsify](https://docsify.js.org/#/). Fork dette repo, [installer Docsify](https://docsify.js.org/#/quickstart) pÄ din lokale maskine, og skriv derefter `docsify serve` i rodmappen af dette repo. Hjemmesiden vil blive serveret pÄ port 3000 pÄ din localhost: `localhost:3000`.
> BemÊrk, notebooks vil ikke blive gengivet via Docsify, sÄ nÄr du skal kÞre en notebook, skal du gÞre det separat i VS Code med en Python-kernel.
## HjĂŠlp Ăžnskes!
Hvis du Þnsker at oversÊtte hele eller dele af pensum, sÄ fÞlg vores [Translations](TRANSLATIONS.md)-vejledning.
## Andre pensum
## Andre LĂŠseplaner
Vores team producerer andre pensum! Tjek:
Vores team producerer andre lĂŠseplaner! Tjek:
- [Generativ AI for begyndere](https://aka.ms/genai-beginners)
- [Generativ AI for begyndere .NET](https://github.com/microsoft/Generative-AI-for-beginners-dotnet)
- [Generativ AI for Begyndere](https://aka.ms/genai-beginners)
- [Generativ AI for Begyndere .NET](https://github.com/microsoft/Generative-AI-for-beginners-dotnet)
- [Generativ AI med JavaScript](https://github.com/microsoft/generative-ai-with-javascript)
- [Generativ AI med Java](https://aka.ms/genaijava)
- [AI for begyndere](https://aka.ms/ai-beginners)
- [Data science for begyndere](https://aka.ms/datascience-beginners)
- [ML for begyndere](https://aka.ms/ml-beginners)
- [Cybersikkerhed for begyndere](https://github.com/microsoft/Security-101)
- [Webudvikling for begyndere](https://aka.ms/webdev-beginners)
- [IoT for begyndere](https://aka.ms/iot-beginners)
- [XR-udvikling for begyndere](https://github.com/microsoft/xr-development-for-beginners)
- [Mastering GitHub Copilot for parprogrammering](https://github.com/microsoft/Mastering-GitHub-Copilot-for-Paired-Programming)
- [Mastering GitHub Copilot for C#/.NET-udviklere](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers)
- [VĂŠlg dit eget Copilot-eventyr](https://github.com/microsoft/CopilotAdventures)
- [AI for Begyndere](https://aka.ms/ai-beginners)
- [Data Science for Begyndere](https://aka.ms/datascience-beginners)
- [ML for Begyndere](https://aka.ms/ml-beginners)
- [Cybersikkerhed for Begyndere](https://github.com/microsoft/Security-101)
- [Webudvikling for Begyndere](https://aka.ms/webdev-beginners)
- [IoT for Begyndere](https://aka.ms/iot-beginners)
- [XR Udvikling for Begyndere](https://github.com/microsoft/xr-development-for-beginners)
- [Mastering GitHub Copilot for Parprogrammering](https://github.com/microsoft/Mastering-GitHub-Copilot-for-Paired-Programming)
- [Mastering GitHub Copilot for C#/.NET Udviklere](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers)
- [VĂŠlg Dit Eget Copilot Eventyr](https://github.com/microsoft/CopilotAdventures)
||
||
|:---:|
| Data Science For Nybegynnere - _Sketchnote av [@nitya](https://twitter.com/nitya)_ |
## KunngjĂžring - Nytt pensum om Generativ AI er nettopp lansert!
### đ StĂžtte for flere sprĂ„k
Vi har nettopp lansert et 12-leksjons pensum om generativ AI. LĂŠr om ting som:
#### StĂžttet via GitHub Action (Automatisk og alltid oppdatert)
Som vanlig er det en leksjon, oppgaver Ă„ fullfĂžre, kunnskapstester og utfordringer.
**Hvis du Þnsker Ä fÄ flere oversettelser, er stÞttede sprÄk listet [her](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
Sjekk det ut:
> https://aka.ms/genai-beginners
#### Bli med i vÄrt fellesskap
[](https://discord.gg/kzRShWzttr)
# Er du student?
@ -41,7 +38,7 @@ Kom i gang med fĂžlgende ressurser:
- [Student Hub-side](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) PÄ denne siden finner du ressurser for nybegynnere, studentpakker og til og med mÄter Ä fÄ en gratis sertifikatkupong. Dette er en side du vil bokmerke og sjekke fra tid til annen, da vi bytter ut innhold minst mÄnedlig.
- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Bli med i et globalt fellesskap av studentambassadĂžrer, dette kan vĂŠre din vei inn i Microsoft.
# Komme i gang
# Kom i gang
> **LÊrere**: vi har [inkludert noen forslag](for-teachers.md) om hvordan du kan bruke dette pensumet. Vi vil gjerne ha tilbakemeldingen din [i vÄrt diskusjonsforum](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
@ -57,71 +54,69 @@ Kom i gang med fĂžlgende ressurser:
## Pedagogikk
Vi har valgt to pedagogiske prinsipper mens vi bygde dette pensumet: Ä sikre at det er prosjektbasert og at det inkluderer hyppige quizer. Ved slutten av denne serien vil studentene ha lÊrt grunnleggende prinsipper for data science, inkludert etiske konsepter, dataklargjÞring, forskjellige mÄter Ä jobbe med data pÄ, datavisualisering, dataanalyse, virkelige brukstilfeller av data science og mer.
I tillegg setter en lavterskel quiz fÞr en klasse intensjonen til studenten mot Ä lÊre et emne, mens en andre quiz etter klassen sikrer ytterligere oppbevaring. Dette pensumet ble designet for Ä vÊre fleksibelt og morsomt og kan tas i sin helhet eller delvis. Prosjektene starter smÄ og blir stadig mer komplekse mot slutten av den 10-ukers syklusen.
> Finn vÄr [Code of Conduct](CODE_OF_CONDUCT.md), [Contributing](CONTRIBUTING.md), [Translation](TRANSLATIONS.md) retningslinjer. Vi Þnsker din konstruktive tilbakemelding velkommen!
Vi har valgt to pedagogiske prinsipper mens vi bygde dette pensumet: Ä sikre at det er prosjektbasert og at det inkluderer hyppige quizer. Ved slutten av denne serien vil studentene ha lÊrt grunnleggende prinsipper for data science, inkludert etiske konsepter, databehandling, ulike mÄter Ä jobbe med data pÄ, datavisualisering, dataanalyse, virkelige brukstilfeller av data science og mer.
I tillegg setter en lavterskel quiz fÞr en klasse intensjonen til studenten mot Ä lÊre et emne, mens en andre quiz etter klassen sikrer videre oppbevaring. Dette pensumet ble designet for Ä vÊre fleksibelt og morsomt og kan tas i sin helhet eller delvis. Prosjektene starter smÄ og blir stadig mer komplekse mot slutten av den 10-ukers syklusen.
> Finn vÄre retningslinjer for [Code of Conduct](CODE_OF_CONDUCT.md), [Contributing](CONTRIBUTING.md), [Translation](TRANSLATIONS.md). Vi setter pris pÄ din konstruktive tilbakemelding!
## Hver leksjon inkluderer:
- Valgfri sketchnote
- Valgfri tilleggsvideo
- Oppvarmingsquiz fĂžr leksjonen
- Skriftlig leksjon
- For prosjektbaserte leksjoner, trinnvise guider om hvordan du bygger prosjektet
- Kunnskapstester
- For prosjektbaserte leksjoner, steg-for-steg guider for Ă„ bygge prosjektet
- Kunnskapssjekker
- En utfordring
- Tilleggslesing
- Oppgave
- Quiz etter leksjonen
- [Quiz etter leksjonen](https://ff-quizzes.netlify.app/en/)
> **En merknad om quizer**: Alle quizer er inneholdt i Quiz-App-mappen, for totalt 40 quizer med tre spÞrsmÄl hver. De er lenket fra leksjonene, men quiz-appen kan kjÞres lokalt eller distribueres til Azure; fÞlg instruksjonene i `quiz-app`-mappen. De blir gradvis lokalisert.
> **En merknad om quizer**: Alle quizer er samlet i Quiz-App-mappen, totalt 40 quizer med tre spÞrsmÄl hver. De er lenket fra leksjonene, men quiz-appen kan kjÞres lokalt eller distribueres til Azure; fÞlg instruksjonene i `quiz-app`-mappen. De blir gradvis lokalisert.
## Leksjoner
| ](./sketchnotes/00-Roadmap.png)|
|:---:|
| Data Science For Nybegynnere: Veikart - _Sketchnote av [@nitya](https://twitter.com/nitya)_ |
| Data Science For Beginners: Veikart - _Sketchnote av [@nitya](https://twitter.com/nitya)_ |
| 01 | Definere Data Science | [Introduksjon](1-Introduction/README.md) | LĂŠr de grunnleggende konseptene bak data science og hvordan det er relatert til kunstig intelligens, maskinlĂŠring og big data. | [leksjon](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
| 02 | Data Science Etikk | [Introduksjon](1-Introduction/README.md) | Konsepter, utfordringer og rammeverk for dataetikk. | [leksjon](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
| 02 | Etikk i Data Science | [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 vanlige kilder til data. | [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 Ä forstÄ data. | [leksjon](1-Introduction/04-stats-and-probability/README.md) [video](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) |
| 04 | Introduksjon til Statistikk og Sannsynlighet | [Introduksjon](1-Introduction/README.md) | Matematiske teknikker innen sannsynlighet og statistikk for Ä forstÄ data. | [leksjon](1-Introduction/04-stats-and-probability/README.md) [video](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) |
| 05 | Arbeide med Relasjonelle Data | [Arbeide med Data](2-Working-With-Data/README.md) | Introduksjon til relasjonelle data og grunnleggende utforsking og analyse av relasjonelle data med Structured Query Language, ogsÄ 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) | Introduksjon til 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 datautforsking med biblioteker som Pandas. Grunnleggende forstÄelse 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 Ä rense og transformere data for Ä hÄndtere utfordringer med manglende, unÞyaktige 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) | LĂŠr hvordan du bruker Matplotlib til Ă„ visualisere fugldata đŠ | [leksjon](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
| 10 | Visualisering av datadistribusjoner | [Datavisualisering](3-Data-Visualization/README.md) | Visualisering av observasjoner og trender innenfor et intervall. | [leksjon](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 11 | Visualisering av proporsjoner | [Datavisualisering](3-Data-Visualization/README.md) | Visualisering av diskrete og grupperte prosentandeler. | [leksjon](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 12 | Visualisering av relasjoner | [Datavisualisering](3-Data-Visualization/README.md) | Visualisering av 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) | Teknikker og veiledning for Ă„ gjĂžre visualiseringene dine verdifulle for effektiv problemlĂžsning og innsikt. | [leksjon](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
| 14 | Introduksjon til livssyklusen for datavitenskap | [Livssyklus](4-Data-Science-Lifecycle/README.md) | Introduksjon til livssyklusen for datavitenskap og det fĂžrste steget med Ă„ skaffe og hente ut 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 av livssyklusen for datavitenskap fokuserer pÄ teknikker for Ä 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 livssyklusen for datavitenskap fokuserer pÄ Ä presentere innsiktene fra dataene pÄ en mÄte som gjÞr det enklere for beslutningstakere Ä forstÄ. | [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 med 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) | Trening av modeller ved bruk av lavkodeverktĂžy. | [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) | Distribuering 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) |
| 08 | Datapreparering | [Arbeide med Data](2-Working-With-Data/README.md) | Temaer om teknikker for Ä rense og transformere data for Ä hÄndtere utfordringer med manglende, unÞyaktige 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) | LĂŠr hvordan du bruker Matplotlib til Ă„ visualisere fugldata đŠ | [leksjon](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
| 10 | Visualisering av Datafordelinger | [Datavisualisering](3-Data-Visualization/README.md) | Visualisering av observasjoner og trender innenfor et intervall. | [leksjon](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 11 | Visualisering av Proporsjoner | [Datavisualisering](3-Data-Visualization/README.md) | Visualisering av diskrete og grupperte prosentandeler. | [leksjon](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 12 | Visualisering av Relasjoner | [Datavisualisering](3-Data-Visualization/README.md) | Visualisering av 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) | Teknikker og veiledning for Ă„ gjĂžre visualiseringene dine verdifulle for effektiv problemlĂžsning og innsikt. | [leksjon](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
| 14 | Introduksjon til Data Science-livssyklusen | [Livssyklus](4-Data-Science-Lifecycle/README.md) | Introduksjon til data science-livssyklusen og dens fĂžrste steg med Ă„ skaffe og hente ut 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 av data science-livssyklusen fokuserer pÄ teknikker for Ä 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 data science-livssyklusen fokuserer pÄ Ä presentere innsiktene fra data pÄ en mÄte som gjÞr det enklere for beslutningstakere Ä forstÄ. | [leksjon](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 serien av leksjoner introduserer data science 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 | Data Science i Skyen | [Skydata](5-Data-Science-In-Cloud/README.md) | Trening av modeller ved bruk av Low Code-verktĂžy. |[leksjon](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) | Distribuering 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 | Data Science i Det Virkelige Liv | [I Det Virkelige Liv](6-Data-Science-In-Wild/README.md) | Prosjekter drevet av data science i den virkelige verden. | [leksjon](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
## GitHub Codespaces
FĂžlg disse trinnene for Ă„ Ă„pne dette eksempelet i en Codespace:
FĂžlg disse stegene for Ă„ Ă„pne dette eksempelet i en Codespace:
1. Klikk pÄ Code-rullegardinmenyen og velg alternativet Open with Codespaces.
2. Velg + New codespace nederst i panelet.
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).
For mer info, 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
FĂžlg disse trinnene for Ă„ Ă„pne dette repoet i en container ved bruk av din lokale maskin og VSCode med VS Code Remote - Containers-utvidelsen:
FĂžlg disse stegene for Ă„ Ă„pne dette repoet i en container ved bruk av din lokale maskin og VSCode med VS Code Remote - Containers-utvidelsen:
1. Hvis dette er fĂžrste gang du bruker en utviklingscontainer, sĂžrg for at systemet ditt oppfyller kravene (f.eks. ha Docker installert) i [kom i gang-dokumentasjonen](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
1. Hvis dette er fĂžrste gang du bruker en utviklingscontainer, sĂžrg for at systemet ditt oppfyller kravene (f.eks. ha Docker installert) i [kom-i-gang-dokumentasjonen](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
For Ă„ bruke dette repoet kan du enten Ă„pne det i et isolert Docker-volum:
For Ă„ bruke dette repoet, kan du enten Ă„pne repoet i et isolert Docker-volum:
**Merk**: I bakgrunnen vil dette bruke Remote-Containers: **Clone Repository in Container Volume...**-kommandoen for Ă„ klone kildekoden i et Docker-volum i stedet for det lokale filsystemet. [Volumer](https://docs.docker.com/storage/volumes/) er den foretrukne mekanismen for Ă„ vedvare containerdata.
**Merk**: Under panseret vil dette bruke Remote-Containers: **Clone Repository in Container Volume...**-kommandoen for Ă„ klone kildekoden i et Docker-volum i stedet for det lokale filsystemet. [Volumer](https://docs.docker.com/storage/volumes/) er den foretrukne mekanismen for Ă„ lagre containerdata.
Eller Ă„pne en lokalt klonet eller nedlastet versjon av repoet:
@ -131,34 +126,30 @@ Eller Ă„pne en lokalt klonet eller nedlastet versjon av repoet:
## Offline tilgang
Du kan kjÞre denne dokumentasjonen offline ved Ä bruke [Docsify](https://docsify.js.org/#/). Fork dette repoet, [installer Docsify](https://docsify.js.org/#/quickstart) pÄ din lokale maskin, og skriv deretter `docsify serve` i rotmappen til dette repoet. Nettstedet vil bli servert pÄ port 3000 pÄ localhost: `localhost:3000`.
Du kan kjÞre denne dokumentasjonen offline ved Ä bruke [Docsify](https://docsify.js.org/#/). Fork dette repoet, [installer Docsify](https://docsify.js.org/#/quickstart) pÄ din lokale maskin, og skriv deretter `docsify serve` i rotmappen til dette repoet. Nettstedet vil bli servert pÄ port 3000 pÄ din localhost: `localhost:3000`.
> Merk, notatbÞker vil ikke bli gjengitt via Docsify, sÄ nÄr du trenger Ä kjÞre en notatbok, gjÞr det separat i VS Code med en Python-kjerne.
## Hjelp Ăžnskes!
Hvis du Þnsker Ä oversette hele eller deler av pensumet, vennligst fÞlg vÄr [Oversettelser](TRANSLATIONS.md)-veiledning.
## Andre pensum
## Andre lĂŠreplaner
Teamet vÄrt produserer andre pensum! Sjekk ut:
Teamet vÄrt produserer andre lÊreplaner! Sjekk ut:
- [Generativ AI for nybegynnere](https://aka.ms/genai-beginners)
- [Generativ AI for nybegynnere .NET](https://github.com/microsoft/Generative-AI-for-beginners-dotnet)
- [Generativ AI for Nybegynnere](https://aka.ms/genai-beginners)
- [Generativ AI for Nybegynnere .NET](https://github.com/microsoft/Generative-AI-for-beginners-dotnet)
- [Generativ AI med JavaScript](https://github.com/microsoft/generative-ai-with-javascript)
- [Generativ AI med Java](https://aka.ms/genaijava)
- [AI for nybegynnere](https://aka.ms/ai-beginners)
- [Datavitenskap for nybegynnere](https://aka.ms/datascience-beginners)
- [MaskinlĂŠring for nybegynnere](https://aka.ms/ml-beginners)
- [Cybersikkerhet for nybegynnere](https://github.com/microsoft/Security-101)
- [Webutvikling for nybegynnere](https://aka.ms/webdev-beginners)
- [IoT for nybegynnere](https://aka.ms/iot-beginners)
- [XR-utvikling for nybegynnere](https://github.com/microsoft/xr-development-for-beginners)
- [Mestre GitHub Copilot for parprogrammering](https://github.com/microsoft/Mastering-GitHub-Copilot-for-Paired-Programming)
- [AI for Nybegynnere](https://aka.ms/ai-beginners)
- [Data Science for Nybegynnere](https://aka.ms/datascience-beginners)
- [ML for Nybegynnere](https://aka.ms/ml-beginners)
- [Cybersikkerhet for Nybegynnere](https://github.com/microsoft/Security-101)
- [Webutvikling for Nybegynnere](https://aka.ms/webdev-beginners)
- [IoT for Nybegynnere](https://aka.ms/iot-beginners)
- [XR-utvikling for Nybegynnere](https://github.com/microsoft/xr-development-for-beginners)
- [Mestre GitHub Copilot for Parprogrammering](https://github.com/microsoft/Mastering-GitHub-Copilot-for-Paired-Programming)
- [Mestre GitHub Copilot for C#/.NET-utviklere](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers)
- [Velg ditt eget Copilot-eventyr](https://github.com/microsoft/CopilotAdventures)
- [Velg Din Egen Copilot-eventyr](https://github.com/microsoft/CopilotAdventures)
---
**Ansvarsfraskrivelse**:
Dette dokumentet er oversatt ved hjelp av AI-oversettelsestjenesten [Co-op Translator](https://github.com/Azure/co-op-translator). Selv om vi tilstreber nÞyaktighet, vennligst vÊr oppmerksom pÄ at automatiske oversettelser kan inneholde feil eller unÞyaktigheter. Det originale dokumentet pÄ sitt opprinnelige sprÄk bÞr anses som den autoritative kilden. For kritisk informasjon anbefales profesjonell menneskelig oversettelse. Vi er ikke ansvarlige for eventuelle misforstÄelser eller feiltolkninger som oppstÄr ved bruk av denne oversettelsen.
Dette dokumentet er oversatt ved hjelp av AI-oversettelsestjenesten [Co-op Translator](https://github.com/Azure/co-op-translator). Selv om vi tilstreber nÞyaktighet, vÊr oppmerksom pÄ at automatiske oversettelser kan inneholde feil eller unÞyaktigheter. Det originale dokumentet pÄ sitt opprinnelige sprÄk bÞr anses som den autoritative kilden. For kritisk informasjon anbefales profesjonell menneskelig oversettelse. Vi er ikke ansvarlige for eventuelle misforstÄelser eller feiltolkninger som oppstÄr ved bruk av denne oversettelsen.
Azure Cloud Advocates pÄ Microsoft Àr glada att erbjuda en 10-veckors, 20-lektions lÀroplan om Data Science. Varje lektion innehÄller förberedande och avslutande quiz, skriftliga instruktioner för att genomföra lektionen, en lösning och en uppgift. VÄr projektbaserade pedagogik lÄter dig lÀra dig genom att skapa, vilket Àr en beprövad metod för att fÄ nya fÀrdigheter att fastna.
Azure Cloud Advocates pÄ Microsoft Àr glada att erbjuda en 10-veckors, 20-lektions kursplan om Data Science. Varje lektion innehÄller quiz före och efter lektionen, skriftliga instruktioner för att genomföra lektionen, en lösning och en uppgift. VÄr projektbaserade pedagogik lÄter dig lÀra dig genom att skapa, en beprövad metod för att fÄ nya fÀrdigheter att fastna.
||
||
|:---:|
| Data Science för Nybörjare - _Sketchnote av [@nitya](https://twitter.com/nitya)_ |
## Meddelande - Ny LÀroplan om Generativ AI har precis slÀppts!
### đ Stöd för flera sprĂ„k
Vi har precis slÀppt en 12-lektions lÀroplan om generativ AI. LÀr dig saker som:
#### Stöds via GitHub Action (Automatiserat & Alltid Uppdaterat)
Som vanligt finns det lektioner, uppgifter att slutföra, kunskapskontroller och utmaningar.
**Om du vill ha ytterligare översÀttningar, finns stödda sprÄk listade [hÀr](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
Kolla in det:
> https://aka.ms/genai-beginners
#### GÄ med i vÄr community
[](https://discord.gg/kzRShWzttr)
# Ăr du student?
Kom igÄng med följande resurser:
- [Student Hub-sida](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) PÄ denna sida hittar du resurser för nybörjare, studentpaket och till och med sÀtt att fÄ en gratis certifikatvoucher. Detta Àr en sida du vill bokmÀrka och kolla regelbundet eftersom vi byter ut innehÄll minst en gÄng i mÄnaden.
- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) GÄ med i en global gemenskap av studentambassadörer, detta kan vara din vÀg in i Microsoft.
- [Student Hub-sida](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) PÄ denna sida hittar du resurser för nybörjare, studentpaket och till och med sÀtt att fÄ en gratis certifikatkupong. Detta Àr en sida du vill bokmÀrka och kolla regelbundet eftersom vi byter ut innehÄll minst en gÄng i mÄnaden.
- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) GÄ med i en global community av studentambassadörer, detta kan vara din vÀg in i Microsoft.
# Kom igÄng
> **LÀrare**: vi har [inkluderat nÄgra förslag](for-teachers.md) pÄ hur man anvÀnder denna lÀroplan. Vi skulle uppskatta din feedback [i vÄrt diskussionsforum](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
> **LÀrare**: vi har [inkluderat nÄgra förslag](for-teachers.md) pÄ hur man anvÀnder denna kursplan. Vi skulle gÀrna vilja ha din feedback [i vÄrt diskussionsforum](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
> **[Studenter](https://aka.ms/student-page)**: för att anvÀnda denna lÀroplan pÄ egen hand, fork hela repot och slutför övningarna sjÀlv, börja med ett quiz före lektionen. LÀs sedan lektionen och slutför resten av aktiviteterna. Försök att skapa projekten genom att förstÄ lektionerna snarare Àn att kopiera lösningskoden; dock finns den koden tillgÀnglig i /solutions-mapparna i varje projektorienterad lektion. Ett annat förslag Àr att bilda en studiegrupp med vÀnner och gÄ igenom innehÄllet tillsammans. För vidare studier rekommenderar vi [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum).
> **[Studenter](https://aka.ms/student-page)**: för att anvÀnda denna kursplan pÄ egen hand, fork hela repot och genomför övningarna sjÀlv, börja med ett quiz före lektionen. LÀs sedan lektionen och genomför resten av aktiviteterna. Försök att skapa projekten genom att förstÄ lektionerna snarare Àn att kopiera lösningskoden; dock finns den koden tillgÀnglig i /solutions-mapparna i varje projektorienterad lektion. Ett annat förslag Àr att bilda en studiegrupp med vÀnner och gÄ igenom innehÄllet tillsammans. För vidare studier rekommenderar vi [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum).
@ -57,108 +54,102 @@ Kom igÄng med följande resurser:
## Pedagogik
Vi har valt tvÄ pedagogiska principer nÀr vi byggde denna lÀroplan: att sÀkerstÀlla att den Àr projektbaserad och att den innehÄller frekventa quiz. Vid slutet av denna serie kommer studenter att ha lÀrt sig grundlÀggande principer inom data science, inklusive etiska koncept, databeredning, olika sÀtt att arbeta med data, datavisualisering, dataanalys, verkliga anvÀndningsfall av data science och mer.
Dessutom sÀtter ett lÄginsatsquiz före en klass studentens intention mot att lÀra sig ett Àmne, medan ett andra quiz efter klassen sÀkerstÀller ytterligare retention. Denna lÀroplan Àr designad för att vara flexibel och rolig och kan tas i sin helhet eller delvis. Projekten börjar smÄ och blir alltmer komplexa vid slutet av den 10-veckors cykeln.
> Hitta vĂ„r [Uppförandekod](CODE_OF_CONDUCT.md), [Bidragsriktlinjer](CONTRIBUTING.md), [ĂversĂ€ttningsriktlinjer](TRANSLATIONS.md). Vi vĂ€lkomnar din konstruktiva feedback!
Vi har valt tvÄ pedagogiska principer nÀr vi byggde denna kursplan: att sÀkerstÀlla att den Àr projektbaserad och att den innehÄller frekventa quiz. Vid slutet av denna serie kommer studenter att ha lÀrt sig grundlÀggande principer inom data science, inklusive etiska koncept, databeredning, olika sÀtt att arbeta med data, datavisualisering, dataanalys, verkliga anvÀndningsomrÄden för data science och mer.
Dessutom sÀtter ett quiz med lÄg insats före en klass studentens intention mot att lÀra sig ett Àmne, medan ett andra quiz efter klassen sÀkerstÀller ytterligare retention. Denna kursplan Àr designad för att vara flexibel och rolig och kan tas i sin helhet eller delvis. Projekten börjar smÄ och blir alltmer komplexa mot slutet av den 10-veckors cykeln.
> Hitta vĂ„r [Uppförandekod](CODE_OF_CONDUCT.md), [Bidragande](CONTRIBUTING.md), [ĂversĂ€ttnings](TRANSLATIONS.md) riktlinjer. Vi vĂ€lkomnar din konstruktiva feedback!
## Varje lektion innehÄller:
- Valfri sketchnote
- Valfri kompletterande video
- Förberedande quiz
- Skriftlig lektion
- För projektbaserade lektioner, steg-för-steg-guider om hur man bygger projektet
- UppvÀrmningsquiz före lektionen
- Skriven lektion
- För projektbaserade lektioner, steg-för-steg-guider för att bygga projektet
- Kunskapskontroller
- En utmaning
- Kompletterande lÀsning
- Uppgift
- Quiz efter lektionen
- [Quiz efter lektionen](https://ff-quizzes.netlify.app/en/)
> **En notering om quiz**: Alla quiz finns i Quiz-App-mappen, totalt 40 quiz med tre frÄgor vardera. De Àr lÀnkade frÄn lektionerna, men quiz-appen kan köras lokalt eller distribueras till Azure; följ instruktionerna i `quiz-app`-mappen. De lokaliseras gradvis.
> **En notering om quiz**: Alla quiz finns i mappen Quiz-App, totalt 40 quiz med tre frÄgor vardera. De Àr lÀnkade frÄn lektionerna, men quiz-appen kan köras lokalt eller distribueras till Azure; följ instruktionerna i mappen `quiz-app`. De lokaliseras gradvis.
## Lektioner
| ](./sketchnotes/00-Roadmap.png)|
|:---:|
| Data Science för Nybörjare: VÀgkarta - _Sketchnote av [@nitya](https://twitter.com/nitya)_ |
| Data Science för nybörjare: VÀgkarta - _Sketchnote av [@nitya](https://twitter.com/nitya)_ |
| 01 | Definiera Data Science | [Introduktion](1-Introduction/README.md) | LÀr dig de grundlÀggande koncepten bakom data science och hur det Àr relaterat till artificiell intelligens, maskininlÀrning och 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) | Koncept, utmaningar och ramverk för dataetik. | [lektion](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
| 01 | Definiera Data Science | [Introduktion](1-Introduction/README.md) | LÀr dig de grundlÀggande begreppen bakom data science och hur det Àr relaterat till artificiell intelligens, maskininlÀrning och big data. | [lektion](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
| 02 | Etik inom Data Science | [Introduktion](1-Introduction/README.md) | Begrepp, utmaningar och ramverk för dataetik. | [lektion](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
| 03 | Definiera Data | [Introduktion](1-Introduction/README.md) | Hur data klassificeras och dess vanliga kÀllor. | [lektion](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 04 | Introduktion till Statistik & Sannolikhet | [Introduktion](1-Introduction/README.md) | De matematiska teknikerna för sannolikhet och statistik för att förstÄ data. | [lektion](1-Introduction/04-stats-and-probability/README.md) [video](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) |
| 05 | Arbeta med Relationell Data | [Arbeta med Data](2-Working-With-Data/README.md) | Introduktion till relationell data och grunderna i att utforska och analysera relationell data med Structured Query Language, Ă€ven kĂ€nt som SQL (uttalas âsee-quellâ). | [lektion](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | |
| 04 | Introduktion till Statistik & Sannolikhet | [Introduktion](1-Introduction/README.md) | Matematiska tekniker för sannolikhet och statistik för att förstÄ data. | [lektion](1-Introduction/04-stats-and-probability/README.md) [video](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) |
| 05 | Arbeta med Relationell Data | [Arbeta med Data](2-Working-With-Data/README.md) | Introduktion till relationell data och grunderna i att utforska och analysera relationell data med Structured Query Language, Àven kÀnt som SQL (uttalas "see-quell"). | [lektion](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | |
| 06 | Arbeta med NoSQL Data | [Arbeta med Data](2-Working-With-Data/README.md) | Introduktion till icke-relationell data, dess olika typer och grunderna i att utforska och analysera dokumentdatabaser. | [lektion](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)|
| 07 | Arbeta med Python | [Arbeta med Data](2-Working-With-Data/README.md) | Grunderna i att anvÀnda Python för datautforskning med bibliotek som Pandas. GrundlÀggande förstÄelse för Python-programmering rekommenderas. | [lektion](2-Working-With-Data/07-python/README.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
| 08 | Datapreparering | [Arbeta med data](2-Working-With-Data/README.md) | Ămnen om datatekniker för att rengöra och transformera data för att hantera utmaningar med saknad, felaktig eller ofullstĂ€ndig data. | [lektion](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 12 | Visualisera relationer | [Datavisualisering](3-Data-Visualization/README.md) | Visualisera kopplingar och korrelationer mellan dataset och deras variabler. | [lektion](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
| 13 | Meningsfulla visualiseringar | [Datavisualisering](3-Data-Visualization/README.md) | Tekniker och vÀgledning för att göra dina visualiseringar vÀrdefulla för effektiv problemlösning och insikter. | [lektion](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
| 14 | Introduktion till datavetenskapens livscykel | [Livscykel](4-Data-Science-Lifecycle/README.md) | Introduktion till datavetenskapens livscykel och dess första steg: att samla in och extrahera data. | [lektion](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
| 15 | Analysera | [Livscykel](4-Data-Science-Lifecycle/README.md) | Denna fas i datavetenskapens livscykel fokuserar pÄ tekniker för att analysera data. | [lektion](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | |
| 16 | Kommunikation | [Livscykel](4-Data-Science-Lifecycle/README.md) | Denna fas i datavetenskapens livscykel fokuserar pÄ att presentera insikter frÄn data pÄ ett sÀtt som gör det enklare för beslutsfattare att förstÄ. | [lektion](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
| 17 | Datavetenskap i molnet | [Molndata](5-Data-Science-In-Cloud/README.md) | Denna serie lektioner introducerar datavetenskap i molnet och dess fördelar. | [lektion](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) och [Maud](https://twitter.com/maudstweets) |
| 18 | Datavetenskap i molnet | [Molndata](5-Data-Science-In-Cloud/README.md) | TrÀna modeller med hjÀlp av Low Code-verktyg. |[lektion](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) och [Maud](https://twitter.com/maudstweets) |
| 19 | Datavetenskap i molnet | [Molndata](5-Data-Science-In-Cloud/README.md) | Distribuera modeller med Azure Machine Learning Studio. | [lektion](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) och [Maud](https://twitter.com/maudstweets) |
| 20 | Datavetenskap i det vilda | [I det vilda](6-Data-Science-In-Wild/README.md) | Datavetenskapsdrivna projekt i verkliga vÀrlden. | [lektion](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
| 08 | Datapreparation | [Arbeta med Data](2-Working-With-Data/README.md) | Ămnen om datatekniker för att rengöra och transformera data för att hantera utmaningar med saknad, felaktig eller ofullstĂ€ndig data. | [lektion](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 09 | Visualisera Kvantiteter | [Datavisualisering](3-Data-Visualization/README.md) | LĂ€r dig hur du anvĂ€nder Matplotlib för att visualisera fĂ„geldata đŠ | [lektion](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
| 10 | Visualisera Datafördelningar | [Datavisualisering](3-Data-Visualization/README.md) | Visualisera observationer och trender inom ett intervall. | [lektion](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 12 | Visualisera Relationer | [Datavisualisering](3-Data-Visualization/README.md) | Visualisera kopplingar och korrelationer mellan dataset och deras variabler. | [lektion](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
| 13 | Meningsfulla Visualiseringar | [Datavisualisering](3-Data-Visualization/README.md) | Tekniker och vÀgledning för att göra dina visualiseringar vÀrdefulla för effektiv problemlösning och insikter. | [lektion](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
| 14 | Introduktion till Data Science-livscykeln | [Livscykel](4-Data-Science-Lifecycle/README.md) | Introduktion till data science-livscykeln och dess första steg att samla in och extrahera data. | [lektion](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
| 15 | Analysera | [Livscykel](4-Data-Science-Lifecycle/README.md) | Denna fas av data science-livscykeln fokuserar pÄ tekniker för att analysera data. | [lektion](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | |
| 16 | Kommunikation | [Livscykel](4-Data-Science-Lifecycle/README.md) | Denna fas av data science-livscykeln fokuserar pÄ att presentera insikter frÄn data pÄ ett sÀtt som gör det lÀttare för beslutsfattare att förstÄ. | [lektion](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
| 17 | Data Science i Molnet | [Molndata](5-Data-Science-In-Cloud/README.md) | Denna serie av lektioner introducerar data science i molnet och dess fördelar. | [lektion](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) och [Maud](https://twitter.com/maudstweets) |
| 18 | Data Science i Molnet | [Molndata](5-Data-Science-In-Cloud/README.md) | TrÀna modeller med Low Code-verktyg. |[lektion](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) och [Maud](https://twitter.com/maudstweets) |
| 19 | Data Science i Molnet | [Molndata](5-Data-Science-In-Cloud/README.md) | Distribuera modeller med Azure Machine Learning Studio. | [lektion](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) och [Maud](https://twitter.com/maudstweets) |
| 20 | Data Science i Verkligheten | [I Verkligheten](6-Data-Science-In-Wild/README.md) | Data science-drivna projekt i verkliga vÀrlden. | [lektion](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
## GitHub Codespaces
Följ dessa steg för att öppna detta exempel i en Codespace:
1. Klicka pÄ rullgardinsmenyn "Code" och vÀlj alternativet "Open with Codespaces".
2. VÀlj + Ny codespace lÀngst ner i panelen.
1. Klicka pÄ rullgardinsmenyn Code och vÀlj alternativet Open with Codespaces.
2. VÀlj + New codespace lÀngst ner i panelen.
För mer information, kolla in [GitHub-dokumentationen](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace).
## VSCode Remote - Containers
Följ dessa steg för att öppna detta repo i en container med din lokala dator och VSCode med hjÀlp av tillÀgget VS Code Remote - Containers:
Följ dessa steg för att öppna detta repo i en container med din lokala dator och VSCode med tillÀgget VS Code Remote - Containers:
1. Om det Àr första gÄngen du anvÀnder en utvecklingscontainer, se till att ditt system uppfyller förkraven (t.ex. att Docker Àr installerat) i [dokumentationen för att komma igÄng](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
1. Om detta Àr första gÄngen du anvÀnder en utvecklingscontainer, se till att ditt system uppfyller förkraven (dvs. har Docker installerat) i [dokumentationen för att komma igÄng](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
För att anvÀnda detta repo kan du antingen öppna det i en isolerad Docker-volym:
För att anvÀnda detta repository kan du antingen öppna det i en isolerad Docker-volym:
**Obs**: Under huven kommer detta att anvÀnda kommandot Remote-Containers: **Clone Repository in Container Volume...** för att klona kÀllkoden i en Docker-volym istÀllet för det lokala filsystemet. [Volymer](https://docs.docker.com/storage/volumes/) Àr den föredragna mekanismen för att bevara containerdata.
**Notering**: Under huven kommer detta att anvÀnda kommandot Remote-Containers: **Clone Repository in Container Volume...** för att klona kÀllkoden i en Docker-volym istÀllet för det lokala filsystemet. [Volymer](https://docs.docker.com/storage/volumes/) Àr den föredragna mekanismen för att bevara containerdata.
Eller öppna en lokalt klonad eller nedladdad version av repot:
Eller öppna en lokalt klonad eller nedladdad version av repositoryt:
- Klona detta repo till ditt lokala filsystem.
- Klona detta repository till ditt lokala filsystem.
- Tryck pÄ F1 och vÀlj kommandot **Remote-Containers: Open Folder in Container...**.
- VÀlj den klonade kopian av denna mapp, vÀnta tills containern startar och testa saker.
- VÀlj den klonade kopian av denna mapp, vÀnta pÄ att containern startar och testa saker.
## OfflineÄtkomst
Du kan köra denna dokumentation offline med hjÀlp av [Docsify](https://docsify.js.org/#/). Forka detta repo, [installera Docsify](https://docsify.js.org/#/quickstart) pÄ din lokala dator, och skriv sedan `docsify serve` i rotmappen av detta repo. Webbplatsen kommer att köras pÄ port 3000 pÄ din localhost: `localhost:3000`.
> Obs, notebooks kommer inte att renderas via Docsify, sÄ nÀr du behöver köra en notebook, gör det separat i VS Code med en Python-kÀrna.
## HjÀlp önskas!
Du kan köra denna dokumentation offline med [Docsify](https://docsify.js.org/#/). Forka detta repo, [installera Docsify](https://docsify.js.org/#/quickstart) pÄ din lokala dator, och i root-mappen av detta repo, skriv `docsify serve`. Webbplatsen kommer att köras pÄ port 3000 pÄ din localhost: `localhost:3000`.
Om du vill översĂ€tta hela eller delar av kursplanen, följ vĂ„r [ĂversĂ€ttningsguide](TRANSLATIONS.md).
> Notera, notebooks kommer inte att renderas via Docsify, sÄ nÀr du behöver köra en notebook, gör det separat i VS Code med en Python-kÀrna.
## Andra kursplaner
## Andra LĂ€roplaner
VĂ„rt team producerar andra kursplaner! Kolla in:
VÄrt team producerar andra lÀroplaner! Kolla in:
- [Generativ AI för nybörjare](https://aka.ms/genai-beginners)
- [Generativ AI för nybörjare .NET](https://github.com/microsoft/Generative-AI-for-beginners-dotnet)
- [Generativ AI för Nybörjare](https://aka.ms/genai-beginners)
- [Generativ AI för Nybörjare .NET](https://github.com/microsoft/Generative-AI-for-beginners-dotnet)
- [Generativ AI med JavaScript](https://github.com/microsoft/generative-ai-with-javascript)
- [Generativ AI med Java](https://aka.ms/genaijava)
- [VĂ€lj ditt eget Copilot-Ă€ventyr](https://github.com/microsoft/CopilotAdventures)
- [VĂ€lj Din Egen Copilot-Ăventyr](https://github.com/microsoft/CopilotAdventures)
---
**Ansvarsfriskrivning**:
Detta dokument har översatts med hjĂ€lp av AI-översĂ€ttningstjĂ€nsten [Co-op Translator](https://github.com/Azure/co-op-translator). Ăven om vi strĂ€var efter noggrannhet, bör du vara medveten om att automatiska översĂ€ttningar kan innehĂ„lla fel eller felaktigheter. Det ursprungliga dokumentet pĂ„ dess originalsprĂ„k bör betraktas som den auktoritativa kĂ€llan. För kritisk information rekommenderas professionell mĂ€nsklig översĂ€ttning. Vi ansvarar inte för eventuella missförstĂ„nd eller feltolkningar som uppstĂ„r vid anvĂ€ndning av denna översĂ€ttning.
Detta dokument har översatts med hjĂ€lp av AI-översĂ€ttningstjĂ€nsten [Co-op Translator](https://github.com/Azure/co-op-translator). Ăven om vi strĂ€var efter noggrannhet, vĂ€nligen notera att automatiska översĂ€ttningar kan innehĂ„lla fel eller felaktigheter. Det ursprungliga dokumentet pĂ„ dess originalsprĂ„k bör betraktas som den auktoritativa kĂ€llan. För kritisk information rekommenderas professionell mĂ€nsklig översĂ€ttning. Vi ansvarar inte för eventuella missförstĂ„nd eller feltolkningar som uppstĂ„r vid anvĂ€ndning av denna översĂ€ttning.
leestott
3 weeks ago
committed by
GitHub