From b2fc407aab60fe4749f5395ab29423c55b49f8e8 Mon Sep 17 00:00:00 2001 From: leestott Date: Thu, 28 Aug 2025 14:53:09 +0000 Subject: [PATCH] =?UTF-8?q?=F0=9F=8C=90=20Update=20translations=20via=20Co?= =?UTF-8?q?-op=20Translator?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- translations/da/README.md | 129 ++++++++++++++++----------------- translations/no/README.md | 117 ++++++++++++++---------------- translations/sv/README.md | 145 ++++++++++++++++++-------------------- 3 files changed, 182 insertions(+), 209 deletions(-) diff --git a/translations/da/README.md b/translations/da/README.md index e2b5d5b8..6cfc242e 100644 --- a/translations/da/README.md +++ b/translations/da/README.md @@ -1,82 +1,77 @@ # Data Science for Begyndere - Et Curriculum -Azure Cloud Advocates hos Microsoft er glade for at tilbyde et 10-ugers, 20-lektioners curriculum om Data Science. Hver lektion inkluderer quizzer før og efter lektionen, skriftlige instruktioner til at gennemføre lektionen, en løsning og en opgave. Vores projektbaserede tilgang giver dig mulighed for at lære ved at bygge, en dokumenteret metode til at få nye færdigheder 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 før og efter lektionen, skriftlige instruktioner til at gennemføre lektionen, en løsning og en opgave. Vores projektbaserede tilgang giver dig mulighed for at lære ved at bygge, en dokumenteret metode til at få nye færdigheder til at hænge fast. **Stor 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), [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 af (@sketchthedocs) https://sketchthedocs.dev](../../translated_images/00-Title.8af36cd35da1ac555b678627fbdc6e320c75f0100876ea41d30ea205d3b08d22.da.png)| +|![Sketchnote af @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Title.8af36cd35da1ac555b678627fbdc6e320c75f0100876ea41d30ea205d3b08d22.da.png)| |:---:| -| 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! +### 🌐 Flersproget Support -Vi har netop udgivet et 12-lektioners curriculum om generativ AI. Lær om ting som: +#### Understøttet via GitHub Action (Automatisk & Altid Opdateret) -- promptning og prompt engineering -- tekst- og billedapp-generering -- søgeapps +[Fransk](../fr/README.md) | [Spansk](../es/README.md) | [Tysk](../de/README.md) | [Russisk](../ru/README.md) | [Arabisk](../ar/README.md) | [Persisk (Farsi)](../fa/README.md) | [Urdu](../ur/README.md) | [Kinesisk (Forenklet)](../zh/README.md) | [Kinesisk (Traditionelt, Macau)](../mo/README.md) | [Kinesisk (Traditionelt, Hong Kong)](../hk/README.md) | [Kinesisk (Traditionelt, Taiwan)](../tw/README.md) | [Japansk](../ja/README.md) | [Koreansk](../ko/README.md) | [Hindi](../hi/README.md) | [Bengali](../bn/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Portugisisk (Portugal)](../pt/README.md) | [Portugisisk (Brasilien)](../br/README.md) | [Italiensk](../it/README.md) | [Polsk](../pl/README.md) | [Tyrkisk](../tr/README.md) | [Græsk](../el/README.md) | [Thai](../th/README.md) | [Svensk](../sv/README.md) | [Dansk](./README.md) | [Norsk](../no/README.md) | [Finsk](../fi/README.md) | [Hollandsk](../nl/README.md) | [Hebraisk](../he/README.md) | [Vietnamesisk](../vi/README.md) | [Indonesisk](../id/README.md) | [Malay](../ms/README.md) | [Tagalog (Filippinsk)](../tl/README.md) | [Swahili](../sw/README.md) | [Ungarsk](../hu/README.md) | [Tjekkisk](../cs/README.md) | [Slovakisk](../sk/README.md) | [Rumænsk](../ro/README.md) | [Bulgarsk](../bg/README.md) | [Serbisk (Kyrillisk)](../sr/README.md) | [Kroatisk](../hr/README.md) | [Slovensk](../sl/README.md) | [Ukrainsk](../uk/README.md) | [Burmesisk (Myanmar)](../my/README.md) -Som altid er der en lektion, opgaver at fuldføre, videnstjek og udfordringer. +**Hvis du ønsker yderligere oversættelser, er understøttede 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 fællesskab +[![Azure AI Discord](https://dcbadge.limes.pink/api/server/kzRShWzttr)](https://discord.gg/kzRShWzttr) # Er du studerende? 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 ressourcer for begyndere, studentpakker og endda måder at få en gratis certifikatvoucher. Dette er en side, du bør bogmærke og tjekke fra tid til anden, da vi skifter indhold mindst månedligt. +- [Student Hub side](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) På denne side finder du ressourcer for begyndere, studentpakker og endda måder at få en gratis certifikatvoucher. Dette er en side, du bør bogmærke og tjekke fra tid til anden, da vi skifter indhold mindst månedligt. - [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Bliv en del af et globalt fællesskab af studentambassadører, dette kunne være din vej ind i Microsoft. -# Kom godt i gang +# Kom i gang > **Lærere**: vi har [inkluderet nogle forslag](for-teachers.md) til, hvordan man bruger dette curriculum. Vi vil meget gerne høre din feedback [i vores diskussionsforum](https://github.com/microsoft/Data-Science-For-Beginners/discussions)! -> **[Studerende](https://aka.ms/student-page)**: for at bruge dette curriculum på egen hånd, fork hele repoen og fuldfør øvelserne selv, startende med en quiz før lektionen. Læs derefter lektionen 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 kunne være at danne en studiegruppe med venner og gennemgå indholdet sammen. For yderligere studier anbefaler vi [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum). +> **[Studerende](https://aka.ms/student-page)**: for at bruge dette curriculum på egen hånd, fork hele repoen og gennemfør øvelserne selv, startende med en quiz før lektionen. Læs derefter lektionen 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 kunne være at danne en studiegruppe med venner og gennemgå indholdet sammen. For yderligere studier anbefaler vi [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum). -## Mød teamet +## Mød Teamet [![Promo video](../../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 folkene, der skabte det! +> 🎥 Klik på billedet ovenfor for en video om projektet og de folk, der skabte det! ## Pædagogik Vi har valgt to pædagogiske 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 lært grundlæggende principper for data science, herunder etiske begreber, dataklargøring, forskellige måder at arbejde med data på, datavisualisering, dataanalyse, virkelige anvendelser af data science og mere. Derudover sætter en lav-stress quiz før en klasse intentionen hos den studerende mod at lære et emne, mens en anden quiz efter klassen sikrer yderligere fastholdelse. Dette curriculum er designet til at være fleksibelt og sjovt og kan tages i sin helhed eller delvist. Projekterne starter små 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 værdsætter din konstruktive feedback! ## Hver lektion inkluderer: - Valgfri sketchnote - Valgfri supplerende video -- Quiz før lektionen +- Opvarmningsquiz før 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 læsning - 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 spørgsmål hver. De er linket fra lektionerne, men quiz-appen kan køres lokalt eller implementeres på Azure; følg 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 spørgsmål hver. De er linket fra lektionerne, men quiz-appen kan køres lokalt eller implementeres på Azure; følg instruktionerne i `quiz-app`-mappen. De bliver gradvist lokaliseret. ## Lektioner @@ -86,77 +81,73 @@ Derudover sætter en lav-stress quiz før en klasse intentionen hos den studeren | Lektion Nummer | Emne | Lektion Gruppe | Læringsmål | Linket Lektion | Forfatter | | :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: | -| 01 | Definere Data Science | [Introduktion](1-Introduction/README.md) | Lær de grundlæggende begreber bag data science og hvordan det er relateret 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) | 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 forstå 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 (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 grundlæggende 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) | Lær de grundlæggende begreber bag data science, 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) | 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 forstå 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 (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, 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 for at håndtere udfordringer med 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 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 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 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 første trin med at indsamle 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 af 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 af data science-livscyklussen 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 | 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) | 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 | [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 | Dataklargøring | [Arbejde Med Data](2-Working-With-Data/README.md) | Emner om datateknikker til rengøring og transformation af data for at håndtere udfordringer med 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 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 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 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 første trin med at indsamle 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 af data science 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 data science 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 | 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) | 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 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 Følg disse trin for at åbne dette eksempel i en Codespace: -1. Klik på Code-rullemenuen og vælg Open with Codespaces. +1. Klik på Code-dropdownmenuen, og vælg Open with Codespaces. 2. Vælg + 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 Følg disse trin for at åbne dette repo i en container ved hjælp 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 (f.eks. have Docker installeret) i [kom godt i gang-dokumentationen](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started). +1. Hvis det er første gang, du bruger en udviklingscontainer, skal du sikre dig, at dit system opfylder forudsætningerne (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 åbne det i et isoleret Docker-volumen: -**Bemærk**: 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. +**Bemærk**: 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 åbne en lokalt klonet eller downloadet version af repositoryet: - Klon dette repository til dit lokale filsystem. -- Tryk på F1 og vælg **Remote-Containers: Open Folder in Container...**-kommandoen. +- Tryk på F1, og vælg **Remote-Containers: Open Folder in Container...**-kommandoen. - Vælg den klonede kopi af denne mappe, vent på, at containeren starter, og prøv tingene af. ## Offline adgang -Du kan køre denne dokumentation offline ved hjælp af [Docsify](https://docsify.js.org/#/). Fork dette repo, [installer Docsify](https://docsify.js.org/#/quickstart) på din lokale maskine, og skriv derefter `docsify serve` i roden af dette repo. Hjemmesiden vil blive serveret på port 3000 på din localhost: `localhost:3000`. +Du kan køre denne dokumentation offline ved hjælp af [Docsify](https://docsify.js.org/#/). Fork dette repo, [installer Docsify](https://docsify.js.org/#/quickstart) på din lokale maskine, og skriv derefter `docsify serve` i rodmappen af dette repo. Hjemmesiden vil blive serveret på port 3000 på din localhost: `localhost:3000`. > Bemærk, notebooks vil ikke blive gengivet via Docsify, så når du skal køre en notebook, skal du gøre det separat i VS Code med en Python-kernel. -## Hjælp ønskes! - -Hvis du ønsker at oversætte hele eller dele af pensum, så følg vores [Translations](TRANSLATIONS.md)-vejledning. - -## Andre pensum +## Andre Læseplaner -Vores team producerer andre pensum! Tjek: +Vores team producerer andre læseplaner! 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) -- [Vælg 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) +- [Vælg Dit Eget Copilot Eventyr](https://github.com/microsoft/CopilotAdventures) --- diff --git a/translations/no/README.md b/translations/no/README.md index 95bdac9a..e45bf9a5 100644 --- a/translations/no/README.md +++ b/translations/no/README.md @@ -1,8 +1,8 @@ -# Data Science för Nybörjare - En Läroplan +# Data Science för Nybörjare - En Kursplan -Azure Cloud Advocates på Microsoft är glada att erbjuda en 10-veckors, 20-lektions läroplan om Data Science. Varje lektion innehåller förberedande och avslutande quiz, skriftliga instruktioner för att genomföra lektionen, en lösning och en uppgift. Vår projektbaserade pedagogik låter dig lära dig genom att skapa, vilket är en beprövad metod för att få nya färdigheter att fastna. +Azure Cloud Advocates på Microsoft är glada att erbjuda en 10-veckors, 20-lektions kursplan om Data Science. Varje lektion innehåller quiz före och efter lektionen, skriftliga instruktioner för att genomföra lektionen, en lösning och en uppgift. Vår projektbaserade pedagogik låter dig lära dig genom att skapa, en beprövad metod för att få nya färdigheter att fastna. **Stort tack till våra författare:** [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). **🙏 Speciellt tack 🙏 till våra [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/) författare, granskare och innehållsbidragare,** särskilt 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 av (@sketchthedocs) https://sketchthedocs.dev](../../translated_images/00-Title.8af36cd35da1ac555b678627fbdc6e320c75f0100876ea41d30ea205d3b08d22.sv.png)| +|![Sketchnote av @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Title.8af36cd35da1ac555b678627fbdc6e320c75f0100876ea41d30ea205d3b08d22.sv.png)| |:---:| | Data Science för Nybörjare - _Sketchnote av [@nitya](https://twitter.com/nitya)_ | -## Meddelande - Ny Läroplan om Generativ AI har precis släppts! +### 🌐 Stöd för flera språk -Vi har precis släppt en 12-lektions läroplan om generativ AI. Lär dig saker som: +#### Stöds via GitHub Action (Automatiserat & Alltid Uppdaterat) -- promptning och promptteknik -- text- och bildappsgenerering -- sökappar +[Franska](../fr/README.md) | [Spanska](../es/README.md) | [Tyska](../de/README.md) | [Ryska](../ru/README.md) | [Arabiska](../ar/README.md) | [Persiska (Farsi)](../fa/README.md) | [Urdu](../ur/README.md) | [Kinesiska (Förenklad)](../zh/README.md) | [Kinesiska (Traditionell, Macau)](../mo/README.md) | [Kinesiska (Traditionell, Hong Kong)](../hk/README.md) | [Kinesiska (Traditionell, Taiwan)](../tw/README.md) | [Japanska](../ja/README.md) | [Koreanska](../ko/README.md) | [Hindi](../hi/README.md) | [Bengali](../bn/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Portugisiska (Portugal)](../pt/README.md) | [Portugisiska (Brasilien)](../br/README.md) | [Italienska](../it/README.md) | [Polska](../pl/README.md) | [Turkiska](../tr/README.md) | [Grekiska](../el/README.md) | [Thailändska](../th/README.md) | [Svenska](./README.md) | [Danska](../da/README.md) | [Norska](../no/README.md) | [Finska](../fi/README.md) | [Holländska](../nl/README.md) | [Hebreiska](../he/README.md) | [Vietnamesiska](../vi/README.md) | [Indonesiska](../id/README.md) | [Malajiska](../ms/README.md) | [Tagalog (Filippinska)](../tl/README.md) | [Swahili](../sw/README.md) | [Ungerska](../hu/README.md) | [Tjeckiska](../cs/README.md) | [Slovakiska](../sk/README.md) | [Rumänska](../ro/README.md) | [Bulgariska](../bg/README.md) | [Serbiska (Kyrilliska)](../sr/README.md) | [Kroatiska](../hr/README.md) | [Slovenska](../sl/README.md) | [Ukrainska](../uk/README.md) | [Burmesiska (Myanmar)](../my/README.md) -Som vanligt finns det lektioner, uppgifter att slutföra, kunskapskontroller och utmaningar. +**Om du vill ha ytterligare översättningar, finns stödda språk listade [här](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** -Kolla in det: - -> https://aka.ms/genai-beginners +#### Gå med i vår community +[![Azure AI Discord](https://dcbadge.limes.pink/api/server/kzRShWzttr)](https://discord.gg/kzRShWzttr) # Är du student? Kom igång med följande resurser: -- [Student Hub-sida](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) På denna sida hittar du resurser för nybörjare, studentpaket och till och med sätt att få en gratis certifikatvoucher. Detta är en sida du vill bokmärka och kolla regelbundet eftersom vi byter ut innehåll minst en gång i månaden. -- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Gå med i en global gemenskap av studentambassadörer, detta kan vara din väg in i Microsoft. +- [Student Hub-sida](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) På denna sida hittar du resurser för nybörjare, studentpaket och till och med sätt att få en gratis certifikatkupong. Detta är en sida du vill bokmärka och kolla regelbundet eftersom vi byter ut innehåll minst en gång i månaden. +- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Gå med i en global community av studentambassadörer, detta kan vara din väg in i Microsoft. # Kom igång -> **Lärare**: vi har [inkluderat några förslag](for-teachers.md) på hur man använder denna läroplan. Vi skulle uppskatta din feedback [i vårt diskussionsforum](https://github.com/microsoft/Data-Science-For-Beginners/discussions)! +> **Lärare**: vi har [inkluderat några förslag](for-teachers.md) på hur man använder denna kursplan. Vi skulle gärna vilja ha din feedback [i vårt diskussionsforum](https://github.com/microsoft/Data-Science-For-Beginners/discussions)! -> **[Studenter](https://aka.ms/student-page)**: för att använda denna läroplan på egen hand, fork hela repot och slutför övningarna själv, börja med ett quiz före lektionen. Läs sedan lektionen och slutför resten av aktiviteterna. Försök att skapa projekten genom att förstå lektionerna snarare än att kopiera lösningskoden; dock finns den koden tillgänglig i /solutions-mapparna i varje projektorienterad lektion. Ett annat förslag är att bilda en studiegrupp med vänner och gå igenom innehållet 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 använda denna kursplan på egen hand, fork hela repot och genomför övningarna själv, börja med ett quiz före lektionen. Läs sedan lektionen och genomför resten av aktiviteterna. Försök att skapa projekten genom att förstå lektionerna snarare än att kopiera lösningskoden; dock finns den koden tillgänglig i /solutions-mapparna i varje projektorienterad lektion. Ett annat förslag är att bilda en studiegrupp med vänner och gå igenom innehållet 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). ## Möt Teamet -[![Promovideo](../../ds-for-beginners.gif)](https://youtu.be/8mzavjQSMM4 "Promovideo") +[![Promo video](../../ds-for-beginners.gif)](https://youtu.be/8mzavjQSMM4 "Promo video") **Gif av** [Mohit Jaisal](https://www.linkedin.com/in/mohitjaisal) @@ -57,108 +54,102 @@ Kom igång med följande resurser: ## Pedagogik -Vi har valt två pedagogiska principer när vi byggde denna läroplan: att säkerställa att den är projektbaserad och att den innehåller frekventa quiz. Vid slutet av denna serie kommer studenter att ha lärt sig grundläggande principer inom data science, inklusive etiska koncept, databeredning, olika sätt att arbeta med data, datavisualisering, dataanalys, verkliga användningsfall av data science och mer. - -Dessutom sätter ett låginsatsquiz före en klass studentens intention mot att lära sig ett ämne, medan ett andra quiz efter klassen säkerställer ytterligare retention. Denna läroplan är designad för att vara flexibel och rolig och kan tas i sin helhet eller delvis. Projekten börjar små och blir alltmer komplexa vid slutet av den 10-veckors cykeln. - -> Hitta vår [Uppförandekod](CODE_OF_CONDUCT.md), [Bidragsriktlinjer](CONTRIBUTING.md), [Översättningsriktlinjer](TRANSLATIONS.md). Vi välkomnar din konstruktiva feedback! +Vi har valt två pedagogiska principer när vi byggde denna kursplan: att säkerställa att den är projektbaserad och att den innehåller frekventa quiz. Vid slutet av denna serie kommer studenter att ha lärt sig grundläggande principer inom data science, inklusive etiska koncept, databeredning, olika sätt att arbeta med data, datavisualisering, dataanalys, verkliga användningsområden för data science och mer. +Dessutom sätter ett quiz med låg insats före en klass studentens intention mot att lära sig ett ämne, medan ett andra quiz efter klassen säkerställer ytterligare retention. Denna kursplan är designad för att vara flexibel och rolig och kan tas i sin helhet eller delvis. Projekten börjar små och blir alltmer komplexa mot slutet av den 10-veckors cykeln. +> Hitta vår [Uppförandekod](CODE_OF_CONDUCT.md), [Bidragande](CONTRIBUTING.md), [Översättnings](TRANSLATIONS.md) riktlinjer. Vi välkomnar din konstruktiva feedback! ## Varje lektion innehåller: - Valfri sketchnote - Valfri kompletterande video -- Förberedande quiz -- Skriftlig lektion -- För projektbaserade lektioner, steg-för-steg-guider om hur man bygger projektet +- Uppvärmningsquiz före lektionen +- Skriven lektion +- För projektbaserade lektioner, steg-för-steg-guider för att bygga projektet - Kunskapskontroller - En utmaning - Kompletterande läsning - 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 frågor vardera. De är länkade från 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 frågor vardera. De är länkade från lektionerna, men quiz-appen kan köras lokalt eller distribueras till Azure; följ instruktionerna i mappen `quiz-app`. De lokaliseras gradvis. ## Lektioner |![ Sketchnote av [(@sketchthedocs)](https://sketchthedocs.dev) ](./sketchnotes/00-Roadmap.png)| |:---:| -| Data Science för Nybörjare: Vägkarta - _Sketchnote av [@nitya](https://twitter.com/nitya)_ | +| Data Science för nybörjare: Vägkarta - _Sketchnote av [@nitya](https://twitter.com/nitya)_ | -| Lektionsnummer | Ämne | Lektionsgruppering | Lärandemål | Länkad lektion | Författare | +| Lektion Nummer | Ämne | Lektion Grupp | Lärandemål | Länkad Lektion | Författare | | :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: | -| 01 | Definiera Data Science | [Introduktion](1-Introduction/README.md) | Lär dig de grundläggande koncepten bakom data science och hur det är relaterat till artificiell intelligens, maskininlärning 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) | Lär dig de grundläggande begreppen bakom data science och hur det är relaterat till artificiell intelligens, maskininlärning 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 källor. | [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 förstå 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, även känt som SQL (uttalas “see-quell”). | [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 förstå 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, även känt 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 använda Python för datautforskning med bibliotek som Pandas. Grundläggande förståelse 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) | Ämnen om datatekniker för att rengöra och transformera data för att hantera utmaningar med saknad, felaktig eller ofullständig data. | [lektion](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | -| 09 | Visualisera mängder | [Datavisualisering](3-Data-Visualization/README.md) | Lär dig använda Matplotlib för att visualisera fågeldata 🦆 | [lektion](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) | -| 10 | Visualisera datadistributioner | [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) | -| 11 | Visualisera proportioner | [Datavisualisering](3-Data-Visualization/README.md) | Visualisera diskreta och grupperade procentandelar. | [lektion](3-Data-Visualization/11-visualization-proportions/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 vägledning för att göra dina visualiseringar värdefulla 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 på 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 på att presentera insikter från data på ett sätt som gör det enklare för beslutsfattare att förstå. | [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) | Träna modeller med hjälp 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 världen. | [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) | Ämnen om datatekniker för att rengöra och transformera data för att hantera utmaningar med saknad, felaktig eller ofullständig 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) | Lär dig hur du använder Matplotlib för att visualisera fågeldata 🦆 | [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) | +| 11 | Visualisera Proportioner | [Datavisualisering](3-Data-Visualization/README.md) | Visualisera diskreta och grupperade procentandelar. | [lektion](3-Data-Visualization/11-visualization-proportions/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 vägledning för att göra dina visualiseringar värdefulla 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 på 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 på att presentera insikter från data på ett sätt som gör det lättare för beslutsfattare att förstå. | [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) | Träna 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 världen. | [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 på rullgardinsmenyn "Code" och välj alternativet "Open with Codespaces". -2. Välj + Ny codespace längst ner i panelen. +1. Klicka på rullgardinsmenyn Code och välj alternativet Open with Codespaces. +2. Välj + New codespace längst 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 hjälp av tillägget VS Code Remote - Containers: +Följ dessa steg för att öppna detta repo i en container med din lokala dator och VSCode med tillägget VS Code Remote - Containers: -1. Om det är första gången du använder en utvecklingscontainer, se till att ditt system uppfyller förkraven (t.ex. att Docker är installerat) i [dokumentationen för att komma igång](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started). +1. Om detta är första gången du använder en utvecklingscontainer, se till att ditt system uppfyller förkraven (dvs. har Docker installerat) i [dokumentationen för att komma igång](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started). -För att använda detta repo kan du antingen öppna det i en isolerad Docker-volym: +För att använda detta repository kan du antingen öppna det i en isolerad Docker-volym: -**Obs**: Under huven kommer detta att använda kommandot Remote-Containers: **Clone Repository in Container Volume...** för att klona källkoden i en Docker-volym istället för det lokala filsystemet. [Volymer](https://docs.docker.com/storage/volumes/) är den föredragna mekanismen för att bevara containerdata. +**Notering**: Under huven kommer detta att använda kommandot Remote-Containers: **Clone Repository in Container Volume...** för att klona källkoden i en Docker-volym istället för det lokala filsystemet. [Volymer](https://docs.docker.com/storage/volumes/) är 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 på F1 och välj kommandot **Remote-Containers: Open Folder in Container...**. -- Välj den klonade kopian av denna mapp, vänta tills containern startar och testa saker. +- Välj den klonade kopian av denna mapp, vänta på att containern startar och testa saker. ## Offlineåtkomst -Du kan köra denna dokumentation offline med hjälp av [Docsify](https://docsify.js.org/#/). Forka detta repo, [installera Docsify](https://docsify.js.org/#/quickstart) på din lokala dator, och skriv sedan `docsify serve` i rotmappen av detta repo. Webbplatsen kommer att köras på port 3000 på din localhost: `localhost:3000`. - -> Obs, notebooks kommer inte att renderas via Docsify, så när du behöver köra en notebook, gör det separat i VS Code med en Python-kärna. - -## Hjälp önskas! +Du kan köra denna dokumentation offline med [Docsify](https://docsify.js.org/#/). Forka detta repo, [installera Docsify](https://docsify.js.org/#/quickstart) på din lokala dator, och i root-mappen av detta repo, skriv `docsify serve`. Webbplatsen kommer att köras på port 3000 på din localhost: `localhost:3000`. -Om du vill översätta hela eller delar av kursplanen, följ vår [Översättningsguide](TRANSLATIONS.md). +> Notera, notebooks kommer inte att renderas via Docsify, så när du behöver köra en notebook, gör det separat i VS Code med en Python-kärna. -## Andra kursplaner +## Andra Läroplaner -Vårt team producerar andra kursplaner! Kolla in: +Vårt team producerar andra läroplaner! 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) -- [AI för nybörjare](https://aka.ms/ai-beginners) -- [Datavetenskap för nybörjare](https://aka.ms/datascience-beginners) -- [ML för nybörjare](https://aka.ms/ml-beginners) -- [Cybersäkerhet för nybörjare](https://github.com/microsoft/Security-101) -- [Webbutveckling för nybörjare](https://aka.ms/webdev-beginners) -- [IoT för nybörjare](https://aka.ms/iot-beginners) -- [XR-utveckling för nybörjare](https://github.com/microsoft/xr-development-for-beginners) -- [Bemästra GitHub Copilot för parprogrammering](https://github.com/microsoft/Mastering-GitHub-Copilot-for-Paired-Programming) +- [AI för Nybörjare](https://aka.ms/ai-beginners) +- [Data Science för Nybörjare](https://aka.ms/datascience-beginners) +- [ML för Nybörjare](https://aka.ms/ml-beginners) +- [Cybersäkerhet för Nybörjare](https://github.com/microsoft/Security-101) +- [Webbutveckling för Nybörjare](https://aka.ms/webdev-beginners) +- [IoT för Nybörjare](https://aka.ms/iot-beginners) +- [XR-utveckling för Nybörjare](https://github.com/microsoft/xr-development-for-beginners) +- [Bemästra GitHub Copilot för Parprogrammering](https://github.com/microsoft/Mastering-GitHub-Copilot-for-Paired-Programming) - [Bemästra GitHub Copilot för C#/.NET-utvecklare](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers) -- [Välj ditt eget Copilot-äventyr](https://github.com/microsoft/CopilotAdventures) +- [Välj Din Egen Copilot-Äventyr](https://github.com/microsoft/CopilotAdventures) --- **Ansvarsfriskrivning**: -Detta dokument har översatts med hjälp av AI-översättningstjänsten [Co-op Translator](https://github.com/Azure/co-op-translator). Även om vi strävar efter noggrannhet, bör du vara medveten om att automatiska översättningar kan innehålla fel eller felaktigheter. Det ursprungliga dokumentet på dess originalspråk bör betraktas som den auktoritativa källan. För kritisk information rekommenderas professionell mänsklig översättning. Vi ansvarar inte för eventuella missförstånd eller feltolkningar som uppstår vid användning av denna översättning. \ No newline at end of file +Detta dokument har översatts med hjälp av AI-översättningstjänsten [Co-op Translator](https://github.com/Azure/co-op-translator). Även om vi strävar efter noggrannhet, vänligen notera att automatiska översättningar kan innehålla fel eller felaktigheter. Det ursprungliga dokumentet på dess originalspråk bör betraktas som den auktoritativa källan. För kritisk information rekommenderas professionell mänsklig översättning. Vi ansvarar inte för eventuella missförstånd eller feltolkningar som uppstår vid användning av denna översättning. \ No newline at end of file