diff --git a/translations/da/.co-op-translator.json b/translations/da/.co-op-translator.json index 649cb37d..1ef2a8d5 100644 --- a/translations/da/.co-op-translator.json +++ b/translations/da/.co-op-translator.json @@ -360,8 +360,8 @@ "language_code": "da" }, "README.md": { - "original_hash": "8ec92ecfeb14923af733851239552146", - "translation_date": "2026-01-30T01:56:40+00:00", + "original_hash": "9204a2806964384a56f5cb0f22bbe953", + "translation_date": "2026-02-06T08:23:33+00:00", "source_file": "README.md", "language_code": "da" }, diff --git a/translations/da/README.md b/translations/da/README.md index 70a623be..017e70d5 100644 --- a/translations/da/README.md +++ b/translations/da/README.md @@ -1,4 +1,4 @@ -# Data Science for Beginners - Et Læreplan +# Data Science for Beginners - En Læreplan [![Open in GitHub Codespaces](https://github.com/codespaces/badge.svg)](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198) @@ -17,18 +17,18 @@ [![Microsoft Foundry Developer Forum](https://img.shields.io/badge/GitHub-Microsoft_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) -Azure Cloud Advocates hos Microsoft er glade for at tilbyde en 10-ugers, 20-lektions læreplan, der handler om Data Science. Hver lektion inkluderer quizzer før og efter lektionen, skriftlige instruktioner til at gennemføre lektionen, en løsning og en opgave. Vores projektbaserede pædagogik giver dig mulighed for at lære, mens du bygger, en bevist 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 pensum, der handler om Data Science. Hver lektion inkluderer quizzer før og efter lektionen, skriftlige instruktioner til at gennemføre lektionen, en løsning og en opgave. Vores projektbaserede pædagogik giver dig mulighed for at lære, mens du bygger, en bevist metode til at lade nye færdigheder 'sætte sig fast'. -**Hjertelig tak til vores forfattere:** [Jasmine Greenaway](https://www.twitter.com/paladique), [Dmitry Soshnikov](http://soshnikov.com), [Nitya Narasimhan](https://twitter.com/nitya), [Jalen McGee](https://twitter.com/JalenMcG), [Jen Looper](https://twitter.com/jenlooper), [Maud Levy](https://twitter.com/maudstweets), [Tiffany Souterre](https://twitter.com/TiffanySouterre), [Christopher Harrison](https://www.twitter.com/geektrainer). +**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). -**🙏 Særlige tak 🙏 til vores [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/) forfattere, anmeldere og indholdsleverandører,** især Aaryan Arora, [Aditya Garg](https://github.com/AdityaGarg00), [Alondra Sanchez](https://www.linkedin.com/in/alondra-sanchez-molina/), [Ankita Singh](https://www.linkedin.com/in/ankitasingh007), [Anupam Mishra](https://www.linkedin.com/in/anupam--mishra/), [Arpita Das](https://www.linkedin.com/in/arpitadas01/), ChhailBihari Dubey, [Dibri Nsofor](https://www.linkedin.com/in/dibrinsofor), [Dishita Bhasin](https://www.linkedin.com/in/dishita-bhasin-7065281bb), [Majd Safi](https://www.linkedin.com/in/majd-s/), [Max Blum](https://www.linkedin.com/in/max-blum-6036a1186/), [Miguel Correa](https://www.linkedin.com/in/miguelmque/), [Mohamma Iftekher (Iftu) Ebne Jalal](https://twitter.com/iftu119), [Nawrin Tabassum](https://www.linkedin.com/in/nawrin-tabassum), [Raymond Wangsa Putra](https://www.linkedin.com/in/raymond-wp/), [Rohit Yadav](https://www.linkedin.com/in/rty2423), Samridhi Sharma, [Sanya Sinha](https://www.linkedin.com/mwlite/in/sanya-sinha-13aab1200), +**🙏 Særlige tak 🙏 til vores [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/) forfattere, anmeldere og indholdsbidragydere,** især Aaryan Arora, [Aditya Garg](https://github.com/AdityaGarg00), [Alondra Sanchez](https://www.linkedin.com/in/alondra-sanchez-molina/), [Ankita Singh](https://www.linkedin.com/in/ankitasingh007), [Anupam Mishra](https://www.linkedin.com/in/anupam--mishra/), [Arpita Das](https://www.linkedin.com/in/arpitadas01/), ChhailBihari Dubey, [Dibri Nsofor](https://www.linkedin.com/in/dibrinsofor), [Dishita Bhasin](https://www.linkedin.com/in/dishita-bhasin-7065281bb), [Majd Safi](https://www.linkedin.com/in/majd-s/), [Max Blum](https://www.linkedin.com/in/max-blum-6036a1186/), [Miguel Correa](https://www.linkedin.com/in/miguelmque/), [Mohamma Iftekher (Iftu) Ebne Jalal](https://twitter.com/iftu119), [Nawrin Tabassum](https://www.linkedin.com/in/nawrin-tabassum), [Raymond Wangsa Putra](https://www.linkedin.com/in/raymond-wp/), [Rohit Yadav](https://www.linkedin.com/in/rty2423), Samridhi Sharma, [Sanya Sinha](https://www.linkedin.com/mwlite/in/sanya-sinha-13aab1200), [Sheena Narula](https://www.linkedin.com/in/sheena-narua-n/), [Tauqeer Ahmad](https://www.linkedin.com/in/tauqeerahmad5201/), Yogendrasingh Pawar , [Vidushi Gupta](https://www.linkedin.com/in/vidushi-gupta07/), [Jasleen Sondhi](https://www.linkedin.com/in/jasleen-sondhi/) |![Sketchnote by @sketchthedocs https://sketchthedocs.dev](../../translated_images/da/00-Title.8af36cd35da1ac55.webp)| |:---:| | Data Science For Beginners - _Sketchnote af [@nitya](https://twitter.com/nitya)_ | -### 🌐 Flere Sprog Understøttelse +### 🌐 Flere Sprogunderstøttelse #### Understøttet via GitHub Action (Automatiseret & Altid Opdateret) @@ -37,7 +37,7 @@ Azure Cloud Advocates hos Microsoft er glade for at tilbyde en 10-ugers, 20-lekt > **Foretrækker du at klone lokalt?** -> Dette repository inkluderer mere end 50 sprogoversættelser, som øger downloadstørrelsen betydeligt. For at klone uden oversættelser, brug sparse checkout: +> Dette repository inkluderer 50+ sprogoversættelser, hvilket øger størrelsen markant ved download. For at klone uden oversættelser, brug sparse checkout: > ```bash > git clone --filter=blob:none --sparse https://github.com/microsoft/Data-Science-For-Beginners.git > cd Data-Science-For-Beginners @@ -46,12 +46,12 @@ Azure Cloud Advocates hos Microsoft er glade for at tilbyde en 10-ugers, 20-lekt > Dette giver dig alt, hvad du behøver for at gennemføre kurset med en meget hurtigere download. -**Hvis du ønsker at få yderligere oversættelsessprog understøttet, er de opført [her](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** +**Hvis du ønsker yderligere understøttede oversættelsessprog, er de listet [her](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** -#### Deltag i vores fællesskab +#### Deltag i vores fællesskab [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -Vi har en igangværende Discord lær med AI serie, lær mere og deltag hos [Learn with AI Series](https://aka.ms/learnwithai/discord) fra 18. - 30. september 2025. Du får tips og tricks til brug af GitHub Copilot til Data Science. +Vi har en Discord lær med AI-serie i gang, lær mere og tilmeld dig på [Learn with AI Series](https://aka.ms/learnwithai/discord) fra 18. - 30. september 2025. Du vil få tips og tricks til at bruge GitHub Copilot til Data Science. ![Learn with AI series](../../translated_images/da/1.2b28cdc6205e26fe.webp) @@ -59,72 +59,72 @@ Vi har en igangværende Discord lær med AI serie, lær mere og deltag hos [Lear Kom i gang med følgende ressourcer: -- [Student Hub siden](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) På denne side finder du begynderressourcer, studenterpakker og endda måder at få en gratis certifikatvoucher på. Dette er en side, du ønsker at 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 medlem af et globalt fællesskab af student ambassadors, dette kunne være din vej ind i Microsoft. +- [Student Hub side](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) På denne side finder du begynderressourcer, studenterpakker og endda måder at få en gratis certifikatkupon. Dette er en side, du vil bogmærke og tjekke jævnligt, da vi udskifter indhold mindst månedligt. +- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Deltag i et globalt fællesskab af studentambassadører, dette kunne være din vej ind i Microsoft. # Kom godt i gang ## 📚 Dokumentation -- **[Installationsguide](INSTALLATION.md)** - Trin-for-trin opsætningsinstruktioner for begyndere +- **[Installationsvejledning](INSTALLATION.md)** - Trinvise opsætningsinstruktioner for begyndere - **[Brugsvejledning](USAGE.md)** - Eksempler og almindelige arbejdsgange -- **[Fejlfinding](TROUBLESHOOTING.md)** - Løsninger på almindelige problemer -- **[Bidragsvejledning](CONTRIBUTING.md)** - Hvordan man bidrager til dette projekt -- **[For undervisere](for-teachers.md)** - Undervisningsvejledning og klasseværelsesressourcer +- **[Fejlfinding](TROUBLESHOOTING.md)** - Løsninger til almindelige problemer +- **[Bidragsvejledning](CONTRIBUTING.md)** - Hvordan du bidrager til dette projekt +- **[For undervisere](for-teachers.md)** - Undervisningsvejledning og materialer til klasseundervisning ## 👨‍🎓 For studerende -> **Fuldstændige begyndere**: Ny til data science? Start med vores [begynder-venlige eksempler](examples/README.md)! Disse simple, velkommenterede eksempler vil hjælpe dig med at forstå det grundlæggende, før du går i dybden med hele læreplanen. -> **[Studerende](https://aka.ms/student-page)**: for at bruge denne læreplan på egen hånd, forgrene hele repo'et og gennemfør øvelserne på egen hånd, startende med en quiz før forelæsningen. Læs derefter forelæsningen og gennemfør resten af aktiviteterne. Prøv at skabe projekterne ved at forstå lektionerne frem for at kopiere løsningskoden; denne kode findes dog i /solutions mapperne i hver projektorienteret lektion. En anden idé er at danne en studiegruppe med venner og gennemgå indholdet sammen. Til yderligere studie anbefaler vi [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum). +> **Helt begyndere**: Ny inden for data science? Start med vores [begyndervenlige eksempler](examples/README.md)! Disse simple og godt kommenterede eksempler hjælper dig med at forstå det basale, før du dykker ned i hele læreplanen. +> **[Studerende](https://aka.ms/student-page)**: For at bruge denne læreplan på egen hånd, fork hele repo’et og gennemfør øvelserne selv, startende med en quiz før lektionen. Læs derefter lektionen og gennemfør resten af aktiviteterne. Prøv at lave projekterne ved at forstå lektionerne fremfor at kopiere løsningskoden; denne kode er dog tilgængelig i /solutions mapperne i hver projektorienteret lektion. En anden idé er at danne en studiegruppe med venner og gå gennem indholdet sammen. Til videre studier anbefaler vi [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum). **Hurtig start:** -1. Tjek [Installationsguiden](INSTALLATION.md) for at sætte dit miljø op -2. Gennemgå [Brugsvejledningen](USAGE.md) for at lære, hvordan du arbejder med læreplanen -3. Start med Lektion 1 og arbejd dig sekventielt igennem +1. Tjek [Installationsvejledningen](INSTALLATION.md) for at sætte dit miljø op +2. Gennemgå [Brugsvejledningen](USAGE.md) for at lære at arbejde med læreplanen +3. Start med Lektion 1 og fortsæt sekventielt 4. Deltag i vores [Discord-fællesskab](https://aka.ms/ds4beginners/discord) for support ## 👩‍🏫 For undervisere -> **Undervisere**: vi har [inkluderet nogle forslag](for-teachers.md) til, hvordan man bruger denne læreplan. Vi vil meget gerne have din feedback [i vores diskussionsforum](https://github.com/microsoft/Data-Science-For-Beginners/discussions)! -## Mød teamet +> **Undervisere**: Vi har [inkluderet nogle forslag](for-teachers.md) til, hvordan du kan bruge denne læreplan. Vi vil gerne have din feedback [i vores diskussionsforum](https://github.com/microsoft/Data-Science-For-Beginners/discussions)! +## Mød holdet [![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 de personer, 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 denne læseplan: at sikre, at den er projektbaseret, og at den inkluderer hyppige quizzer. Ved slutningen af denne serie vil eleverne have lært grundlæggende principper for data science, inklusive etiske koncepter, datapreparation, forskellige måder at arbejde med data på, datavisualisering, dataanalyse, virkelige anvendelsestilfælde af data science og meget mere. +Vi har valgt to pædagogiske principper, mens vi byggede dette pensum: at sikre, at det er projektbaseret, og at det inkluderer hyppige quizzer. Ved slutningen af denne serie vil eleverne have lært grundlæggende principper for datalogi, inklusive etiske begreber, dataklargøring, forskellige måder at arbejde med data på, datavisualisering, dataanalyse, virkelige anvendelsestilfælde af datalogi og mere. -Derudover sætter en lavrisiko-quiz før en klasse elevens intention mod at lære et emne, mens en anden quiz efter klassen sikrer yderligere fastholdelse. Denne læseplan er designet til at være fleksibel og sjov, og kan tages i sin helhed eller delvist. Projekterne starter småt og bliver gradvist mere komplekse mod slutningen af den 10-ugers cyklus. +Derudover sætter en lavrisiko quiz før en klasse intentionen for eleven omkring at lære et emne, mens en anden quiz efter klassen sikrer yderligere fastholdelse. Dette pensum er designet til at være fleksibelt og sjovt og kan tages i sin helhed eller i dele. Projekterne starter småt og bliver gradvist mere komplekse ved slutningen af den 10-ugers cyklus. -> Find vores [Adfærdskodeks](CODE_OF_CONDUCT.md), [Bidrag](CONTRIBUTING.md), [Oversættelse](TRANSLATIONS.md) retningslinjer. Vi byder konstruktiv feedback velkommen! +> Find vores [adfærdskodeks](CODE_OF_CONDUCT.md), [bidrag](CONTRIBUTING.md), [oversættelses](TRANSLATIONS.md) retningslinjer. Vi byder din konstruktive feedback velkommen! ## Hver lektion inkluderer: -- Valgfri skitsenote +- Valgfri sketchnote - Valgfri supplerende video -- For-lesson opvarmningsquiz -- Skreven lektion -- For projektbaserede lektioner, trin-for-trin guider til, hvordan man bygger projektet -- Videnstjek +- Opvarmningsquiz før lektionen +- Skriftlig lektion +- For projektbaserede lektioner, trin-for-trin vejledninger om, hvordan man bygger projektet +- Videnskontroller - En udfordring - Supplerende læsning - Opgave -- [Post-lesson quiz](https://ff-quizzes.netlify.app/en/) +- [Quiz efter lektionen](https://ff-quizzes.netlify.app/en/) -> **En note om quizzer**: Alle quizzer findes i Quiz-App mappen, med i alt 40 quizzer med tre spørgsmål hver. De er linket fra lektionerne, men quiz-appen kan køre lokalt eller implementeres til Azure; følg instruktionerne i `quiz-app` mappen. De bliver gradvist lokaliseret. +> **En note om quizzer**: Alle quizzer er indeholdt i Quiz-App mappen, i alt 40 quizzer med tre spørgsmål hver. De er linket fra inden for lektionerne, men quiz-appen kan køres lokalt eller deployeres til Azure; følg instruktionerne i `quiz-app` mappen. De bliver gradvist lokaliseret. -## 🎓 Begynder-venlige eksempler +## 🎓 Begynder-venlige Eksempler -**Ny til Data Science?** Vi har lavet en speciel [eksempelmapppe](examples/README.md) med simpel, velkommenteret kode for at hjælpe dig i gang: +**Ny til Data Science?** Vi har oprettet en særlig [eksempelmapppe](examples/README.md) med simpel, godt kommenteret kode for at hjælpe dig i gang: - 🌟 **Hello World** - Dit første data science program -- 📂 **Indlæsning af data** - Lær at læse og udforske datasæt -- 📊 **Simpel analyse** - Beregn statistik og find mønstre -- 📈 **Grundlæggende visualisering** - Skab diagrammer og grafer -- 🔬 **Virkelighedsnært projekt** - Fuld arbejdsproces fra start til slut +- 📂 **Indlæsning af Data** - Lær at læse og udforske datasæt +- 📊 **Simpel Analyse** - Beregn statistik og find mønstre +- 📈 **Basal Visualisering** - Lav diagrammer og grafer +- 🔬 **Virkeligt Projekt** - Færdig workflow fra start til slut Hvert eksempel inkluderer detaljerede kommentarer, der forklarer hvert trin, hvilket gør det perfekt for absolutte begyndere! @@ -135,69 +135,69 @@ Hvert eksempel inkluderer detaljerede kommentarer, der forklarer hvert trin, hvi |![ Sketchnote af @sketchthedocs https://sketchthedocs.dev](../../translated_images/da/00-Roadmap.4905d6567dff4753.webp)| |:---:| -| Data Science For Beginners: Roadmap - _Sketchnote af [@nitya](https://twitter.com/nitya)_ | +| Data Science For Beginners: Køreplan - _Sketchnote af [@nitya](https://twitter.com/nitya)_ | -| Lektion nummer | Emne | Lektion gruppe | Læringsmål | Linket lektion | Forfatter | +| Lektion Nummer | Emne | Lektion Gruppering | Læringsmål | Linket Lektion | Forfatter | | :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: | -| 01 | Definering af Data Science | [Introduktion](1-Introduction/README.md) | Lær de grundlæggende koncepter bag data science og hvordan det relaterer sig 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 koncepter, udfordringer og rammer. | [lektion](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | -| 03 | Definering af Data | [Introduktion](1-Introduction/README.md) | Hvordan data klassificeres og dets almindelige kilder. | [lektion](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) | -| 04 | Introduktion til statistik & sandsynlighed | [Introduktion](1-Introduction/README.md) | Matematiske teknikker inden for sandsynlighed og statistik til forståelse af data. | [lektion](1-Introduction/04-stats-and-probability/README.md) [video](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) | -| 05 | Arbejde med 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, dens 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 | Datapreparation | [Arbejde med data](2-Working-With-Data/README.md) | Emner om datateknikker til rengøring og omdannelse 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 datadistributioner | [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 procenter | [Datavisualisering](3-Data-Visualization/README.md) | Visualisering af diskrete og grupperede procenter. | [lektion](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) | -| 12 | Visualisering af relationer | [Datavisualisering](3-Data-Visualization/README.md) | Visualisering af forbindelser og korrelationer mellem datasæt og deres 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 dets første trin med at erhverve og udtrække data. | [lektion](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | +| 01 | Definition af Data Science | [Introduktion](1-Introduction/README.md) | Lær de grundlæggende koncepter 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) | Dataetiske begreber, udfordringer & rammeværk. | [lektion](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | +| 03 | Definition af Data | [Introduktion](1-Introduction/README.md) | Hvordan data klassificeres og dets almindelige kilder. | [lektion](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) | +| 04 | Introduktion til Statistik & Sandsynlighed | [Introduktion](1-Introduction/README.md) | De matematiske teknikker 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 det grundlæggende i at udforske og analysere 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 det grundlæggende i 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 om 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 at rense og transformere data for at håndtere udfordringer med manglende, upræcis eller ufuldstændig 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 hvordan man bruger Matplotlib til at visualisere fugledata 🦆 | [lektion](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) | +| 10 | Visualisering af Datas Fordeling | [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 procenter. | [lektion](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) | +| 12 | Visualisering af Relationer | [Datavisualisering](3-Data-Visualization/README.md) | Visualisering af forbindelser og korrelationer mellem datasæt og deres variable. | [lektion](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) | +| 13 | Meningsfulde Visualiseringer | [Datavisualisering](3-Data-Visualization/README.md) | Teknikker og vejledning til at gøre dine visualiseringer værdifulde for effektiv problemløsning og indsigt. | [lektion](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | +| 14 | Introduktion til Data Science livscyklus | [Livscyklus](4-Data-Science-Lifecycle/README.md) | Introduktion til data science livscyklussen og dens første trin med at erhverve og udtrække data. | [lektion](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | | 15 | Analyse | [Livscyklus](4-Data-Science-Lifecycle/README.md) | Denne fase 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, som gør det nemmere 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 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 med 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) | 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 det fri | [I det fri](6-Data-Science-In-Wild/README.md) | Data science drevne projekter i den virkelige verden. | [lektion](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | +| 16 | Kommunikation | [Livscyklus](4-Data-Science-Lifecycle/README.md) | Denne fase af data science livscyklussen fokuserer på at præsentere indsigt fra dataene på en måde, som gør det nemmere 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) | 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 | [In the Wild](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 drop-down menuen og vælg mulighederne Åbn med Codespaces. -2. Vælg + Ny codespace nederst i panelet. -For mere info, se [GitHub dokumentationen](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace). +1. Klik på Code drop-down menuen og vælg muligheden Open with Codespaces. +2. Vælg + New codespace nederst i panelet. +For mere info, tjek [GitHub dokumentationen](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace). -## VSCode Remote - Containere -Følg disse trin for at åbne dette repositorium i en container ved hjælp af din lokale maskine og VSCode ved hjælp af VS Code Remote - Containers udvidelsen: +## VSCode Remote - Containers +Følg disse trin for at åbne dette repo i en container ved brug af din lokale maskine og VSCode med VS Code Remote - Containers udvidelsen: -1. Hvis dette er første gang du bruger en udviklingscontainer, skal du sikre, at dit system opfylder forudsætningerne (f.eks. at Docker er installeret) i [kom godt i gang dokumentationen](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started). +1. Hvis dette er din første gang med at bruge en udviklingscontainer, skal du sikre dig, at dit system opfylder forudsætningerne (dvs. have Docker installeret) i [getting started dokumentationen](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started). -For at bruge dette repositorium kan du enten åbne repositoriet i et isoleret Docker-volumen: +For at bruge dette repository kan du enten åbne repository i et isoleret Docker-volumen: -**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 bevare containerdata. +**Note**: 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 bevare containerdata. -Eller åbne en lokalt klonet eller downloadet version af repositoriet: +Eller åbn en lokalt klonet eller downloadet version af repository: -- Klon dette repositorium til dit lokale filsystem. -- Tryk på F1 og vælg kommandoen **Remote-Containers: Open Folder in Container...**. -- Vælg den klonede kopi af denne mappe, vent på at containeren starter, og prøv tingene af. +- Klon dette repository til dit lokale filsystem. +- Tryk F1 og vælg kommandoen **Remote-Containers: Open Folder in Container...**. +- 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 at bruge [Docsify](https://docsify.js.org/#/). Fork dette repositorium, [installer Docsify](https://docsify.js.org/#/quickstart) på din lokale maskine, skriv derefter i rodmappen af dette repositorium `docsify serve`. Websitet vil blive serveret på port 3000 på din localhost: `localhost:3000`. +Du kan køre denne dokumentation offline ved at bruge [Docsify](https://docsify.js.org/#/). Fork dette repo, [installer Docsify](https://docsify.js.org/#/quickstart) på din lokale maskine, og skriv så `docsify serve` i roden af denne repo. Hjemmesiden vil blive serveret på port 3000 på din localhost: `localhost:3000`. -> Bemærk, at notebooks ikke bliver gengivet via Docsify, så når du skal køre en notebook, skal det gøres separat i VS Code med en Python-kernel. +> Bemærk, at notebooks ikke bliver gengivet via Docsify, så når du har brug for at køre en notebook, skal du gøre det separat i VS Code, der kører en Python kernel. -## Andre læseplaner +## Andre Pensummer -Vores team producerer andre læseplaner! Tjek: +Vores team producerer andre pensummer! Tjek: ### LangChain [![LangChain4j for Beginners](https://img.shields.io/badge/LangChain4j%20for%20Beginners-22C55E?style=for-the-badge&&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchain4j-for-beginners) [![LangChain.js for Beginners](https://img.shields.io/badge/LangChain.js%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin) - +[![LangChain for Beginners](https://img.shields.io/badge/LangChain%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin) --- ### Azure / Edge / MCP / Agenter @@ -235,13 +235,13 @@ Vores team producerer andre læseplaner! Tjek: ## Få Hjælp -**Oplever du problemer?** Se vores [Fejlfinding Guide](TROUBLESHOOTING.md) for løsninger på almindelige problemer. +**Støder du på problemer?** Tjek vores [Fejlfindingsguide](TROUBLESHOOTING.md) for løsninger på almindelige problemer. -Hvis du sidder fast eller har spørgsmål om at bygge AI-apps. Deltag sammen med andre lærende og erfarne udviklere i diskussioner om MCP. Det er et støttende fællesskab, hvor spørgsmål er velkomne, og viden deles frit. +Hvis du sidder fast eller har spørgsmål om at bygge AI-apps. Deltag sammen med andre elever og erfarne udviklere i diskussioner om MCP. Det er et støttende fællesskab, hvor spørgsmål er velkomne, og viden deles frit. [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -Hvis du har feedback på produktet eller fejler under opbygning, besøg: +Hvis du har produktfeedback eller fejl mens du bygger, besøg: [![Microsoft Foundry Developer Forum](https://img.shields.io/badge/GitHub-Microsoft_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) @@ -249,5 +249,5 @@ Hvis du har feedback på produktet eller fejler under opbygning, besøg: **Ansvarsfraskrivelse**: -Dette dokument er blevet oversat ved hjælp af AI-oversættelsestjenesten [Co-op Translator](https://github.com/Azure/co-op-translator). Selvom vi bestræber os på nøjagtighed, bedes du være opmærksom på, at automatiserede oversættelser kan indeholde fejl eller unøjagtigheder. Det originale dokument på dets modersmål bør betragtes som den autoritative kilde. For kritisk information anbefales professionel menneskelig oversættelse. Vi er ikke ansvarlige for eventuelle misforståelser eller fejltolkninger, der opstår som følge af brugen af denne oversættelse. +Dette dokument er oversat ved hjælp af AI-oversættelsestjenesten [Co-op Translator](https://github.com/Azure/co-op-translator). Selvom vi bestræber os på nøjagtighed, bedes du være opmærksom på, at automatiserede oversættelser kan indeholde fejl eller unøjagtigheder. Det oprindelige dokument på dets modersmål skal betragtes som den autoritative kilde. For kritisk information anbefales professionel menneskelig oversættelse. Vi påtager os intet ansvar for misforståelser eller fejltolkninger, der opstår som følge af brugen af denne oversættelse. \ No newline at end of file diff --git a/translations/fi/.co-op-translator.json b/translations/fi/.co-op-translator.json index 942dea5a..ac2472e8 100644 --- a/translations/fi/.co-op-translator.json +++ b/translations/fi/.co-op-translator.json @@ -360,8 +360,8 @@ "language_code": "fi" }, "README.md": { - "original_hash": "8ec92ecfeb14923af733851239552146", - "translation_date": "2026-01-30T02:00:07+00:00", + "original_hash": "9204a2806964384a56f5cb0f22bbe953", + "translation_date": "2026-02-06T08:27:42+00:00", "source_file": "README.md", "language_code": "fi" }, diff --git a/translations/fi/README.md b/translations/fi/README.md index 9a096101..c64b8b30 100644 --- a/translations/fi/README.md +++ b/translations/fi/README.md @@ -1,56 +1,57 @@ # Data Science aloittelijoille - Opetussuunnitelma -[![Avaa GitHub Codespacesissa](https://github.com/codespaces/badge.svg)](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198) +[![Open in GitHub Codespaces](https://github.com/codespaces/badge.svg)](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198) -[![GitHub lisenssi](https://img.shields.io/github/license/microsoft/Data-Science-For-Beginners.svg)](https://github.com/microsoft/Data-Science-For-Beginners/blob/master/LICENSE) -[![GitHub kontribuuttorit](https://img.shields.io/github/contributors/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/graphs/contributors/) -[![GitHub ongelmat](https://img.shields.io/github/issues/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/issues/) -[![GitHub vetopyynnöt](https://img.shields.io/github/issues-pr/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/pulls/) -[![PRs tervetulleita](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com) +[![GitHub license](https://img.shields.io/github/license/microsoft/Data-Science-For-Beginners.svg)](https://github.com/microsoft/Data-Science-For-Beginners/blob/master/LICENSE) +[![GitHub contributors](https://img.shields.io/github/contributors/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/graphs/contributors/) +[![GitHub issues](https://img.shields.io/github/issues/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/issues/) +[![GitHub pull-requests](https://img.shields.io/github/issues-pr/microsoft/Data-Science-For-Beginners.svg)](https://GitHub.com/microsoft/Data-Science-For-Beginners/pulls/) +[![PRs Welcome](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com) -[![GitHub seuraajat](https://img.shields.io/github/watchers/microsoft/Data-Science-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/Data-Science-For-Beginners/watchers/) -[![GitHub haarukat](https://img.shields.io/github/forks/microsoft/Data-Science-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/Data-Science-For-Beginners/network/) -[![GitHub tähdet](https://img.shields.io/github/stars/microsoft/Data-Science-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/Data-Science-For-Beginners/stargazers/) +[![GitHub watchers](https://img.shields.io/github/watchers/microsoft/Data-Science-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/Data-Science-For-Beginners/watchers/) +[![GitHub forks](https://img.shields.io/github/forks/microsoft/Data-Science-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/Data-Science-For-Beginners/network/) +[![GitHub stars](https://img.shields.io/github/stars/microsoft/Data-Science-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/Data-Science-For-Beginners/stargazers/) [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) [![Microsoft Foundry Developer Forum](https://img.shields.io/badge/GitHub-Microsoft_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) -Microsoftin Azure Cloud Advocates tarjoaa 10 viikon, 20 oppitunnin opetussuunnitelman, joka käsittelee data sciencea. Jokainen oppitunti sisältää esikurssi- ja jälkikurssikyselyt, kirjalliset ohjeet oppitunnin suorittamiseen, ratkaisun ja tehtävän. Projektipohjainen opetustapamme mahdollistaa oppimisen rakentamisen ohessa, mikä on todistettu tapa uusien taitojen omaksumiselle. +Microsoftin Azure Cloud Advocates ilolla tarjoavat 10 viikon, 20 oppitunnin opetussuunnitelman, joka käsittelee Data Sciencea. Jokainen oppitunti sisältää ennakko- ja jälkikyselyt, kirjalliset ohjeet oppitunnin suorittamiseen, ratkaisun sekä tehtävän. Projektipohjainen opetustapamme antaa sinun oppia samalla kun rakennat, mikä on todistettu tapa saada uudet taidot "jämähtämään". -**Sydämelliset kiitokset kirjoittajillemme:** [Jasmine Greenaway](https://www.twitter.com/paladique), [Dmitry Soshnikov](http://soshnikov.com), [Nitya Narasimhan](https://twitter.com/nitya), [Jalen McGee](https://twitter.com/JalenMcG), [Jen Looper](https://twitter.com/jenlooper), [Maud Levy](https://twitter.com/maudstweets), [Tiffany Souterre](https://twitter.com/TiffanySouterre), [Christopher Harrison](https://www.twitter.com/geektrainer). +**Lämpimät kiitokset kirjoittajillemme:** [Jasmine Greenaway](https://www.twitter.com/paladique), [Dmitry Soshnikov](http://soshnikov.com), [Nitya Narasimhan](https://twitter.com/nitya), [Jalen McGee](https://twitter.com/JalenMcG), [Jen Looper](https://twitter.com/jenlooper), [Maud Levy](https://twitter.com/maudstweets), [Tiffany Souterre](https://twitter.com/TiffanySouterre), [Christopher Harrison](https://www.twitter.com/geektrainer). -**🙏 Erityiskiitokset 🙏 [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/) kirjoittajille, arvioijille ja sisällöntuottajille,** erityisesti Aaryan Arora, [Aditya Garg](https://github.com/AdityaGarg00), [Alondra Sanchez](https://www.linkedin.com/in/alondra-sanchez-molina/), [Ankita Singh](https://www.linkedin.com/in/ankitasingh007), [Anupam Mishra](https://www.linkedin.com/in/anupam--mishra/), [Arpita Das](https://www.linkedin.com/in/arpitadas01/), ChhailBihari Dubey, [Dibri Nsofor](https://www.linkedin.com/in/dibrinsofor), [Dishita Bhasin](https://www.linkedin.com/in/dishita-bhasin-7065281bb), [Majd Safi](https://www.linkedin.com/in/majd-s/), [Max Blum](https://www.linkedin.com/in/max-blum-6036a1186/), [Miguel Correa](https://www.linkedin.com/in/miguelmque/), [Mohamma Iftekher (Iftu) Ebne Jalal](https://twitter.com/iftu119), [Nawrin Tabassum](https://www.linkedin.com/in/nawrin-tabassum), [Raymond Wangsa Putra](https://www.linkedin.com/in/raymond-wp/), [Rohit Yadav](https://www.linkedin.com/in/rty2423), Samridhi Sharma, [Sanya Sinha](https://www.linkedin.com/mwlite/in/sanya-sinha-13aab1200), [Sheena Narula](https://www.linkedin.com/in/sheena-narua-n/), [Tauqeer Ahmad](https://www.linkedin.com/in/tauqeerahmad5201/), Yogendrasingh Pawar , [Vidushi Gupta](https://www.linkedin.com/in/vidushi-gupta07/), [Jasleen Sondhi](https://www.linkedin.com/in/jasleen-sondhi/)** +**🙏 Erityiskiitos 🙏 [Microsoftin opiskelija-ambassadoreille](https://studentambassadors.microsoft.com/),** erityisesti Aaryan Aroralle, [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/) -|![Luonnos @sketchthedocs https://sketchthedocs.dev](../../translated_images/fi/00-Title.8af36cd35da1ac55.webp)| +|![Sketchnote by @sketchthedocs https://sketchthedocs.dev](../../translated_images/fi/00-Title.8af36cd35da1ac55.webp)| |:---:| -| Data Science aloittelijoille - _Luonnos tekijältä [@nitya](https://twitter.com/nitya)_ | +| Data Science Aloittelijoille - _Sketchnote by [@nitya](https://twitter.com/nitya)_ | -### 🌐 Monikielituki +### 🌐 Monikielinen tuki -#### Tuettu GitHub Actionin kautta (Automaattinen & aina ajan tasalla) +#### Tuettu GitHub Actionin avulla (automaattinen & aina ajan tasalla) [Arabic](../ar/README.md) | [Bengali](../bn/README.md) | [Bulgarian](../bg/README.md) | [Burmese (Myanmar)](../my/README.md) | [Chinese (Simplified)](../zh-CN/README.md) | [Chinese (Traditional, Hong Kong)](../zh-HK/README.md) | [Chinese (Traditional, Macau)](../zh-MO/README.md) | [Chinese (Traditional, Taiwan)](../zh-TW/README.md) | [Croatian](../hr/README.md) | [Czech](../cs/README.md) | [Danish](../da/README.md) | [Dutch](../nl/README.md) | [Estonian](../et/README.md) | [Finnish](./README.md) | [French](../fr/README.md) | [German](../de/README.md) | [Greek](../el/README.md) | [Hebrew](../he/README.md) | [Hindi](../hi/README.md) | [Hungarian](../hu/README.md) | [Indonesian](../id/README.md) | [Italian](../it/README.md) | [Japanese](../ja/README.md) | [Kannada](../kn/README.md) | [Korean](../ko/README.md) | [Lithuanian](../lt/README.md) | [Malay](../ms/README.md) | [Malayalam](../ml/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Nigerian Pidgin](../pcm/README.md) | [Norwegian](../no/README.md) | [Persian (Farsi)](../fa/README.md) | [Polish](../pl/README.md) | [Portuguese (Brazil)](../pt-BR/README.md) | [Portuguese (Portugal)](../pt-PT/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Romanian](../ro/README.md) | [Russian](../ru/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Slovak](../sk/README.md) | [Slovenian](../sl/README.md) | [Spanish](../es/README.md) | [Swahili](../sw/README.md) | [Swedish](../sv/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Tamil](../ta/README.md) | [Telugu](../te/README.md) | [Thai](../th/README.md) | [Turkish](../tr/README.md) | [Ukrainian](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamese](../vi/README.md) > **Haluatko kloonata paikallisesti?** -> Tämä repositorio sisältää yli 50 kielellä käännettyjä tiedostoja, mikä lisää merkittävästi latauskokoa. Jotta voit kloonata ilman käännöksiä, käytä sparse checkout -menetelmää: +> Tämä arkisto sisältää yli 50 kielen käännökset, mikä lisää merkittävästi latauskokoa. Jos haluat kloonata ilman käännöksiä, käytä tiivistettyä checkoutia: > ```bash > git clone --filter=blob:none --sparse https://github.com/microsoft/Data-Science-For-Beginners.git > cd Data-Science-For-Beginners > git sparse-checkout set --no-cone '/*' '!translations' '!translated_images' > ``` -> Tämä antaa sinulle kaiken, mitä tarvitset kurssin suorittamiseen paljon nopeammin ladaten. +> Tämä antaa sinulle kaiken tarvittavan kurssin suorittamiseen paljon nopeammalla latauksella. -**Jos haluat lisää tukikielivaihtoehtoja, ne löytyvät täältä [here](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** +**Jos haluat lisäkielitukea, tuetut kielet löytyvät [täältä](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** -#### Liity yhteisöömme +#### Liity yhteisöömme [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -Meillä on käynnissä Discordilla Learn with AI -sarja, lue lisää ja liity mukaan osoitteessa [Learn with AI Series](https://aka.ms/learnwithai/discord) ajalla 18. - 30. syyskuuta 2025. Saat vinkkejä ja temppuja GitHub Copilotin käyttöön Data Science -tarkoituksiin. +Meillä on käynnissä Discord-oppimissarja AI:n kanssa, opi lisää ja liity mukaan osoitteessa [Learn with AI Series](https://aka.ms/learnwithai/discord) 18.-30. syyskuuta 2025. Saat vinkkejä ja niksejä GitHub Copilotin käyttämiseen Data Science -tehtävissä. ![Learn with AI series](../../translated_images/fi/1.2b28cdc6205e26fe.webp) @@ -58,152 +59,153 @@ Meillä on käynnissä Discordilla Learn with AI -sarja, lue lisää ja liity mu Aloita seuraavista resursseista: -- [Student Hub -sivu](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Tältä sivulta löydät aloittelijoille sopivia materiaaleja, opiskelijapaketteja ja jopa tapoja saada ilmainen sertifikaattihinnoittelu. Tämä on sivu, jonka haluat lisätä kirjanmerkkeihin ja tarkistaa säännöllisesti, sillä päivitämme sisältöä vähintään kuukausittain. -- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Liity globaaliin opiskelijoiden lähettiläiden yhteisöön – tämä voi olla sinun polkusi Microsoftille. +- [Opiskelijakeskus-sivu](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) Tältä sivulta löydät aloittelijaystävällisiä resursseja, opiskelijapaketteja ja jopa tapoja saada ilmainen sertifikaattikuponki. Tämä on sivu, jonka haluat tallentaa kirjanmerkkeihisi ja tarkistaa säännöllisesti, sillä sisältöä päivitetään vähintään kerran kuukaudessa. +- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Liity maailmanlaajuiseen opiskelija-ambassadoreiden yhteisöön, tämä voi olla sinun tapasi päästä Microsoftille töihin. # Aloittaminen ## 📚 Dokumentaatio -- **[Asennusohje](INSTALLATION.md)** - Vaiheittaiset asennusohjeet aloittelijoille -- **[Käyttöopas](USAGE.md)** - Esimerkkejä ja yleisiä työskentelyprosesseja -- **[Vianetsintä](TROUBLESHOOTING.md)** - Ratkaisuja yleisiin ongelmiin +- **[Asennusopas](INSTALLATION.md)** - Aloittelijoille askel askeleelta asennusohjeet +- **[Käyttöopas](USAGE.md)** - Esimerkkejä ja yleisiä työnkulkuja +- **[Ongelmanratkaisu](TROUBLESHOOTING.md)** - Ratkaisuja yleisiin ongelmiin - **[Osallistumisopas](CONTRIBUTING.md)** - Kuinka osallistua tähän projektiin -- **[Opettajille](for-teachers.md)** - Ohjeita opettamiseen ja luokkahuoneen resursseja +- **[Opettajille](for-teachers.md)** - Opetusohjeita ja luokkaresursseja ## 👨‍🎓 Opiskelijoille -> **Täysin aloittelijat**: Uusi data sciencen maailmassa? Aloita meidän [aloittelijaystävällisistä esimerkeistä](examples/README.md)! Nämä yksinkertaiset, hyvin kommentoidut esimerkit auttavat sinua ymmärtämään perusteet ennen kuin sukellat koko opetussuunnitelmaan. -> **[Opiskelijat](https://aka.ms/student-page)**: Voit käyttää tätä opetussuunnitelmaa itsenäisesti, haaroita koko repositorio ja suorita harjoitukset itsenäisesti aloittaen ennakkokyselyllä. Lue sitten oppitunti ja täytä loput tehtävistä. Yritä luoda projektit oppitunnin sisällön ymmärtämisen pohjalta sen sijaan, että kopioisit ratkaisukoodia; koodin löydät kuitenkin /solutions-kansioista jokaisessa projektiin keskittyvässä oppitunnissa. Toinen idea on muodostaa opiskeluryhmä ystävien kanssa ja käydä sisältö yhdessä läpi. Lisäopiskelua varten suosittelemme [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum). +> **Täysin aloittelijat**: Uusi data sciencen parissa? Ala meidän [aloittelijaystävällisistä esimerkeistä](examples/README.md)! Nämä yksinkertaiset, hyvin kommentoidut esimerkit auttavat sinua ymmärtämään perusteet ennen täyden opetussuunnitelman aloittamista. +> **[Opiskelijat](https://aka.ms/student-page)**: käyttääksesi tätä opetussuunnitelmaa itsenäisesti, tee repo forkiksi ja suorita harjoitukset itse, aloittaen ennakkotestillä. Lue sitten luento ja suorita loput tehtävistä. Yritä luoda projektit ymmärtämällä oppitunnit, älä vain kopioimalla ratkaisukoodia; se on kuitenkin saatavilla /solutions-kansioissa jokaisessa projektilähtöisessä oppitunnissa. Toinen idea on perustaa opiskeluryhmä ystävien kanssa ja käydä sisältö yhdessä läpi. Syvempään opiskeluun suosittelemme [Microsoft Learnia](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum). **Nopea aloitus:** -1. Tarkista [Asennusohje](INSTALLATION.md) ympäristön määrittämiseksi -2. Tutustu [Käyttöoppaaseen](USAGE.md) ja opi työskentelemään opetussuunnitelman kanssa +1. Katso [Asennusopas](INSTALLATION.md) ympäristösi perustamiseksi +2. Käy läpi [Käyttöopas](USAGE.md) opetussuunnitelman käyttötapoja varten 3. Aloita Oppitunnista 1 ja etene järjestyksessä -4. Liity yhteisöömme [Discordissa](https://aka.ms/ds4beginners/discord) saadaksesi tukea +4. Liity meidän [Discord-yhteisöömme](https://aka.ms/ds4beginners/discord) saadaksesi tukea ## 👩‍🏫 Opettajille -> **Opettajat**: olemme [lisänneet joitakin ehdotuksia](for-teachers.md) tämän opetussuunnitelman käyttöön. Haluaisimme kuulla palautteesi [keskustelufoorumissamme](https://github.com/microsoft/Data-Science-For-Beginners/discussions)! +> **Opettajat**: olemme [lisänneet joitain ehdotuksia](for-teachers.md) opetussuunnitelman käyttämiseen. Toivomme palautettasi [keskustelufoorumissamme](https://github.com/microsoft/Data-Science-For-Beginners/discussions)! ## Tutustu tiimiin -[![Promo-video](../../ds-for-beginners.gif)](https://youtu.be/8mzavjQSMM4 "Promo-video") +[![Esittelyvideo](../../ds-for-beginners.gif)](https://youtu.be/8mzavjQSMM4 "Esittelyvideo") -**Gifin tekijä** [Mohit Jaisal](https://www.linkedin.com/in/mohitjaisal) +**Gif:** [Mohit Jaisal](https://www.linkedin.com/in/mohitjaisal) -> 🎥 Klikkaa yllä olevaa kuvaa katsoaksesi videon projektista ja sen tekijöistä! +> 🎥 Klikkaa yllä olevaa kuvaa katsoaksesi video projektista ja ihmisistä, jotka sen loivat! ## Pedagogiikka -Olemme valinneet kaksi pedagogista periaatetta tämän opetussuunnitelman rakentamiseen: sen pitäminen projektilähtöisenä ja säännöllisten tietovisojen sisällyttäminen. Tämän sarjan lopussa opiskelijat ovat oppineet datatieteen perusperiaatteet, mukaan lukien eettiset käsitteet, datan valmistelun, erilaiset tavat työskennellä datan kanssa, datan visualisoinnin, data-analyysin, datatieteen käytännön esimerkit ja paljon muuta. +Olemme valinneet tämän opetussuunnitelman rakentamisessa kaksi pedagogista periaatetta: varmistamme, että se perustuu projekteihin ja että siihen sisältyy usein kyselyitä. Sarjan lopuksi opiskelijat ovat oppineet data-analytiikan perusperiaatteet, mukaan lukien eettiset käsitteet, datan valmistelun, erilaiset tavat työskennellä datan kanssa, datan visualisoinnin, datan analysoinnin, data-analytiikan käytännön käyttötapaukset ja paljon muuta. -Lisäksi kevyt tietovisa ennen tuntia ohjaa opiskelijan asennetta aiheen oppimiseen, ja toinen tietovisa tunnin jälkeen varmistaa tiedon pysyvyyden. Tämä opetussuunnitelma on suunniteltu joustavaksi ja hauskaksi, ja sen voi suorittaa kokonaisuudessaan tai osittain. Projektit alkavat pieninä ja kasvavat yhä monimutkaisemmiksi 10 viikon jakson loppua kohti. +Lisäksi matalan panoksen ennakkokysely ennen oppituntia asettaa opiskelijan oppimistavoitteen, kun taas toinen kysely oppitunnin jälkeen varmistaa tiedon pysyvyyden. Tämä opetussuunnitelma on suunniteltu joustavaksi ja hauskaksi ja sen voi käydä kokonaan tai osittain. Projektit alkavat pieninä ja monimutkaistuvat vähitellen 10 viikon jakson loppua kohden. -> Löydät meidän [Toimintakoodistomme](CODE_OF_CONDUCT.md), [Osallistumisohjeet](CONTRIBUTING.md) ja [Käännösohjeet](TRANSLATIONS.md). Otamme mielellämme vastaan rakentavaa palautetta! +> Löydät [käyttäytymissääntömme](CODE_OF_CONDUCT.md), [osallistumisohjeet](CONTRIBUTING.md) ja [käännösohjeet](TRANSLATIONS.md). Otamme mielellämme vastaan rakentavaa palautettasi! ## Jokainen oppitunti sisältää: - Valinnainen luonnosmuistiinpano -- Valinnainen lisävideon -- Ennen oppituntia tehtävän lämmittelytietovisan -- Kirjallisen oppitunnin -- Projektipohjaisissa oppitunneissa vaiheittaiset ohjeet projektin rakentamiseen -- Tieto-mittauksia +- Valinnainen lisävideo +- Ennakkokysely lämmittelyksi +- Kirjallinen oppitunti +- Projektipohjaisissa oppitunneissa askel askeleelta ohjeet projektin rakentamiseen +- Tiedon tarkistuksia - Haasteen - Lisälukemista - Tehtävän -- [Oppitunnin jälkeisen tietovisan](https://ff-quizzes.netlify.app/en/) +- [Jälkikysely](https://ff-quizzes.netlify.app/en/) -> **Tietovisoista:** Kaikki tietovisat löytyvät Quiz-App kansiosta, yhteensä 40 viitteen kolmeen kysymykseen. Ne on linkitetty oppitunneilta, mutta tietovisasovelluksen voi ajaa paikallisesti tai julkaista Azureen; seuraa ohjeita `quiz-app` kansiossa. Ne käännetään asteittain myös muille kielille. +> **Huomio kyselyistä**: Kaikki kyselyt ovat Quiz-App-kansiossa, yhteensä 40 kyselyä, joissa jokaisessa on kolme kysymystä. Ne linkitetään oppitunneissa, mutta kyselyohjelman voi ajaa paikallisesti tai ottaa käyttöön Azureen; noudata ohjeita `quiz-app`-kansiossa. Ne ovat asteittain lokalisoitumassa. ## 🎓 Aloittelijaystävälliset esimerkit -**Uusi datatieteessä?** Olemme luoneet erityisen [esimerkkikansion](examples/README.md), jossa on yksinkertaisia ja hyvin kommentoituja koodeja auttamaan sinua alkuun: +**Uusi data-analytiikassa?** Olemme laatineet erityisen [esimerkkihakemiston](examples/README.md), jossa on yksinkertaista ja hyvin kommentoitua koodia auttamassa alkuun: -- 🌟 **Hello World** – Ensimmäinen datatieteen ohjelmasi -- 📂 **Datan lataaminen** – Opettele lukemaan ja tutkimaan datasetit -- 📊 **Yksinkertainen analyysi** – Laske tilastoja ja löydä malleja -- 📈 **Perusvisualisointi** – Luo diagrammeja ja kaavioita +- 🌟 **Hei maailma** – Ensimmäinen data-analytiikkaohjelmasi +- 📂 **Datan lataaminen** – Opettele lukemaan ja tutkimaan aineistoja +- 📊 **Yksinkertainen analyysi** – Laske tilastoja ja etsi kuvioita +- 📈 **Perusvisualisointi** – Luo kaavioita ja graafeja - 🔬 **Todellinen projekti** – Täysi työnkulku alusta loppuun -Jokainen esimerkki sisältää yksityiskohtaiset kommentit, jotka selittävät jokaisen vaiheen, joten ne sopivat täydellisesti aivan aloittelijoille! +Jokainen esimerkki sisältää yksityiskohtaiset kommentit, jotka selittävät jokaisen vaiheen, joten se sopii täydellisesti aivan aloitteleville! 👉 **[Aloita esimerkeistä](examples/README.md)** 👈 ## Oppitunnit -|![Luonnosmuistio @sketchthedocs https://sketchthedocs.dev](../../translated_images/fi/00-Roadmap.4905d6567dff4753.webp)| +|![ Luonnosmuistiinpano @sketchthedocs https://sketchthedocs.dev](../../translated_images/fi/00-Roadmap.4905d6567dff4753.webp)| |:---:| -| Data Science For Beginners: Roadmap - _Luonnosmuistio tekijältä [@nitya](https://twitter.com/nitya)_ | +| Data Science for Beginners: Roadmap - _Luonnosmuistiinpano tekijältä [@nitya](https://twitter.com/nitya)_ | -| Oppitunnin numero | Aihe | Oppitunnin ryhmittely | Oppimistavoitteet | Linkitetty oppitunti | Tekijä | -| :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: | -| 01 | Datatieteen määrittely | [Johdanto](1-Introduction/README.md) | Opettele datatieteen peruskäsitteet ja sen yhteys tekoälyyn, koneoppimiseen ja big dataan. | [oppitunti](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | -| 02 | Datatieteen etiikka | [Johdanto](1-Introduction/README.md) | Datan etiikka, haasteet ja viitekehykset. | [oppitunti](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | +| Oppitunnin numero | Aihe | Oppituntiryhmä | Oppimistavoitteet | Linkitetty oppitunti | Tekijä | +| :---------------: | :----------------------------------------: | :-------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :----------------------------------------------------------------------: | :----: | +| 01 | Data-analytiikan määrittely | [Johdanto](1-Introduction/README.md) | Opettele data-analytiikan peruskäsitteet ja sen yhteydet tekoälyyn, koneoppimiseen ja big dataan. | [oppitunti](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | +| 02 | Data-analytiikan etiikka | [Johdanto](1-Introduction/README.md) | Dataetiikan käsitteet, haasteet ja viitekehykset. | [oppitunti](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | | 03 | Datan määrittely | [Johdanto](1-Introduction/README.md) | Miten data luokitellaan ja sen yleiset lähteet. | [oppitunti](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) | -| 04 | Johdatus tilastotieteeseen ja todennäköisyyksiin | [Johdanto](1-Introduction/README.md) | Todennäköisyys- ja tilastomenetelmät datan ymmärtämiseksi. | [oppitunti](1-Introduction/04-stats-and-probability/README.md) [video](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) | -| 05 | Relaatiodatan käsittely | [Datatyöskentely](2-Working-With-Data/README.md) | Johdatus relaatio-tietokantoihin ja perusasiat relaatio-datan tutkimisesta ja analysoinnista Structured Query Languagella eli SQL:llä (lausutaan "see-quell"). | [oppitunti](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | -| 06 | NoSQL-datan käsittely | [Datatyöskentely](2-Working-With-Data/README.md) | Johdatus ei-relaatio-dataan, sen eri tyyppeihin ja dokumenttitietokantojen tutkimiseen ja analysointiin. | [oppitunti](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)| -| 07 | Pythonin käyttö | [Datatyöskentely](2-Working-With-Data/README.md) | Pythonin perusteet datan tutkimiseen Pandas-kirjastoja käyttäen. Python-ohjelmoinnin perustuntemus suositeltavaa. | [oppitunti](2-Working-With-Data/07-python/README.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) | -| 08 | Datavalmistelu | [Datatyöskentely](2-Working-With-Data/README.md) | Datan puhdistus- ja muunnostekniikat puuttuvan, epätarkan tai keskeneräisen datan käsittelemiseksi. | [oppitunti](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | -| 09 | Määrien visualisointi | [Datavisualisointi](3-Data-Visualization/README.md) | Opettele käyttämään Matplotlibia lintudatan visualisointiin 🦆 | [oppitunti](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) | -| 10 | Datan jakaumien visualisointi | [Datavisualisointi](3-Data-Visualization/README.md) | Havainnointien ja trendien visualisointi ajanjaksolla. | [oppitunti](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) | -| 11 | Osuuksien visualisointi | [Datavisualisointi](3-Data-Visualization/README.md) | Diskreettien ja ryhmiteltyjen prosenttiosuuksien visualisointi. | [oppitunti](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) | -| 12 | Suhteiden visualisointi | [Datavisualisointi](3-Data-Visualization/README.md) | Yhteyksien ja korrelaatioiden visualisointi datan ja muuttujien välillä. | [oppitunti](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) | -| 13 | Merkitykselliset visualisoinnit | [Datavisualisointi](3-Data-Visualization/README.md) | Tekniikoita ja ohjeita visualisointien arvon lisäämiseksi tehokkaan ongelmanratkaisun ja oivallusten tueksi. | [oppitunti](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | -| 14 | Johdatus datatieteen elinkaareen | [Elinkaari](4-Data-Science-Lifecycle/README.md) | Johdatus datatieteen elinkaareen ja sen ensimmäiseen vaiheeseen: datan hankintaan ja louhintaan. | [oppitunti](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | -| 15 | Analysointi | [Elinkaari](4-Data-Science-Lifecycle/README.md) | Tämä vaihe keskittyy datan analysointitekniikoihin. | [oppitunti](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | | -| 16 | Viestintä | [Elinkaari](4-Data-Science-Lifecycle/README.md) | Tämä vaihe keskittyy datasta saatujen oivallusten esittämiseen siten, että päätöksentekijöiden on helpompi ymmärtää ne. | [oppitunti](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | -| 17 | Datatiede pilvessä | [Pilvidata](5-Data-Science-In-Cloud/README.md) | Tämä oppituntisarja esittelee datatieteen pilvessä ja sen hyödyt. | [oppitunti](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) ja [Maud](https://twitter.com/maudstweets) | -| 18 | Datatiede pilvessä | [Pilvidata](5-Data-Science-In-Cloud/README.md) | Mallien kouluttaminen Low Code -työkaluilla. |[oppitunti](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) ja [Maud](https://twitter.com/maudstweets) | -| 19 | Datatiede pilvessä | [Pilvidata](5-Data-Science-In-Cloud/README.md) | Mallien käyttöönotto Azure Machine Learning Studiolla. | [oppitunti](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) ja [Maud](https://twitter.com/maudstweets) | -| 20 | Datatieteen sovelluksia arjessa | [Arjessa](6-Data-Science-In-Wild/README.md) | Datatieteeseen perustuvat projektit todellisessa maailmassa. | [oppitunti](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | +| 04 | Johdatus tilastotieteeseen ja todennäköisyyslaskentaan | [Johdanto](1-Introduction/README.md) | Matemaattiset menetelmät todennäköisyyslaskennassa ja tilastotieteessä datan ymmärtämiseksi. | [oppitunti](1-Introduction/04-stats-and-probability/README.md) [video](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) | +| 05 | Työskentely relaatiotietojen kanssa | [Datan käsittely](2-Working-With-Data/README.md) | Johdatus relaatiotietoihin ja perusmenetelmät tutkia ja analysoida niitä Structured Query Languagella, eli SQL:llä (lausutaan ”sikuell”). | [oppitunti](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | +| 06 | Työskentely NoSQL-datan kanssa | [Datan käsittely](2-Working-With-Data/README.md) | Johdatus ei-relaatiodataan, sen erilaisiin tyyppeihin ja dokumenttitietokantojen tutkimisen ja analysoinnin perusteisiin. | [oppitunti](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)| +| 07 | Työskentely Pythonilla | [Datan käsittely](2-Working-With-Data/README.md) | Pythonin perusteet datan tutkimiseen Pandas-kirjaston avulla. Suositellaan perustietämystä Pythonin ohjelmoinnista. | [oppitunti](2-Working-With-Data/07-python/README.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) | +| 08 | Datan valmistelu | [Datan käsittely](2-Working-With-Data/README.md) | Datan käsittelyn tekniikoita puhdistukseen ja muokkaamiseen puuttuvan, epätarkan tai puutteellisen datan haasteiden ratkaisemiseksi. | [oppitunti](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | +| 09 | Määrien visualisointi | [Datan visualisointi](3-Data-Visualization/README.md) | Opettele käyttämään Matplotlibia lintudatan visualisointiin 🦆 | [oppitunti](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) | +| 10 | Datan jakaumien visualisointi | [Datan visualisointi](3-Data-Visualization/README.md) | Havainnollista havaintoja ja trendejä aikavälillä. | [oppitunti](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) | +| 11 | Osuuksien visualisointi | [Datan visualisointi](3-Data-Visualization/README.md) | Visualisoi diskreettejä ja ryhmiteltyjä prosenttiosuuksia. | [oppitunti](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) | +| 12 | Suhteiden visualisointi | [Datan visualisointi](3-Data-Visualization/README.md) | Visualisoi yhteyksiä ja korrelaatioita datan ja muuttujien välillä. | [oppitunti](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) | +| 13 | Merkitykselliset visualisoinnit | [Datan visualisointi](3-Data-Visualization/README.md) | Tekniikat ja ohjeet, joiden avulla visualisoinnistasi tulee arvokasta tehokkaaseen ongelmanratkaisuun ja oivalluksiin. | [oppitunti](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | +| 14 | Johdatus data-analytiikan elinkaareen | [Elinkaari](4-Data-Science-Lifecycle/README.md) | Johdatus data-analytiikan elinkaareen ja sen ensimmäiseen vaiheeseen, datan hankintaan ja poimintaan. | [oppitunti](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | +| 15 | Analysointi | [Elinkaari](4-Data-Science-Lifecycle/README.md) | Tämä data-analytiikan elinkaaren vaihe keskittyy datan analysointitekniikoihin. | [oppitunti](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | | +| 16 | Viestintä | [Elinkaari](4-Data-Science-Lifecycle/README.md) | Tämä data-analytiikan elinkaaren vaihe keskittyy datasta saatujen oivallusten esittämiseen niin, että päätöksentekijöiden on helpompi ymmärtää ne. | [oppitunti](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | +| 17 | Data-analytiikka pilvessä | [Pilvidata](5-Data-Science-In-Cloud/README.md) | Tämä oppituntisarja esittelee data-analytiikan pilvessä ja sen hyödyt. | [oppitunti](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) ja [Maud](https://twitter.com/maudstweets) | +| 18 | Data-analytiikka pilvessä | [Pilvidata](5-Data-Science-In-Cloud/README.md) | Mallien kouluttaminen Low Code -työkaluilla. | [oppitunti](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) ja [Maud](https://twitter.com/maudstweets) | +| 19 | Data-analytiikka pilvessä | [Pilvidata](5-Data-Science-In-Cloud/README.md) | Mallien käyttöönotto Azure Machine Learning Studio -ympäristössä. | [oppitunti](5-Data-Science-In-Cloud/19-Azure/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) ja [Maud](https://twitter.com/maudstweets) | +| 20 | Data-analytiikka luonnossa | [Luonnossa](6-Data-Science-In-Wild/README.md) | Data-analytiikkaa hyödyntävät projektit todellisessa maailmassa. | [oppitunti](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | ## GitHub Codespaces -Seuraa näitä ohjeita avataksesi tämän esimerkin Codespacessa: -1. Klikkaa Code-pudotusvalikkoa ja valitse Open with Codespaces -vaihtoehto. -2. Valitse + New codespace ikkunan alareunasta. -Lisätietoja löydät [GitHubin ohjeista](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace). +Noudata näitä ohjeita avataksesi tämän esimerkin Codespacessa: +1. Klikkaa Code-valikkoa ja valitse Open with Codespaces -vaihtoehto. +2. Valitse + New codespace paneelin alalaidasta. +Lisätietoja löydät [GitHub-dokumentaatiosta](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace). ## VSCode Remote - Containers -Seuraa näitä ohjeita avataksesi tämän repositorion kontissa paikallisella koneellasi ja VSCodea käyttäen VS Code Remote - Containers -laajennuksella: -1. Jos käytät kehityskonttia ensimmäistä kertaa, varmista että järjestelmäsi täyttää esivaatimukset (kuten Dockerin asennuksen) [aloitusdokumentaatiosta](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started). +Noudata näitä ohjeita avataksesi tämän repositorion säiliössä paikallisella koneellasi VSCode-työkalulla ja käyttämällä VS Code Remote - Containers -laajennusta: -Tätä repositoriota voi käyttää avaamalla se eristettynä Docker-volumeen: +1. Jos käytät kehityssäiliötä ensimmäistä kertaa, varmista, että järjestelmäsi täyttää esivaatimukset (eli Dockerin asennuksen) [aloitusohjeiden](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started) mukaisesti. -**Huom:** Tämän komennon alla käytetään Remote-Containers: **Clone Repository in Container Volume...** -komentoa, jolla lähdekoodi kloonataan Docker-volumeen paikallisen tiedostojärjestelmän sijaan. [Voluumit](https://docs.docker.com/storage/volumes/) ovat suositeltu tapa säilyttää konttitietoja. +Voit käyttää tätä repositoriota joko avaamalla sen eristetyssä Docker-tilavuudessa: -Tai avaa paikallisesti kloonattu tai ladattu versio repositorista: +**Huom**: Taustalla tämä käyttää Remote-Containers: **Clone Repository in Container Volume...** -käskyä kloonatakseen lähdekoodin Docker-tilavuuteen paikallisen tiedostojärjestelmän sijaan. [Tilavuudet](https://docs.docker.com/storage/volumes/) ovat suositeltu mekanismi säiliötietojen tallentamiseen. -- Kloonaa tämä repository paikalliselle tiedostojärjestelmällesi. +Tai avaa paikallisesti kloonattu tai ladattu versio repositoriosta: + +- Kloonaa tämä repositorio paikalliselle koneellesi. - Paina F1 ja valitse **Remote-Containers: Open Folder in Container...** -komento. -- Valitse kloonattu kansio, odota konttien käynnistymistä ja aloita käyttö. +- Valitse kloonattu versio tästä kansiosta, odota säiliön käynnistymistä ja ala kokeilla. ## Offline-käyttö -Voit käyttää tätä dokumentaatiota offline-tilassa käyttäen [Docsifya](https://docsify.js.org/#/). Haarauta tämä repo, [asenna Docsify](https://docsify.js.org/#/quickstart) paikalliselle koneellesi ja repo-kansion juuressa aja `docsify serve`. Sivusto tarjotaan portissa 3000 paikallisessa osoitteessasi: `localhost:3000`. +Voit käyttää tätä dokumentaatiota offline-tilassa Docsify-ohjelmalla ([Docsify](https://docsify.js.org/#/)). Haarauta tämä repo, [asenna Docsify](https://docsify.js.org/#/quickstart) paikalliselle koneellesi, ja kirjoita sitten tämän repositorion juurikansiossa komento `docsify serve`. Sivusto palvellaan portissa 3000 paikallisessa hostissasi: `localhost:3000`. -> Huomioi, että muistikirjat eivät renderöidy Docsifylla, joten kun tarvitset muistikirjan ajamista, tee se erikseen VS Codessa Python-ytimellä. +> Huomaa, että muistikirjat (notebooks) eivät renderöidy Docsifylla, joten kun tarvitset suorittaa muistikirjan, tee se erikseen VS Codessa Python-ytimen avulla. ## Muut opetussuunnitelmat -Tiimimme tuottaa muitakin opetussuunnitelmia! Tutustu: +Tiimimme tuottaa myös muita opetussuunnitelmia! Tutustu: ### LangChain [![LangChain4j aloittelijoille](https://img.shields.io/badge/LangChain4j%20for%20Beginners-22C55E?style=for-the-badge&&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchain4j-for-beginners) [![LangChain.js aloittelijoille](https://img.shields.io/badge/LangChain.js%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin) - +[![LangChain aloittelijoille](https://img.shields.io/badge/LangChain%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin) --- ### Azure / Edge / MCP / Agentit [![AZD aloittelijoille](https://img.shields.io/badge/AZD%20for%20Beginners-0078D4?style=for-the-badge&labelColor=E5E7EB&color=0078D4)](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst) [![Edge AI aloittelijoille](https://img.shields.io/badge/Edge%20AI%20for%20Beginners-00B8E4?style=for-the-badge&labelColor=E5E7EB&color=00B8E4)](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst) [![MCP aloittelijoille](https://img.shields.io/badge/MCP%20for%20Beginners-009688?style=for-the-badge&labelColor=E5E7EB&color=009688)](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst) -[![AI-agentit aloittelijoille](https://img.shields.io/badge/AI%20Agents%20for%20Beginners-00C49A?style=for-the-badge&labelColor=E5E7EB&color=00C49A)](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst) +[![AI Agentit aloittelijoille](https://img.shields.io/badge/AI%20Agents%20for%20Beginners-00C49A?style=for-the-badge&labelColor=E5E7EB&color=00C49A)](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst) --- @@ -215,32 +217,32 @@ Tiimimme tuottaa muitakin opetussuunnitelmia! Tutustu: --- -### Perusoppiminen -[![ML aloittelijoille](https://img.shields.io/badge/ML%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=22C55E)](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst) -[![Datan analysointi aloittelijoille](https://img.shields.io/badge/Data%20Science%20for%20Beginners-84CC16?style=for-the-badge&labelColor=E5E7EB&color=84CC16)](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst) +### Perusopetus +[![Koneoppiminen aloittelijoille](https://img.shields.io/badge/ML%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=22C55E)](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst) +[![Data-analytiikka aloittelijoille](https://img.shields.io/badge/Data%20Science%20for%20Beginners-84CC16?style=for-the-badge&labelColor=E5E7EB&color=84CC16)](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst) [![Tekoäly aloittelijoille](https://img.shields.io/badge/AI%20for%20Beginners-A3E635?style=for-the-badge&labelColor=E5E7EB&color=A3E635)](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst) [![Kyberturvallisuus aloittelijoille](https://img.shields.io/badge/Cybersecurity%20for%20Beginners-F97316?style=for-the-badge&labelColor=E5E7EB&color=F97316)](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung) -[![Web-kehitys aloittelijoille](https://img.shields.io/badge/Web%20Dev%20for%20Beginners-EC4899?style=for-the-badge&labelColor=E5E7EB&color=EC4899)](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst) +[![Verkkokehitys aloittelijoille](https://img.shields.io/badge/Web%20Dev%20for%20Beginners-EC4899?style=for-the-badge&labelColor=E5E7EB&color=EC4899)](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst) [![IoT aloittelijoille](https://img.shields.io/badge/IoT%20for%20Beginners-14B8A6?style=for-the-badge&labelColor=E5E7EB&color=14B8A6)](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst) [![XR-kehitys aloittelijoille](https://img.shields.io/badge/XR%20Development%20for%20Beginners-38BDF8?style=for-the-badge&labelColor=E5E7EB&color=38BDF8)](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst) --- ### Copilot-sarja -[![Copilot tekoälypari-koodaukseen](https://img.shields.io/badge/Copilot%20for%20AI%20Paired%20Programming-FACC15?style=for-the-badge&labelColor=E5E7EB&color=FACC15)](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst) +[![Copilot tekoälypariohjelmointiin](https://img.shields.io/badge/Copilot%20for%20AI%20Paired%20Programming-FACC15?style=for-the-badge&labelColor=E5E7EB&color=FACC15)](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst) [![Copilot C#/.NET:lle](https://img.shields.io/badge/Copilot%20for%20C%23/.NET-FBBF24?style=for-the-badge&labelColor=E5E7EB&color=FBBF24)](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst) [![Copilot-seikkailu](https://img.shields.io/badge/Copilot%20Adventure-FDE68A?style=for-the-badge&labelColor=E5E7EB&color=FDE68A)](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst) -## Apua saatavilla +## Apua saamaan -**Koetko ongelmia?** Katso [Vianmääritysohjeemme](TROUBLESHOOTING.md) yleisiin ongelmiin ratkaisuja. +**Koetko ongelmia?** Tarkista [Vianmääritysohjeemme](TROUBLESHOOTING.md) yleisimpien ongelmien ratkaisuille. -Jos jäät jumiin tai sinulla on kysyttävää tekoälysovellusten rakentamisesta, liity muiden oppijoiden ja kokeneiden kehittäjien keskusteluihin MCP:stä. Se on kannustava yhteisö, jossa kysymyksiä voi esittää ja tietoa jaetaan vapaasti. +Jos jäit jumiin tai sinulla on kysymyksiä tekoälysovellusten rakentamisesta, liity MCP-yhteisön keskusteluihin muiden oppijoiden ja kokeneiden kehittäjien kanssa. Se on tukea antava yhteisö, jossa kysymyksiä saa esittää ja tietoa jaetaan vapaasti. [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -Jos sinulla on tuotepalautetta tai kohtaat virheitä rakentamisen aikana, käy: +Jos sinulla on palautetta tuotteesta tai kohtaat virheitä rakentamisen aikana, vieraile: [![Microsoft Foundry Developer Forum](https://img.shields.io/badge/GitHub-Microsoft_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) @@ -248,5 +250,5 @@ Jos sinulla on tuotepalautetta tai kohtaat virheitä rakentamisen aikana, käy: **Vastuuvapauslauseke**: -Tämä asiakirja on käännetty käyttämällä tekoälypohjaista käännöspalvelua [Co-op Translator](https://github.com/Azure/co-op-translator). Pyrimme tarkkuuteen, mutta ole hyvä ja huomioi, että automaattikäännöksissä voi esiintyä virheitä tai epätarkkuuksia. Alkuperäinen asiakirja sen omalla kielellä on virallinen lähde. Tärkeiden tietojen osalta suositellaan ammattimaista ihmiskäännöstä. Emme ota vastuuta tämän käännöksen käytöstä johtuvista väärinkäsityksistä tai tulkinnoista. +Tämä asiakirja on käännetty tekoälypohjaisella käännöspalvelulla [Co-op Translator](https://github.com/Azure/co-op-translator). Pyrimme tarkkuuteen, mutta huomioithan, että automaattikäännöksissä saattaa esiintyä virheitä tai epätarkkuuksia. Alkuperäistä asiakirjaa sen alkuperäiskielellä tulee pitää virallisena lähteenä. Tärkeissä tiedoissa suositellaan ammattimaista ihmiskäännöstä. Emme ole vastuussa tämän käännöksen käytöstä aiheutuvista väärinkäsityksistä tai tulkinnoista. \ No newline at end of file diff --git a/translations/no/.co-op-translator.json b/translations/no/.co-op-translator.json index dd5e299f..538ccafa 100644 --- a/translations/no/.co-op-translator.json +++ b/translations/no/.co-op-translator.json @@ -360,8 +360,8 @@ "language_code": "no" }, "README.md": { - "original_hash": "8ec92ecfeb14923af733851239552146", - "translation_date": "2026-01-30T01:58:16+00:00", + "original_hash": "9204a2806964384a56f5cb0f22bbe953", + "translation_date": "2026-02-06T08:25:37+00:00", "source_file": "README.md", "language_code": "no" }, diff --git a/translations/no/README.md b/translations/no/README.md index 13e58d49..261143d8 100644 --- a/translations/no/README.md +++ b/translations/no/README.md @@ -1,4 +1,4 @@ -# Data Science for Beginners - En læreplan +# Data Science for Beginners - En Læreplan [![Open in GitHub Codespaces](https://github.com/codespaces/badge.svg)](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198) @@ -17,7 +17,7 @@ [![Microsoft Foundry Developer Forum](https://img.shields.io/badge/GitHub-Microsoft_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum) -Azure Cloud Advocates hos Microsoft er glade for å kunne tilby en 10-ukers, 20-leksjons læreplan som handler om Data Science. Hver leksjon inkluderer quiz før og etter leksjonen, skriftlige instruksjoner for å fullføre leksjonen, en løsning og en oppgave. Vår prosjektbaserte pedagogikk lar deg lære mens du bygger, en bevist måte for nye ferdigheter å «sette seg». +Azure Cloud Advocates hos Microsoft er glade for å tilby en 10-ukers, 20-leksjoners læreplan som handler helt om Data Science. Hver leksjon inkluderer quiz før og etter leksjonen, skriftlige instrukser for å fullføre leksjonen, en løsning og en oppgave. Vår prosjektbaserte undervisningsmetode lar deg lære mens du bygger, en bevist måte for nye ferdigheter å "feste" seg på. **Stor takk til våre forfattere:** [Jasmine Greenaway](https://www.twitter.com/paladique), [Dmitry Soshnikov](http://soshnikov.com), [Nitya Narasimhan](https://twitter.com/nitya), [Jalen McGee](https://twitter.com/JalenMcG), [Jen Looper](https://twitter.com/jenlooper), [Maud Levy](https://twitter.com/maudstweets), [Tiffany Souterre](https://twitter.com/TiffanySouterre), [Christopher Harrison](https://www.twitter.com/geektrainer). @@ -28,16 +28,16 @@ Azure Cloud Advocates hos Microsoft er glade for å kunne tilby en 10-ukers, 20- |:---:| | Data Science For Beginners - _Sketchnote av [@nitya](https://twitter.com/nitya)_ | -### 🌐 Støtte for flere språk +### 🌐 Flerspråklig Støtte -#### Støttet via GitHub Action (Automatisert & Alltid Oppdatert) +#### Støttet via GitHub Action (Automatisk & Alltid Oppdatert) -[Arabisk](../ar/README.md) | [Bengali](../bn/README.md) | [Bulgarsk](../bg/README.md) | [Burmesisk (Myanmar)](../my/README.md) | [Kinesisk (Forenklet)](../zh-CN/README.md) | [Kinesisk (Tradisjonell, Hong Kong)](../zh-HK/README.md) | [Kinesisk (Tradisjonell, Macau)](../zh-MO/README.md) | [Kinesisk (Tradisjonell, Taiwan)](../zh-TW/README.md) | [Kroatisk](../hr/README.md) | [Tsjekkisk](../cs/README.md) | [Dansk](../da/README.md) | [Nederlandsk](../nl/README.md) | [Estisk](../et/README.md) | [Finsk](../fi/README.md) | [Fransk](../fr/README.md) | [Tysk](../de/README.md) | [Gresk](../el/README.md) | [Hebraisk](../he/README.md) | [Hindi](../hi/README.md) | [Ungarsk](../hu/README.md) | [Indonesisk](../id/README.md) | [Italiensk](../it/README.md) | [Japansk](../ja/README.md) | [Kannada](../kn/README.md) | [Koreansk](../ko/README.md) | [Litauisk](../lt/README.md) | [Malaysisk](../ms/README.md) | [Malayalam](../ml/README.md) | [Marathi](../mr/README.md) | [Nepalesisk](../ne/README.md) | [Nigeriansk Pidgin](../pcm/README.md) | [Norsk](./README.md) | [Persisk (Farsi)](../fa/README.md) | [Polsk](../pl/README.md) | [Portugisisk (Brasil)](../pt-BR/README.md) | [Portugisisk (Portugal)](../pt-PT/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Rumensk](../ro/README.md) | [Russisk](../ru/README.md) | [Serbisk (Kyrillisk)](../sr/README.md) | [Slovakisk](../sk/README.md) | [Slovensk](../sl/README.md) | [Spansk](../es/README.md) | [Swahili](../sw/README.md) | [Svensk](../sv/README.md) | [Tagalog (Filippinsk)](../tl/README.md) | [Tamil](../ta/README.md) | [Telugu](../te/README.md) | [Thai](../th/README.md) | [Tyrkisk](../tr/README.md) | [Ukrainsk](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamesisk](../vi/README.md) +[Arabic](../ar/README.md) | [Bengali](../bn/README.md) | [Bulgarian](../bg/README.md) | [Burmese (Myanmar)](../my/README.md) | [Chinese (Simplified)](../zh-CN/README.md) | [Chinese (Traditional, Hong Kong)](../zh-HK/README.md) | [Chinese (Traditional, Macau)](../zh-MO/README.md) | [Chinese (Traditional, Taiwan)](../zh-TW/README.md) | [Croatian](../hr/README.md) | [Czech](../cs/README.md) | [Danish](../da/README.md) | [Dutch](../nl/README.md) | [Estonian](../et/README.md) | [Finnish](../fi/README.md) | [French](../fr/README.md) | [German](../de/README.md) | [Greek](../el/README.md) | [Hebrew](../he/README.md) | [Hindi](../hi/README.md) | [Hungarian](../hu/README.md) | [Indonesian](../id/README.md) | [Italian](../it/README.md) | [Japanese](../ja/README.md) | [Kannada](../kn/README.md) | [Korean](../ko/README.md) | [Lithuanian](../lt/README.md) | [Malay](../ms/README.md) | [Malayalam](../ml/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Nigerian Pidgin](../pcm/README.md) | [Norwegian](./README.md) | [Persian (Farsi)](../fa/README.md) | [Polish](../pl/README.md) | [Portuguese (Brazil)](../pt-BR/README.md) | [Portuguese (Portugal)](../pt-PT/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Romanian](../ro/README.md) | [Russian](../ru/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Slovak](../sk/README.md) | [Slovenian](../sl/README.md) | [Spanish](../es/README.md) | [Swahili](../sw/README.md) | [Swedish](../sv/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Tamil](../ta/README.md) | [Telugu](../te/README.md) | [Thai](../th/README.md) | [Turkish](../tr/README.md) | [Ukrainian](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamese](../vi/README.md) -> **Foretrekker du å klone lokalt?** +> **Foretrekker å klone lokalt?** -> Dette depotet inkluderer over 50 språkoversettelser som øker nedlastingsstørrelsen betydelig. For å klone uten oversettelser, bruk sparsjekontroll: +> Dette depotet inkluderer 50+ språkoversettelser som øker nedlastingsstørrelsen betydelig. For å klone uten oversettelser, bruk sparsommelig utsjekking: > ```bash > git clone --filter=blob:none --sparse https://github.com/microsoft/Data-Science-For-Beginners.git > cd Data-Science-For-Beginners @@ -46,12 +46,12 @@ Azure Cloud Advocates hos Microsoft er glade for å kunne tilby en 10-ukers, 20- > Dette gir deg alt du trenger for å fullføre kurset med en mye raskere nedlasting. -**Hvis du ønsker flere støttede oversettelsesspråk, er de listet opp [her](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** +**Hvis du ønsker at flere oversettelsesspråk skal støttes, finner du listen [her](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** #### Bli med i vårt fellesskap [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) -Vi har en pågående Discord-lær med AI-serie, lær mer og bli med oss på [Learn with AI Series](https://aka.ms/learnwithai/discord) fra 18. til 30. september 2025. Du vil få tips og triks om bruk av GitHub Copilot for Data Science. +Vi har en pågående Discord lær med AI-serie, lær mer og bli med oss på [Learn with AI Series](https://aka.ms/learnwithai/discord) fra 18. - 30. september 2025. Du vil få tips og triks for å bruke GitHub Copilot for Data Science. ![Learn with AI series](../../translated_images/no/1.2b28cdc6205e26fe.webp) @@ -59,183 +59,185 @@ Vi har en pågående Discord-lær med AI-serie, lær mer og bli med oss på [Lea Kom i gang med følgende ressurser: -- [Student Hub side](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) På denne siden finner du nybegynnerressurser, studentpakker og til og med måter å få en gratis sertifikatkupong på. Dette er en side du bør bokmerke og sjekke fra tid til annen siden vi bytter ut innhold minst månedlig. -- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Bli med i et globalt fellesskap av studentambassadører; dette kan være din vei inn i Microsoft. +- [Student Hub-siden](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) På denne siden finner du ressurser for nybegynnere, studentpakker og til og med muligheter til å få en gratis sertifiseringskupong. Dette er en side du bør bokmerke og sjekke jevnlig, da vi bytter ut innhold minst månedlig. +- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Bli med i et globalt studentambassadørfellesskap, dette kan være din vei inn i Microsoft. -# Kom i gang +# Komme i gang ## 📚 Dokumentasjon -- **[Installasjonsveiledning](INSTALLATION.md)** - Instruksjoner steg-for-steg for oppsett for nybegynnere +- **[Installasjonsveiledning](INSTALLATION.md)** - Trinnvise instruksjoner for oppsett for nybegynnere - **[Bruksanvisning](USAGE.md)** - Eksempler og vanlige arbeidsflyter - **[Feilsøking](TROUBLESHOOTING.md)** - Løsninger på vanlige problemer - **[Bidragsveiledning](CONTRIBUTING.md)** - Hvordan bidra til dette prosjektet -- **[For lærere](for-teachers.md)** - Veiledning for undervisning og ressurser for klasserommet +- **[For Lærere](for-teachers.md)** - Veiledning for undervisning og klasseromsressurser -## 👨‍🎓 For studenter -> **Fullstendige nybegynnere**: Ny innen data science? Start med våre [nybegynnervennlige eksempler](examples/README.md)! Disse enkle, godt kommenterte eksemplene vil hjelpe deg å forstå grunnleggende før du går inn i hele læreplanen. -> **[Studenter](https://aka.ms/student-page)**: for å bruke denne læreplanen på egen hånd, forgrener du hele depotet og fullfører oppgavene selv, start med en quiz før forelesningen. Deretter leser du forelesningen og fullfører resten av aktivitetene. Prøv å lage prosjektene ved å forstå leksjonene i stedet for å kopiere løsningskoden; den koden er imidlertid tilgjengelig i /solutions-mappene i hver prosjektorienterte leksjon. En annen idé er å danne en studiegruppe med venner og gå gjennom innholdet sammen. For videre studier anbefaler vi [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum). +## 👨‍🎓 For Studenter +> **Fullstendige Nybegynnere**: Ny innen data science? Start med våre [nybegynnervennlige eksempler](examples/README.md)! Disse enkle, godt kommenterte eksemplene vil hjelpe deg å forstå det grunnleggende før du dykker ned i hele læreplanen. +> **[Studenter](https://aka.ms/student-page)**: for å bruke denne læreplanen på egenhånd, forkk hele repoet og fullfør oppgavene på egenhånd, begynn med en pre-forelesningsquiz. Deretter les forelesningen og fullfør resten av aktivitetene. Prøv å lage prosjektene ved å forstå leksjonene i stedet for å kopiere løsningskoden; likevel er koden tilgjengelig i /solutions-mapper i hver prosjektorienterte leksjon. En annen idé er å danne en studiegruppe med venner og gå gjennom innholdet sammen. For videre studier anbefaler vi [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum). **Rask start:** 1. Sjekk [Installasjonsveiledningen](INSTALLATION.md) for å sette opp miljøet ditt 2. Gå gjennom [Bruksanvisningen](USAGE.md) for å lære hvordan du jobber med læreplanen -3. Begynn med Leksjon 1 og jobb deg videre i rekkefølge +3. Start med Leksjon 1 og arbeid deg gjennom sekvensielt 4. Bli med i vårt [Discord-fellesskap](https://aka.ms/ds4beginners/discord) for støtte -## 👩‍🏫 For lærere +## 👩‍🏫 For Lærere -> **Lærere**: vi har [inkludert noen forslag](for-teachers.md) til hvordan du kan bruke denne læreplanen. Vi ønsker gjerne tilbakemeldinger [i vårt diskusjonsforum](https://github.com/microsoft/Data-Science-For-Beginners/discussions)! +> **Lærere**: vi har [inkludert noen forslag](for-teachers.md) om hvordan du kan bruke denne læreplanen. Vi ønsker gjerne din tilbakemelding [i vår diskusjonsforum](https://github.com/microsoft/Data-Science-For-Beginners/discussions)! ## Møt teamet [![Promo video](../../ds-for-beginners.gif)](https://youtu.be/8mzavjQSMM4 "Promo video") **Gif av** [Mohit Jaisal](https://www.linkedin.com/in/mohitjaisal) -> 🎥 Klikk på bildet over for en video om prosjektet og folkene som laget det! +> 🎥 Klikk på bildet ovenfor for en video om prosjektet og menneskene som skapte det! ## Pedagogikk -Vi har valgt to pedagogiske prinsipper under utarbeidelsen av denne læreplanen: å sikre at den er prosjektbasert og at den inneholder hyppige quizzer. Ved slutten av denne serien vil studentene ha lært grunnleggende prinsipper innen data science, inkludert etiske konsepter, datarensing, ulike måter å jobbe med data på, datavisualisering, dataanalyse, virkelige bruksområder for data science og mer. +Vi har valgt to pedagogiske prinsipper mens vi bygde dette pensumet: å sikre at det er prosjektbasert og at det inkluderer hyppige quizer. Ved slutten av denne serien vil studentene ha lært grunnleggende prinsipper for datavitenskap, inkludert etiske konsepter, dataklargjøring, forskjellige måter å jobbe med data på, datavisualisering, dataanalyse, virkelige brukstilfeller av datavitenskap, og mer. -I tillegg setter en liten quiz før timen studentens intensjon om å lære et emne, mens en andre quiz etter timen sikrer videre opprettholdelse. Denne læreplanen er designet for å være fleksibel og morsom og kan tas i sin helhet eller delvis. Prosjektene starter smått og blir mer og mer komplekse mot slutten av 10-ukers syklusen. +I tillegg setter en lavrisiko-quiz før en time studentens intensjon mot å lære et emne, mens en andre quiz etter timen sikrer videre hukommelse. Dette pensumet ble designet for å være fleksibelt og morsomt og kan tas i sin helhet eller delvis. Prosjektene starter små og blir stadig mer komplekse ved slutten av 10-ukers syklusen. -> Finn våre [atferdsregler](CODE_OF_CONDUCT.md), [bidragsretningslinjer](CONTRIBUTING.md), [oversettelsesretningslinjer](TRANSLATIONS.md). Vi ønsker din konstruktive tilbakemelding velkommen! +> Finn våre [Regler for oppførsel](CODE_OF_CONDUCT.md), [Bidra](CONTRIBUTING.md), [Oversettelse](TRANSLATIONS.md) retningslinjer. Vi tar imot din konstruktive tilbakemelding! ## Hver leksjon inkluderer: - Valgfri sketchnote - Valgfri tilleggsvideo -- Forhåndsquiz før leksjonen +- Quiz som oppvarming før leksjonen - Skriftlig leksjon -- For prosjektbaserte leksjoner, trinnvise guider på hvordan bygge prosjektet +- For prosjektbaserte leksjoner, trinnvise guider for hvordan bygge prosjektet - Kunnskapssjekker - En utfordring -- Tilleggslesing +- Tilleggslesning - Oppgave - [Quiz etter leksjonen](https://ff-quizzes.netlify.app/en/) -> **En merknad om quizzer**: Alle quizzer finnes i Quiz-App-mappen, totalt 40 quizzer med tre spørsmål hver. De er linket fra leksjonene, men quiz-appen kan også kjøres lokalt eller distribueres til Azure; følg instruksjonene i `quiz-app`-mappen. De blir gradvis oversatt. +> **En merknad om quizer**: Alle quizer er samlet i Quiz-App-mappen, for totalt 40 quizer med tre spørsmål hver. De er lenket fra leksjonene, men quiz-appen kan kjøres lokalt eller distribueres til Azure; følg instruksjonene i `quiz-app`-mappen. De lokaliseres gradvis. ## 🎓 Nybegynnervennlige eksempler -**Ny på Data Science?** Vi har laget en spesiell [eksempelmapppe](examples/README.md) med enkel, godt kommentert kode for å hjelpe deg å komme i gang: +**Ny innen datavitenskap?** Vi har laget en spesiell [eksempelkatalog](examples/README.md) med enkel, godt kommentert kode for å hjelpe deg i gang: -- 🌟 **Hello World** – Ditt første data science-program -- 📂 **Laste inn data** – Lær å lese og utforske datasett -- 📊 **Enkel analyse** – Beregn statistikk og finn mønstre -- 📈 **Grunnleggende visualisering** – Lag diagrammer og grafer -- 🔬 **Virkelighetsnært prosjekt** – Full arbeidsflyt fra start til slutt +- 🌟 **Hello World** - Ditt første datavitenskapsprogram +- 📂 **Laste inn data** - Lær å lese og utforske datasett +- 📊 **Enkel analyse** - Beregn statistikk og finn mønstre +- 📈 **Grunnleggende visualisering** - Lag diagrammer og grafer +- 🔬 **Virkelig prosjekt** - Fullstendig arbeidsflyt fra start til slutt -Hvert eksempel inkluderer detaljerte kommentarer som forklarer hvert steg, perfekt for absolutt nybegynnere! +Hvert eksempel inkluderer detaljerte kommentarer som forklarer hvert steg, noe som gjør det perfekt for absolutt nybegynnere! 👉 **[Start med eksemplene](examples/README.md)** 👈 ## Leksjoner -|![ Sketchnote by @sketchthedocs https://sketchthedocs.dev](../../translated_images/no/00-Roadmap.4905d6567dff4753.webp)| + +|![ Sketchnote av @sketchthedocs https://sketchthedocs.dev](../../translated_images/no/00-Roadmap.4905d6567dff4753.webp)| |:---:| -| Data Science For Beginners: Veikart - _Sketchnote av [@nitya](https://twitter.com/nitya)_ | +| Datavitenskap for nybegynnere: Veikart - _Sketchnote av [@nitya](https://twitter.com/nitya)_ | + -| Leksjonsnummer | Tema | Leksjonsgruppe | Læringsmål | Lenket leksjon | Forfatter | +| Leksjonsnummer | Emne | Leksjonsgruppering | Læringsmål | Lenket leksjon | Forfatter | | :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: | -| 01 | Definisjon av Data Science | [Introduksjon](1-Introduction/README.md) | Lær de grunnleggende konseptene bak data science og hvordan det er relatert til kunstig intelligens, maskinlæring og Big Data. | [leksjon](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | -| 02 | Etikk innen Data Science | [Introduksjon](1-Introduction/README.md) | Begreper, utfordringer og rammeverk for dataetikk. | [leksjon](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | -| 03 | Definere data | [Introduksjon](1-Introduction/README.md) | Hvordan data klassifiseres og vanlige kilder. | [leksjon](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) | -| 04 | Introduksjon til statistikk og sannsynlighet | [Introduksjon](1-Introduction/README.md) | De matematiske teknikkene innen sannsynlighet og statistikk for å forstå data. | [leksjon](1-Introduction/04-stats-and-probability/README.md) [video](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) | -| 05 | Arbeide med relasjonsdata | [Arbeide med data](2-Working-With-Data/README.md) | Introduksjon til relasjonsdata og det grunnleggende ved å utforske og analysere relasjonsdata med Structured Query Language, også kjent som SQL (uttales "see-quell"). | [leksjon](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | -| 06 | Arbeide med NoSQL-data | [Arbeide med data](2-Working-With-Data/README.md) | Introduksjon til ikke-relasjonelle data, ulike typer og grunnleggende utforsking og analyse av dokumentdatabaser. | [leksjon](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique) | +| 01 | Definere datavitenskap | [Introduksjon](1-Introduction/README.md) | Lær de grunnleggende konseptene bak datavitenskap og hvordan det er relatert til kunstig intelligens, maskinlæring og store data. | [leksjon](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | +| 02 | Etikk i datavitenskap | [Introduksjon](1-Introduction/README.md) | Dataetikk konsepter, utfordringer og rammeverk. | [leksjon](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | +| 03 | Definere data | [Introduksjon](1-Introduction/README.md) | Hvordan data klassifiseres og dets vanlige kilder. | [leksjon](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) | +| 04 | Introduksjon til statistikk og sannsynlighet | [Introduksjon](1-Introduction/README.md) | De matematiske teknikkene sannsynlighet og statistikk for å forstå data. | [leksjon](1-Introduction/04-stats-and-probability/README.md) [video](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) | +| 05 | Arbeide med relasjonsdata | [Arbeide med data](2-Working-With-Data/README.md) | Introduksjon til relasjonsdata og det grunnleggende i å utforske og analysere relasjonsdata med Structured Query Language, også kjent som SQL (uttales “see-quell”). | [leksjon](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | +| 06 | Arbeide med NoSQL-data | [Arbeide med data](2-Working-With-Data/README.md) | Introduksjon til ikke-relasjonelle data, ulike typer og det grunnleggende for å utforske og analysere dokumentdatabaser. | [leksjon](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)| | 07 | Arbeide med Python | [Arbeide med data](2-Working-With-Data/README.md) | Grunnleggende bruk av Python for datautforskning med biblioteker som Pandas. Grunnleggende forståelse av Python-programmering anbefales. | [leksjon](2-Working-With-Data/07-python/README.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) | -| 08 | Datapreparering | [Arbeide med data](2-Working-With-Data/README.md) | Temaer om teknikker for rensing og transformasjon av data for å håndtere utfordringer med manglende, unøyaktige eller ufullstendige data. | [leksjon](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | -| 09 | Visualisere mengder | [Datavisualisering](3-Data-Visualization/README.md) | Lær å bruke Matplotlib for å visualisere fugledata 🦆 | [leksjon](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) | -| 10 | Visualisere datadistribusjoner | [Datavisualisering](3-Data-Visualization/README.md) | Visualisering av observasjoner og trender innen et intervall. | [leksjon](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) | -| 11 | Visualisere proporsjoner | [Datavisualisering](3-Data-Visualization/README.md) | Visualisering av diskrete og grupperte prosentandeler. | [leksjon](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) | -| 12 | Visualisere 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 å gjøre visualiseringene dine verdifulle for effektiv problemløsning og innsikt. | [leksjon](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | -| 14 | Introduksjon til livssyklusen for data science | [Livssyklus](4-Data-Science-Lifecycle/README.md) | Introduksjon til livssyklusen i data science og det første trinnet med å hente og trekke ut data. | [leksjon](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | -| 15 | Analysere | [Livssyklus](4-Data-Science-Lifecycle/README.md) | Denne fasen i livssyklusen for data science fokuserer på teknikker for å analysere data. | [leksjon](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | -| 16 | Kommunikasjon | [Livssyklus](4-Data-Science-Lifecycle/README.md) | Denne fasen i livssyklusen for data science fokuserer på å presentere innsiktene fra data på en måte som gjør det enklere for beslutningstakere å forstå. | [leksjon](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | -| 17 | Data Science i skyen | [Skydata](5-Data-Science-In-Cloud/README.md) | Denne serien av leksjoner introduserer data science i skyen og dets 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) | Trene modeller ved hjelp av Low Code-verktøy. | [leksjon](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) og [Maud](https://twitter.com/maudstweets) | -| 19 | Data Science i skyen | [Skydata](5-Data-Science-In-Cloud/README.md) | Distribuere modeller med Azure Machine Learning Studio. | [leksjon](5-Data-Science-In-Cloud/19-Azure/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) og [Maud](https://twitter.com/maudstweets) | -| 20 | Data Science i praksis | [I feltet](6-Data-Science-In-Wild/README.md) | Data science-styrte prosjekter i virkeligheten. | [leksjon](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | +| 08 | Dataklargjøring | [Arbeide med data](2-Working-With-Data/README.md) | Emner om datateknikker for rengjøring og transformasjon av data for å håndtere utfordringer med manglende, unøyaktige eller ufullstendige data. | [leksjon](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | +| 09 | Visualisere kvantiteter | [Datavisualisering](3-Data-Visualization/README.md) | Lær hvordan du bruker Matplotlib for å visualisere fugledata 🦆 | [leksjon](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) | +| 10 | Visualisere fordeling av data | [Datavisualisering](3-Data-Visualization/README.md) | Visualisere observasjoner og trender innen et intervall. | [leksjon](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) | +| 11 | Visualisere proporsjoner | [Datavisualisering](3-Data-Visualization/README.md) | Visualisere diskrete og grupperte prosenter. | [leksjon](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) | +| 12 | Visualisere relasjoner | [Datavisualisering](3-Data-Visualization/README.md) | Visualisere forbindelser og korrelasjoner mellom datasett og deres variabler. | [leksjon](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) | +| 13 | Meningsfulle visualiseringer | [Datavisualisering](3-Data-Visualization/README.md) | Teknikkene og veiledning for å gjøre visualiseringene verdifulle for effektiv problemløsning og innsikt. | [leksjon](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | +| 14 | Introduksjon til datavitenskaps livssyklus | [Livssyklus](4-Data-Science-Lifecycle/README.md) | Introduksjon til datavitenskaps livssyklus og dets første steg med innhenting og utvinning av data. | [leksjon](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | +| 15 | Analysering | [Livssyklus](4-Data-Science-Lifecycle/README.md) | Denne fasen av datavitenskaps livssyklus fokuserer på teknikker for å analysere data. | [leksjon](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | | +| 16 | Kommunikasjon | [Livssyklus](4-Data-Science-Lifecycle/README.md) | Denne fasen av datavitenskaps livssyklus fokuserer på å presentere innsiktene fra data på en måte som gjør det lettere for beslutningstakere å forstå. | [leksjon](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | +| 17 | Datavitenskap i skyen | [Skydata](5-Data-Science-In-Cloud/README.md) | Denne serien av leksjoner introduserer datavitenskap i skyen og fordelene ved det. | [leksjon](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) og [Maud](https://twitter.com/maudstweets) | +| 18 | Datavitenskap i skyen | [Skydata](5-Data-Science-In-Cloud/README.md) | Trene modeller ved bruk av Low Code-verktøy. |[leksjon](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) og [Maud](https://twitter.com/maudstweets) | +| 19 | Datavitenskap i skyen | [Skydata](5-Data-Science-In-Cloud/README.md) | Distribuere modeller med Azure Machine Learning Studio. | [leksjon](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) og [Maud](https://twitter.com/maudstweets) | +| 20 | Datavitenskap i det virkelige liv | [I det fri](6-Data-Science-In-Wild/README.md) | Datavitenskapsdrevne prosjekter i den virkelige verden. | [leksjon](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | ## GitHub Codespaces -Følg disse trinnene for å åpne dette eksempelet i en Codespace: -1. Klikk på Code-nedtrekksmenyen og velg alternativet Open with Codespaces. +Følg disse trinnene for å åpne dette eksemplet i en Codespace: +1. Klikk på Code-rullegardinmenyen og velg alternativet Open with Codespaces. 2. Velg + New codespace nederst i panelet. -For mer informasjon, se [GitHub dokumentasjon](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 -Følg disse trinnene for å åpne dette repo-et i en container ved bruk av din lokale maskin og VSCode med utvidelsen VS Code Remote - Containers: +Følg disse trinnene for å åpne dette depotet i en container med din lokale maskin og VSCode ved bruk av VS Code Remote - Containers-utvidelsen: -1. Hvis dette er første gang du bruker en utviklingscontainer, må du sørge for at systemet ditt møter forutsetningene (dvs. har Docker installert) i [komme i gang-dokumentasjonen](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started). +1. Hvis dette er første gang du bruker en utviklingscontainer, sørg for at systemet ditt oppfyller forutsetningene (dvs. Docker er installert) i [komme i gang-dokumentasjonen](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started). -For å bruke dette repo-et kan du enten åpne repo-et i et isolert Docker-volum: +For å bruke dette depotet kan du enten åpne depotet i et isolert Docker-volum: -**Merk**: Under panseret vil dette bruke Remote-Containers: **Clone Repository in Container Volume...**-kommandoen for å klone kildekoden i et Docker-volum i stedet for på det lokale filsystemet. [Volumer](https://docs.docker.com/storage/volumes/) er den foretrukne mekanismen for å bevare containerdata. +**Merk**: Under panseret vil dette bruke Remote-Containers: **Clone Repository in Container Volume...** kommandoen for å klone kildekoden i et Docker-volum i stedet for det lokale filsystemet. [Volumer](https://docs.docker.com/storage/volumes/) er den foretrukne mekanismen for å bevare containerdata. -Eller åpne en lokalt klonet eller nedlastet versjon av repo-et: +Eller åpne en lokalt klonet eller nedlastet versjon av depotet: -- Klon dette repo-et til ditt lokale filsystem. +- Klon dette depotet til ditt lokale filsystem. - Trykk F1 og velg kommandoen **Remote-Containers: Open Folder in Container...**. -- Velg den klonede kopien av denne mappen, vent til containeren starter, og prøv ut ting. +- Velg den klonede kopien av denne mappen, vent på at containeren starter, og prøv det ut. -## Offline tilgang +## Offline-tilgang -Du kan bruke denne dokumentasjonen offline ved hjelp av [Docsify](https://docsify.js.org/#/). Fork dette repo-et, [installer Docsify](https://docsify.js.org/#/quickstart) på din lokale maskin, og deretter i rotmappen for dette repo-et, skriv `docsify serve`. Nettstedet vil bli servert på port 3000 på localhost: `localhost:3000`. +Du kan kjøre denne dokumentasjonen offline ved å bruke [Docsify](https://docsify.js.org/#/). Fork dette repoet, [installer Docsify](https://docsify.js.org/#/quickstart) på din lokale maskin, og skriv deretter `docsify serve` i rotmappen til dette repoet. Nettstedet vil bli servert på port 3000 på din localhost: `localhost:3000`. -> Merk at notatbøker ikke vil bli gjengitt via Docsify, så når du trenger å kjøre en notatbok, gjør det separat i VS Code med en Python-kjerne. +> Merk, notatbøker vil ikke bli gjengitt via Docsify, så når du trenger å kjøre en notatbok, gjør det separat i VS Code med en Python-kjerne. -## Andre læreplaner +## Andre pensum -Vårt team produserer andre læreplaner! Sjekk ut: +Vårt team produserer andre pensum! Sjekk ut: ### LangChain [![LangChain4j for Beginners](https://img.shields.io/badge/LangChain4j%20for%20Beginners-22C55E?style=for-the-badge&&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchain4j-for-beginners) -[![LangChain.js for nybegynnere](https://img.shields.io/badge/LangChain.js%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin) - +[![LangChain.js for Beginners](https://img.shields.io/badge/LangChain.js%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin) +[![LangChain for Beginners](https://img.shields.io/badge/LangChain%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin) --- ### Azure / Edge / MCP / Agenter -[![AZD for nybegynnere](https://img.shields.io/badge/AZD%20for%20Beginners-0078D4?style=for-the-badge&labelColor=E5E7EB&color=0078D4)](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst) -[![Edge AI for nybegynnere](https://img.shields.io/badge/Edge%20AI%20for%20Beginners-00B8E4?style=for-the-badge&labelColor=E5E7EB&color=00B8E4)](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst) -[![MCP for nybegynnere](https://img.shields.io/badge/MCP%20for%20Beginners-009688?style=for-the-badge&labelColor=E5E7EB&color=009688)](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst) -[![AI-agenter for nybegynnere](https://img.shields.io/badge/AI%20Agents%20for%20Beginners-00C49A?style=for-the-badge&labelColor=E5E7EB&color=00C49A)](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst) +[![AZD for Beginners](https://img.shields.io/badge/AZD%20for%20Beginners-0078D4?style=for-the-badge&labelColor=E5E7EB&color=0078D4)](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst) +[![Edge AI for Beginners](https://img.shields.io/badge/Edge%20AI%20for%20Beginners-00B8E4?style=for-the-badge&labelColor=E5E7EB&color=00B8E4)](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst) +[![MCP for Beginners](https://img.shields.io/badge/MCP%20for%20Beginners-009688?style=for-the-badge&labelColor=E5E7EB&color=009688)](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst) +[![AI Agents for Beginners](https://img.shields.io/badge/AI%20Agents%20for%20Beginners-00C49A?style=for-the-badge&labelColor=E5E7EB&color=00C49A)](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst) --- -### Generativ AI-serie -[![Generativ AI for nybegynnere](https://img.shields.io/badge/Generative%20AI%20for%20Beginners-8B5CF6?style=for-the-badge&labelColor=E5E7EB&color=8B5CF6)](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst) -[![Generativ AI (.NET)](https://img.shields.io/badge/Generative%20AI%20(.NET)-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst) -[![Generativ AI (Java)](https://img.shields.io/badge/Generative%20AI%20(Java)-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst) -[![Generativ AI (JavaScript)](https://img.shields.io/badge/Generative%20AI%20(JavaScript)-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst) +### Generative AI Serie +[![Generative AI for Beginners](https://img.shields.io/badge/Generative%20AI%20for%20Beginners-8B5CF6?style=for-the-badge&labelColor=E5E7EB&color=8B5CF6)](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst) +[![Generative AI (.NET)](https://img.shields.io/badge/Generative%20AI%20(.NET)-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst) +[![Generative AI (Java)](https://img.shields.io/badge/Generative%20AI%20(Java)-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst) +[![Generative AI (JavaScript)](https://img.shields.io/badge/Generative%20AI%20(JavaScript)-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst) --- -### Kjerneopplæring -[![ML for nybegynnere](https://img.shields.io/badge/ML%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=22C55E)](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst) -[![Data Science for nybegynnere](https://img.shields.io/badge/Data%20Science%20for%20Beginners-84CC16?style=for-the-badge&labelColor=E5E7EB&color=84CC16)](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst) -[![AI for nybegynnere](https://img.shields.io/badge/AI%20for%20Beginners-A3E635?style=for-the-badge&labelColor=E5E7EB&color=A3E635)](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst) -[![Cybersecurity for nybegynnere](https://img.shields.io/badge/Cybersecurity%20for%20Beginners-F97316?style=for-the-badge&labelColor=E5E7EB&color=F97316)](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung) -[![Webutvikling for nybegynnere](https://img.shields.io/badge/Web%20Dev%20for%20Beginners-EC4899?style=for-the-badge&labelColor=E5E7EB&color=EC4899)](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst) -[![IoT for nybegynnere](https://img.shields.io/badge/IoT%20for%20Beginners-14B8A6?style=for-the-badge&labelColor=E5E7EB&color=14B8A6)](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst) -[![XR-utvikling for nybegynnere](https://img.shields.io/badge/XR%20Development%20for%20Beginners-38BDF8?style=for-the-badge&labelColor=E5E7EB&color=38BDF8)](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst) +### Kjerne Læring +[![ML for Beginners](https://img.shields.io/badge/ML%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=22C55E)](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst) +[![Data Science for Beginners](https://img.shields.io/badge/Data%20Science%20for%20Beginners-84CC16?style=for-the-badge&labelColor=E5E7EB&color=84CC16)](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst) +[![AI for Beginners](https://img.shields.io/badge/AI%20for%20Beginners-A3E635?style=for-the-badge&labelColor=E5E7EB&color=A3E635)](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst) +[![Cybersecurity for Beginners](https://img.shields.io/badge/Cybersecurity%20for%20Beginners-F97316?style=for-the-badge&labelColor=E5E7EB&color=F97316)](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung) +[![Web Dev for Beginners](https://img.shields.io/badge/Web%20Dev%20for%20Beginners-EC4899?style=for-the-badge&labelColor=E5E7EB&color=EC4899)](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst) +[![IoT for Beginners](https://img.shields.io/badge/IoT%20for%20Beginners-14B8A6?style=for-the-badge&labelColor=E5E7EB&color=14B8A6)](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst) +[![XR Development for Beginners](https://img.shields.io/badge/XR%20Development%20for%20Beginners-38BDF8?style=for-the-badge&labelColor=E5E7EB&color=38BDF8)](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst) --- -### Copilot-serie -[![Copilot for AI Pareprogrammering](https://img.shields.io/badge/Copilot%20for%20AI%20Paired%20Programming-FACC15?style=for-the-badge&labelColor=E5E7EB&color=FACC15)](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst) +### Copilot Serie +[![Copilot for AI Paired Programming](https://img.shields.io/badge/Copilot%20for%20AI%20Paired%20Programming-FACC15?style=for-the-badge&labelColor=E5E7EB&color=FACC15)](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst) [![Copilot for C#/.NET](https://img.shields.io/badge/Copilot%20for%20C%23/.NET-FBBF24?style=for-the-badge&labelColor=E5E7EB&color=FBBF24)](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst) [![Copilot Adventure](https://img.shields.io/badge/Copilot%20Adventure-FDE68A?style=for-the-badge&labelColor=E5E7EB&color=FDE68A)](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst) -## Få hjelp +## Få Hjelp **Opplever du problemer?** Sjekk vår [Feilsøkingsguide](TROUBLESHOOTING.md) for løsninger på vanlige problemer. -Hvis du sitter fast eller har spørsmål om å bygge AI-apper. Bli med andre lærende og erfarne utviklere i diskusjoner om MCP. Det er et støttende fellesskap hvor spørsmål er velkomne og kunnskap deles fritt. +Hvis du står fast eller har spørsmål om å bygge AI-apper, bli med andre elever og erfarne utviklere i diskusjoner om MCP. Det er et støttende fellesskap der spørsmål er velkomne og kunnskap deles fritt. [![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG) @@ -247,5 +249,5 @@ Hvis du har produktfeedback eller opplever feil under bygging, besøk: **Ansvarsfraskrivelse**: -Dette dokumentet er oversatt ved hjelp av AI-oversettelsestjenesten [Co-op Translator](https://github.com/Azure/co-op-translator). Selv om vi streber etter nøyaktighet, vennligst vær oppmerksom på at automatiserte oversettelser kan inneholde feil eller unøyaktigheter. Det originale dokumentet på dets opprinnelige språk skal anses som den autoritative kilden. For kritisk informasjon anbefales profesjonell menneskelig oversettelse. Vi er ikke ansvarlige for eventuelle misforståelser eller feiltolkninger som oppstår fra bruken 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 streber etter nøyaktighet, vennligst vær oppmerksom på at automatiske oversettelser kan inneholde feil eller unøyaktigheter. Det originale dokumentet på sitt opprinnelige språk skal anses som den autoritative kilden. For kritisk informasjon anbefales profesjonell menneskelig oversettelse. Vi er ikke ansvarlige for eventuelle misforståelser eller feiltolkninger som følge av bruk av denne oversettelsen. \ No newline at end of file