|
|
# Data Science for Beginners - En Læreplan
|
|
|
|
|
|
[](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 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'.
|
|
|
|
|
|
**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 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/)
|
|
|
|
|
|
||
|
|
|
|:---:|
|
|
|
| Data Science For Beginners - _Sketchnote af [@nitya](https://twitter.com/nitya)_ |
|
|
|
|
|
|
### 🌐 Flere Sprogunderstøttelse
|
|
|
|
|
|
#### Understøttet via GitHub Action (Automatiseret & Altid Opdateret)
|
|
|
|
|
|
<!-- 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-CN/README.md) | [Chinese (Traditional, Hong Kong)](../zh-HK/README.md) | [Chinese (Traditional, Macau)](../zh-MO/README.md) | [Chinese (Traditional, Taiwan)](../zh-TW/README.md) | [Croatian](../hr/README.md) | [Czech](../cs/README.md) | [Danish](./README.md) | [Dutch](../nl/README.md) | [Estonian](../et/README.md) | [Finnish](../fi/README.md) | [French](../fr/README.md) | [German](../de/README.md) | [Greek](../el/README.md) | [Hebrew](../he/README.md) | [Hindi](../hi/README.md) | [Hungarian](../hu/README.md) | [Indonesian](../id/README.md) | [Italian](../it/README.md) | [Japanese](../ja/README.md) | [Kannada](../kn/README.md) | [Korean](../ko/README.md) | [Lithuanian](../lt/README.md) | [Malay](../ms/README.md) | [Malayalam](../ml/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Nigerian Pidgin](../pcm/README.md) | [Norwegian](../no/README.md) | [Persian (Farsi)](../fa/README.md) | [Polish](../pl/README.md) | [Portuguese (Brazil)](../pt-BR/README.md) | [Portuguese (Portugal)](../pt-PT/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Romanian](../ro/README.md) | [Russian](../ru/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Slovak](../sk/README.md) | [Slovenian](../sl/README.md) | [Spanish](../es/README.md) | [Swahili](../sw/README.md) | [Swedish](../sv/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Tamil](../ta/README.md) | [Telugu](../te/README.md) | [Thai](../th/README.md) | [Turkish](../tr/README.md) | [Ukrainian](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamese](../vi/README.md)
|
|
|
|
|
|
> **Foretrækker du at klone lokalt?**
|
|
|
|
|
|
> 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
|
|
|
> git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'
|
|
|
> ```
|
|
|
> Dette giver dig alt, hvad du behøver for at gennemføre kurset med en meget hurtigere download.
|
|
|
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
|
|
|
|
|
|
**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
|
|
|
[](https://discord.gg/nTYy5BXMWG)
|
|
|
|
|
|
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.
|
|
|
|
|
|
|
|
|
|
|
|
# Er du studerende?
|
|
|
|
|
|
Kom i gang med følgende ressourcer:
|
|
|
|
|
|
- [Student Hub side](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) På denne side finder du 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
|
|
|
|
|
|
- **[Installationsvejledning](INSTALLATION.md)** - Trinvise opsætningsinstruktioner for begyndere
|
|
|
- **[Brugsvejledning](USAGE.md)** - Eksempler og almindelige arbejdsgange
|
|
|
- **[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
|
|
|
> **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 [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 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
|
|
|
|
|
|
[](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 folk, der skabte det!
|
|
|
|
|
|
## Pædagogik
|
|
|
|
|
|
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 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), [oversættelses](TRANSLATIONS.md) retningslinjer. Vi byder din konstruktive feedback velkommen!
|
|
|
|
|
|
## Hver lektion inkluderer:
|
|
|
|
|
|
- Valgfri sketchnote
|
|
|
- Valgfri supplerende video
|
|
|
- Opvarmningsquiz før lektionen
|
|
|
- Skriftlig lektion
|
|
|
- For projektbaserede lektioner, trin-for-trin vejledninger om, hvordan man bygger projektet
|
|
|
- Videnskontroller
|
|
|
- En udfordring
|
|
|
- Supplerende læsning
|
|
|
- Opgave
|
|
|
- [Quiz efter lektionen](https://ff-quizzes.netlify.app/en/)
|
|
|
|
|
|
> **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
|
|
|
|
|
|
**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
|
|
|
- 📈 **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!
|
|
|
|
|
|
👉 **[Start med eksemplerne](examples/README.md)** 👈
|
|
|
|
|
|
## Lektioner
|
|
|
|
|
|
|
|
|
||
|
|
|
|:---:|
|
|
|
| Data Science For Beginners: Køreplan - _Sketchnote af [@nitya](https://twitter.com/nitya)_ |
|
|
|
|
|
|
|
|
|
| Lektion Nummer | Emne | Lektion Gruppering | Læringsmål | Linket Lektion | Forfatter |
|
|
|
| :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: |
|
|
|
| 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 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 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 - 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 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 repository kan du enten åbne repository i et isoleret Docker-volumen:
|
|
|
|
|
|
**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 åbn en lokalt klonet eller downloadet version af repository:
|
|
|
|
|
|
- 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 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 har brug for at køre en notebook, skal du gøre det separat i VS Code, der kører en Python kernel.
|
|
|
|
|
|
## Andre Pensummer
|
|
|
|
|
|
Vores team producerer andre pensummer! Tjek:
|
|
|
|
|
|
<!-- 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)
|
|
|
[](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin)
|
|
|
---
|
|
|
|
|
|
### Azure / Edge / MCP / Agenter
|
|
|
[](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)
|
|
|
|
|
|
---
|
|
|
|
|
|
### Generativ AI Serie
|
|
|
[](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)
|
|
|
|
|
|
---
|
|
|
|
|
|
### Kerne Læring
|
|
|
[](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 Serie
|
|
|
[](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 Hjælp
|
|
|
|
|
|
**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 elever og erfarne udviklere i diskussioner om MCP. Det er et støttende fællesskab, hvor spørgsmål er velkomne, og viden deles frit.
|
|
|
|
|
|
[](https://discord.gg/nTYy5BXMWG)
|
|
|
|
|
|
Hvis du har produktfeedback eller fejl mens du bygger, besøg:
|
|
|
|
|
|
[](https://aka.ms/foundry/forum)
|
|
|
|
|
|
---
|
|
|
|
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
|
|
|
**Ansvarsfraskrivelse**:
|
|
|
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.
|
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER END --> |
