You can not select more than 25 topics
Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
252 lines
27 KiB
252 lines
27 KiB
<!--
|
|
CO_OP_TRANSLATOR_METADATA:
|
|
{
|
|
"original_hash": "7c31d1a22c746b1d0f0582d4f54702ba",
|
|
"translation_date": "2025-12-24T23:41:28+00:00",
|
|
"source_file": "README.md",
|
|
"language_code": "sv"
|
|
}
|
|
-->
|
|
# Data Science för nybörjare - En läroplan
|
|
|
|
[](https://github.com/codespaces/new?hide_repo_select=true&ref=main&repo=344191198)
|
|
|
|
[](https://github.com/microsoft/Data-Science-For-Beginners/blob/master/LICENSE)
|
|
[](https://GitHub.com/microsoft/Data-Science-For-Beginners/graphs/contributors/)
|
|
[](https://GitHub.com/microsoft/Data-Science-For-Beginners/issues/)
|
|
[](https://GitHub.com/microsoft/Data-Science-For-Beginners/pulls/)
|
|
[](http://makeapullrequest.com)
|
|
|
|
[](https://GitHub.com/microsoft/Data-Science-For-Beginners/watchers/)
|
|
[](https://GitHub.com/microsoft/Data-Science-For-Beginners/network/)
|
|
[](https://GitHub.com/microsoft/Data-Science-For-Beginners/stargazers/)
|
|
|
|
|
|
[](https://discord.gg/nTYy5BXMWG)
|
|
|
|
[](https://aka.ms/foundry/forum)
|
|
|
|
Azure Cloud Advocates på Microsoft är glada att erbjuda ett 10-veckors, 20-lektioners läroprogram helt om Data Science. Varje lektion inkluderar för- och efter-quiz, skriftliga instruktioner för att slutföra lektionen, en lösning och en uppgift. Vår projektbaserade pedagogik låter dig lära samtidigt som du bygger, ett beprövat sätt för nya kunskaper att "sätta sig".
|
|
|
|
**Stort tack till våra författare:** [Jasmine Greenaway](https://www.twitter.com/paladique), [Dmitry Soshnikov](http://soshnikov.com), [Nitya Narasimhan](https://twitter.com/nitya), [Jalen McGee](https://twitter.com/JalenMcG), [Jen Looper](https://twitter.com/jenlooper), [Maud Levy](https://twitter.com/maudstweets), [Tiffany Souterre](https://twitter.com/TiffanySouterre), [Christopher Harrison](https://www.twitter.com/geektrainer).
|
|
|
|
**🙏 Särskilt tack 🙏 till våra [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/) författare, granskare och innehållsbidragsgivare,** särskilt Aaryan Arora, [Aditya Garg](https://github.com/AdityaGarg00), [Alondra Sanchez](https://www.linkedin.com/in/alondra-sanchez-molina/), [Ankita Singh](https://www.linkedin.com/in/ankitasingh007), [Anupam Mishra](https://www.linkedin.com/in/anupam--mishra/), [Arpita Das](https://www.linkedin.com/in/arpitadas01/), ChhailBihari Dubey, [Dibri Nsofor](https://www.linkedin.com/in/dibrinsofor), [Dishita Bhasin](https://www.linkedin.com/in/dishita-bhasin-7065281bb), [Majd Safi](https://www.linkedin.com/in/majd-s/), [Max Blum](https://www.linkedin.com/in/max-blum-6036a1186/), [Miguel Correa](https://www.linkedin.com/in/miguelmque/), [Mohamma Iftekher (Iftu) Ebne Jalal](https://twitter.com/iftu119), [Nawrin Tabassum](https://www.linkedin.com/in/nawrin-tabassum), [Raymond Wangsa Putra](https://www.linkedin.com/in/raymond-wp/), [Rohit Yadav](https://www.linkedin.com/in/rty2423), Samridhi Sharma, [Sanya Sinha](https://www.linkedin.com/mwlite/in/sanya-sinha-13aab1200),
|
|
[Sheena Narula](https://www.linkedin.com/in/sheena-narua-n/), [Tauqeer Ahmad](https://www.linkedin.com/in/tauqeerahmad5201/), Yogendrasingh Pawar , [Vidushi Gupta](https://www.linkedin.com/in/vidushi-gupta07/), [Jasleen Sondhi](https://www.linkedin.com/in/jasleen-sondhi/)
|
|
|
|
||
|
|
|:---:|
|
|
| Data Science för nybörjare - _Skissnotering av [@nitya](https://twitter.com/nitya)_ |
|
|
|
|
### 🌐 Stöd för flera språk
|
|
|
|
#### Stöds via GitHub Action (Automatiserat och alltid uppdaterat)
|
|
|
|
<!-- CO-OP TRANSLATOR LANGUAGES TABLE START -->
|
|
[Arabic](../ar/README.md) | [Bengali](../bn/README.md) | [Bulgarian](../bg/README.md) | [Burmese (Myanmar)](../my/README.md) | [Chinese (Simplified)](../zh/README.md) | [Chinese (Traditional, Hong Kong)](../hk/README.md) | [Chinese (Traditional, Macau)](../mo/README.md) | [Chinese (Traditional, Taiwan)](../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](../no/README.md) | [Persian (Farsi)](../fa/README.md) | [Polish](../pl/README.md) | [Portuguese (Brazil)](../br/README.md) | [Portuguese (Portugal)](../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](./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)
|
|
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
|
|
|
|
**Om du vill att ytterligare översättningsspråk ska stödjas finns de listade [här](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
|
|
|
|
#### Gå med i vår community
|
|
[](https://discord.gg/nTYy5BXMWG)
|
|
|
|
Vi har en pågående Discord-serie "Learn with AI", läs mer och gå med oss på [Learn with AI Series](https://aka.ms/learnwithai/discord) från 18 - 30 september 2025. Du får tips och tricks för att använda GitHub Copilot för Data Science.
|
|
|
|
|
|
|
|
# Är du student?
|
|
|
|
Kom igång med följande resurser:
|
|
|
|
- [Student Hub-sidan](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) På den här sidan hittar du nybörjarresurser, studentpaket och till och med sätt att få ett gratis certifikatvoucher. Detta är en sida du vill bokmärka och kolla då och då eftersom vi byter ut innehåll minst en gång i månaden.
|
|
- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Gå med i en global community av studentambassadörer, det kan vara din väg in till Microsoft.
|
|
|
|
# Kom igång
|
|
|
|
## 📚 Dokumentation
|
|
|
|
- **[Installationsguide](INSTALLATION.md)** - Steg-för-steg-installationsinstruktioner för nybörjare
|
|
- **[Användarguide](USAGE.md)** - Exempel och vanliga arbetsflöden
|
|
- **[Felsökning](TROUBLESHOOTING.md)** - Lösningar på vanliga problem
|
|
- **[Bidragsguide](CONTRIBUTING.md)** - Hur man bidrar till det här projektet
|
|
- **[För lärare](for-teachers.md)** - Undervisningsråd och klassrumsresurser
|
|
|
|
## 👨🎓 För studenter
|
|
> **Helt nybörjare**: Ny inom data science? Börja med våra [nybörjarvänliga exempel](examples/README.md)! Dessa enkla, välkommenterade exempel hjälper dig att förstå grunderna innan du dyker in i hela läroplanen.
|
|
> **[Studenter](https://aka.ms/student-page)**: för att använda detta kursmaterial på egen hand, skapa en fork av hela repot och slutför övningarna på egen hand, börja med ett förföreläsnings-quiz. Läs sedan föreläsningen och slutför resten av aktiviteterna. Försök att skapa projekten genom att förstå lektionerna snarare än att kopiera lösningskoden; den koden finns dock tillgänglig i /solutions-mapparna i varje projektorienterad lektion. Ett annat förslag är att bilda en studiegrupp med vänner och gå igenom innehållet tillsammans. För vidare studier rekommenderar vi [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum).
|
|
|
|
**Snabbstart:**
|
|
1. Kontrollera [Installationsguiden](INSTALLATION.md) för att ställa in din miljö
|
|
2. Gå igenom [Användarguiden](USAGE.md) för att lära dig hur du arbetar med kursmaterialet
|
|
3. Börja med Lektion 1 och arbeta igenom dem i ordning
|
|
4. Gå med i vår [Discord-community](https://aka.ms/ds4beginners/discord) för stöd
|
|
|
|
## 👩🏫 För lärare
|
|
|
|
> **Lärare**: vi har [inkluderat några förslag](for-teachers.md) om hur man använder detta kursmaterial. Vi vill gärna ha din feedback [i vårt diskussionsforum](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
|
|
|
|
## Möt teamet
|
|
|
|
[](https://youtu.be/8mzavjQSMM4 "Promovideo")
|
|
|
|
**Gif av** [Mohit Jaisal](https://www.linkedin.com/in/mohitjaisal)
|
|
> 🎥 Klicka på bilden ovan för en video om projektet och personerna som skapade det!
|
|
|
|
## Pedagogik
|
|
|
|
Vi har valt två pedagogiska principer när vi byggt denna kursplan: att säkerställa att den är projektbaserad och att den inkluderar frekventa quiz. I slutet av denna serie kommer studenterna att ha lärt sig grundläggande principer för datavetenskap, inklusive etiska begrepp, datarensning, olika sätt att arbeta med data, datavisualisering, dataanalys, verkliga användningsfall av datavetenskap och mer.
|
|
|
|
Dessutom sätter ett låginsats-quiz före en lektion studentens avsikt mot att lära sig ett ämne, medan ett andra quiz efter lektionen säkerställer ytterligare retention. Denna kursplan är utformad för att vara flexibel och rolig och kan tas i sin helhet eller delvis. Projekten börjar små och blir successivt mer komplexa i slutet av 10-veckorscykeln.
|
|
|
|
> Hitta vår [Code of Conduct](CODE_OF_CONDUCT.md), [Contributing](CONTRIBUTING.md), [Translation](TRANSLATIONS.md) riktlinjer. Vi välkomnar din konstruktiva feedback!
|
|
|
|
## Varje lektion innehåller:
|
|
|
|
- Valfri sketchnote
|
|
- Valfri kompletterande video
|
|
- Uppvärmningsquiz före lektionen
|
|
- Skriftlig lektion
|
|
- För projektbaserade lektioner, steg-för-steg-guider för hur man bygger projektet
|
|
- Kunskapskontroller
|
|
- En utmaning
|
|
- Kompletterande läsning
|
|
- Uppgift
|
|
- [Efter lektionens quiz](https://ff-quizzes.netlify.app/en/)
|
|
|
|
> **En notering om quiz**: Alla quiz finns i Quiz-App-mappen, för totalt 40 quiz med tre frågor vardera. De länkas från lektionerna, men quizappen kan köras lokalt eller distribueras till Azure; följ instruktionen i `quiz-app`-mappen. De lokaliseras successivt.
|
|
|
|
## 🎓 Exempel för nybörjare
|
|
|
|
**Ny inom Data Science?** Vi har skapat en särskild [examples directory](examples/README.md) med enkel, välkommenterad kod för att hjälpa dig komma igång:
|
|
|
|
- 🌟 **Hello World** - Ditt första data science-program
|
|
- 📂 **Loading Data** - Lär dig att läsa och utforska dataset
|
|
- 📊 **Simple Analysis** - Beräkna statistik och hitta mönster
|
|
- 📈 **Basic Visualization** - Skapa diagram och grafer
|
|
- 🔬 **Real-World Project** - Komplett arbetsflöde från början till slut
|
|
|
|
Varje exempel innehåller detaljerade kommentarer som förklarar varje steg, vilket gör dem perfekta för absoluta nybörjare!
|
|
|
|
👉 **[Börja med exemplen](examples/README.md)** 👈
|
|
|
|
## Lektioner
|
|
|
|
|
|
||
|
|
|:---:|
|
|
| Data Science för nybörjare: Färdplan - _Sketchnote av [@nitya](https://twitter.com/nitya)_ |
|
|
|
|
|
|
| Lektionsnummer | Ämne | Lektionsgruppering | Lärandemål | Länkad lektion | Författare |
|
|
| :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: |
|
|
| 01 | Att definiera datavetenskap | [Introduction](1-Introduction/README.md) | Lär dig de grundläggande begreppen bakom datavetenskap och hur det relaterar till artificiell intelligens, maskininlärning och big data. | [lektion](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
|
|
| 02 | Dataetik | [Introduction](1-Introduction/README.md) | Begrepp inom dataetik, utmaningar och ramverk. | [lektion](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
|
|
| 03 | Definition av data | [Introduction](1-Introduction/README.md) | Hur data klassificeras och dess vanliga källor. | [lektion](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
|
|
| 04 | Introduktion till statistik och sannolikhet | [Introduction](1-Introduction/README.md) | De matematiska teknikerna inom sannolikhet och statistik för att förstå data. | [lektion](1-Introduction/04-stats-and-probability/README.md) [video](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) |
|
|
| 05 | Arbeta med relationell data | [Working With Data](2-Working-With-Data/README.md) | Introduktion till relationell data och grunderna för att utforska och analysera relationell data med Structured Query Language, även känd som SQL (uttalas “see-quell”). | [lektion](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | |
|
|
| 06 | Arbeta med NoSQL-data | [Working With Data](2-Working-With-Data/README.md) | Introduktion till icke-relationell data, dess olika typer och grunderna för att utforska och analysera dokumentdatabaser. | [lektion](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)|
|
|
| 07 | Arbeta med Python | [Working With Data](2-Working-With-Data/README.md) | Grunderna i användning av Python för datautforskning med bibliotek som Pandas. En grundläggande förståelse för Python-programmering rekommenderas. | [lektion](2-Working-With-Data/07-python/README.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
|
|
| 08 | Datapreparation | [Working With Data](2-Working-With-Data/README.md) | Ämnen om datatekniker för att rengöra och transformera data för att hantera utmaningar med saknad, felaktig eller ofullständig data. | [lektion](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
|
|
| 09 | Visualisera kvantiteter | [Data Visualization](3-Data-Visualization/README.md) | Lär dig hur du använder Matplotlib för att visualisera fågeldata 🦆 | [lektion](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
|
|
| 10 | Visualisera fördelningar av data | [Data Visualization](3-Data-Visualization/README.md) | Visualisera observationer och trender inom ett intervall. | [lektion](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) |
|
|
| 11 | Visualisera proportioner | [Data Visualization](3-Data-Visualization/README.md) | Visualisera diskreta och grupperade procentandelar. | [lektion](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) |
|
|
| 12 | Visualisera relationer | [Data Visualization](3-Data-Visualization/README.md) | Visualisera kopplingar och korrelationer mellan datamängder och deras variabler. | [lektion](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
|
|
| 13 | Meningsfulla visualiseringar | [Data Visualization](3-Data-Visualization/README.md) | Tekniker och vägledning för att göra dina visualiseringar värdefulla för effektiv problemlösning och insikter. | [lektion](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
|
|
| 14 | Introduktion till datavetenskapens livscykel | [Lifecycle](4-Data-Science-Lifecycle/README.md) | Introduktion till datavetenskapens livscykel och dess första steg: att skaffa och extrahera data. | [lektion](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
|
|
| 15 | Analysera | [Lifecycle](4-Data-Science-Lifecycle/README.md) | Denna fas i datavetenskapens livscykel fokuserar på tekniker för att analysera data. | [lektion](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | |
|
|
| 16 | Kommunikation | [Lifecycle](4-Data-Science-Lifecycle/README.md) | Denna fas i datavetenskapens livscykel fokuserar på att presentera insikter från data på ett sätt som gör det lättare för beslutsfattare att förstå. | [lektion](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
|
|
| 17 | Datavetenskap i molnet | [Cloud Data](5-Data-Science-In-Cloud/README.md) | Denna serie lektioner introducerar datavetenskap i molnet och dess fördelar. | [lektion](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) and [Maud](https://twitter.com/maudstweets) |
|
|
| 18 | Datavetenskap i molnet | [Cloud Data](5-Data-Science-In-Cloud/README.md) | Träna modeller med lågkodverktyg. |[lektion](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) and [Maud](https://twitter.com/maudstweets) |
|
|
| 19 | Datavetenskap i molnet | [Cloud Data](5-Data-Science-In-Cloud/README.md) | Distribuera modeller med Azure Machine Learning Studio. | [lektion](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) and [Maud](https://twitter.com/maudstweets) |
|
|
| 20 | Datavetenskap i verkligheten | [In the Wild](6-Data-Science-In-Wild/README.md) | Datavetenskapdrivna projekt i verkligheten. | [lektion](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
|
|
|
|
## GitHub Codespaces
|
|
|
|
Följ dessa steg för att öppna detta exempel i en Codespace:
|
|
1. Klicka på Code-rullgardinsmenyn och välj alternativet Open with Codespaces.
|
|
2. Välj + New codespace längst ner i rutan.
|
|
För mer info, se [GitHub documentation](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace).
|
|
|
|
## VSCode Remote - Containers
|
|
Följ dessa steg för att öppna detta repo i en container med din lokala maskin och VSCode med tillägget VS Code Remote - Containers:
|
|
|
|
1. Om det är första gången du använder en utvecklingscontainer, säkerställ att ditt system uppfyller förkraven (t.ex. ha Docker installerat) i [kom igång-dokumentationen](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
|
|
|
|
För att använda detta repository kan du antingen öppna repot i en isolerad Docker-volym:
|
|
|
|
**Note**: Under huven kommer detta att använda Remote-Containers: **Clone Repository in Container Volume...** kommandot för att klona källkoden i en Docker-volym istället för i det lokala filsystemet. [Volumes](https://docs.docker.com/storage/volumes/) är den föredragna mekanismen för att lagra containerdata.
|
|
|
|
Eller öppna en lokalt klonad eller nedladdad version av repositoryt:
|
|
|
|
- Klona detta repository till ditt lokala filsystem.
|
|
- Tryck på F1 och välj kommandot **Remote-Containers: Open Folder in Container...**.
|
|
- Välj den klonade kopian av denna mapp, vänta på att containern startar och testa saker.
|
|
|
|
## Offlineåtkomst
|
|
|
|
Du kan köra denna dokumentation offline genom att använda [Docsify](https://docsify.js.org/#/). Forka detta repo, [installera Docsify](https://docsify.js.org/#/quickstart) på din lokala maskin, och sedan i rotmappen av detta repo, skriv `docsify serve`. Webbplatsen kommer att serveras på port 3000 på din localhost: `localhost:3000`.
|
|
|
|
> Observera, anteckningsböcker (notebooks) kommer inte att renderas via Docsify, så när du behöver köra en notebook, gör det separat i VS Code med en Python-kärna.
|
|
|
|
## Andra kursplaner
|
|
|
|
Vårt team producerar andra kursplaner! Kolla in:
|
|
|
|
<!-- CO-OP TRANSLATOR OTHER COURSES START -->
|
|
### LangChain
|
|
[](https://aka.ms/langchain4j-for-beginners)
|
|
[](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin)
|
|
|
|
---
|
|
|
|
### Azure / Edge / MCP / Agents
|
|
[](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
[](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
[](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
[](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
|
---
|
|
|
|
### Generativa AI-serier
|
|
[](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
[-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
|
|
[-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
|
|
[-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)
|
|
|
|
---
|
|
|
|
### Kärnkurser
|
|
[](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
|
|
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
|
|
[](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
|
|
[](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
|
|
[](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
|
|
[](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
|
|
[](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
|
---
|
|
|
|
### Copilot-serier
|
|
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
|
|
[](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
|
|
[](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst)
|
|
<!-- CO-OP TRANSLATOR OTHER COURSES END -->
|
|
|
|
## Få hjälp
|
|
|
|
**Stöter du på problem?** Se vår [Felsökningsguide](TROUBLESHOOTING.md) för lösningar på vanliga problem.
|
|
|
|
Om du kör fast eller har några frågor om att bygga AI-appar. Gå med andra studerande och erfarna utvecklare i diskussioner om MCP. Det är en stödjande gemenskap där frågor välkomnas och kunskap delas fritt.
|
|
|
|
[](https://discord.gg/nTYy5BXMWG)
|
|
|
|
Om du har produktfeedback eller stöter på fel under utveckling, besök:
|
|
|
|
[](https://aka.ms/foundry/forum)
|
|
|
|
---
|
|
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
|
|
**Ansvarsfriskrivning**:
|
|
Detta dokument har översatts med hjälp av AI-översättningstjänsten [Co-op Translator](https://github.com/Azure/co-op-translator). Även om vi strävar efter noggrannhet, vänligen observera att automatiska översättningar kan innehålla fel eller felaktigheter. Det ursprungliga dokumentet i dess originalspråk bör betraktas som den auktoritativa källan. För kritisk information rekommenderas en professionell mänsklig översättning. Vi ansvarar inte för några missförstånd eller feltolkningar som uppstår till följd av användningen av denna översättning.
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER END --> |