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.
263 lines
27 KiB
263 lines
27 KiB
# 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 å tilby en 10-ukers læreplan med 20 leksjoner, alt om Data Science. Hver leksjon inkluderer quiz før leksjon, quiz etter leksjon, 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'.
|
|
|
|
**Hjertelig 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).
|
|
|
|
**🙏 Spesiell takk 🙏 til våre [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/) forfattere, anmeldere og innholdsbidragsytere,** spesielt 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 av [@nitya](https://twitter.com/nitya)_ |
|
|
|
|
### 🌐 Flerspråklig Støtte
|
|
|
|
#### Støttes via GitHub Action (Automatisk & Alltid Oppdatert)
|
|
|
|
<!-- 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](../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 å klone lokalt?**
|
|
>
|
|
> Dette depotet inkluderer 50+ språkoversettelser som øker nedlastningsstørrelsen betydelig. For å klone uten oversettelser, bruk sparsom sjekk ut:
|
|
>
|
|
> **Bash / macOS / Linux:**
|
|
> ```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'
|
|
> ```
|
|
>
|
|
> **CMD (Windows):**
|
|
> ```cmd
|
|
> 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 gir deg alt du trenger for å fullføre kurset med mye raskere nedlasting.
|
|
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
|
|
|
|
**Hvis du ønsker at flere oversettelsesspråk støttes, er de listet [her](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
|
|
|
|
#### Bli Med i Vårt Fellesskap
|
|
[](https://discord.gg/nTYy5BXMWG)
|
|
|
|
Vi har en Discord-lær med AI-serie pågående, 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 bruk av GitHub Copilot for Data Science.
|
|
|
|
|
|
|
|
# Er du student?
|
|
|
|
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. Dette er en side du vil bokmerke og sjekke fra tid til annen, 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 fellesskap av studentambassadører, dette kan være din inngang til Microsoft.
|
|
|
|
# Komme i Gang
|
|
|
|
## 📚 Dokumentasjon
|
|
|
|
- **[Installasjonsguide](INSTALLATION.md)** - Trinnvise oppsettsinstruksjoner 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 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 det grunnleggende før du kaster deg ut i hele læreplanen.
|
|
> **[Studenter](https://aka.ms/student-page)**: for å bruke denne læreplanen på egen hånd, forkle hele repositoriet og fullfør oppgavene på egen hånd, start med en quiz før forelesningen. Les deretter forelesningen og fullfør resten av aktivitetene. Prøv å lage prosjektene ved å forstå leksjonene snarere enn å kopiere løsningskoden; denne koden er imidlertid tilgjengelig i /solutions-mappene i hver prosjektorienterte leksjon. En annen idé kan være 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 [Installasjonsguiden](INSTALLATION.md) for å sette opp miljøet ditt
|
|
2. Gå gjennom [Bruksanvisningen](USAGE.md) for å lære hvordan du arbeider med læreplanen
|
|
3. Start med Leksjon 1 og jobb deg gjennom sekvensielt
|
|
4. Bli med i vårt [Discord-fellesskap](https://aka.ms/ds4beginners/discord) for støtte
|
|
|
|
## 👩🏫 For Lærere
|
|
> **Lærere**: vi har [inkludert noen forslag](for-teachers.md) om hvordan bruke dette læreplanen. Vi setter stor pris på tilbakemeldingene deres [i vårt diskusjonsforum](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
|
|
|
|
## Møt teamet
|
|
|
|
[](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 folka som skapte det!
|
|
|
|
## Pedagogikk
|
|
|
|
Vi har valgt to pedagogiske prinsipper mens vi bygde denne læreplanen: sørge for at den er prosjektbasert og at den inkluderer hyppige quizzer. Ved slutten av denne serien vil studentene ha lært grunnleggende prinsipper i datavitenskap, inkludert etiske konsepter, datarensing, ulike måter å jobbe med data på, datavisualisering, dataanalyse, virkelige bruksområder for datavitenskap og mer.
|
|
|
|
I tillegg setter en lavrisiko quiz før en klasse studentens hensikt mot å lære et tema, mens en annen quiz etter klassen sikrer bedre hukommelse. Denne læreplanen er designet for å være fleksibel og morsom og kan tas i sin helhet eller delvis. Prosjektene starter smått og blir stadig mer komplekse mot slutten av 10-ukers syklusen.
|
|
|
|
> Finn vår [atferdskodeks](CODE_OF_CONDUCT.md), [bidragsyterveiledning](CONTRIBUTING.md), [oversettelsesretningslinjer](TRANSLATIONS.md). Vi ønsker dine konstruktive tilbakemeldinger velkommen!
|
|
|
|
## Hver leksjon inkluderer:
|
|
|
|
- Valgfri skisse-notat
|
|
- Valgfri supplerende video
|
|
- Quiz som oppvarming før leksjonen
|
|
- Skriftlig leksjon
|
|
- For prosjektbaserte leksjoner, steg-for-steg guider for hvordan bygge prosjektet
|
|
- Kunnskapssjekker
|
|
- En utfordring
|
|
- Supplerende lesning
|
|
- Oppgave
|
|
- [Quiz etter leksjonen](https://ff-quizzes.netlify.app/en/)
|
|
|
|
> **En notis om quizzer**: Alle quizzer ligger i Quiz-App-mappen, med totalt 40 quizzer 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 blir gradvis oversatt.
|
|
|
|
## 🎓 Nybegynnervennlige eksempler
|
|
|
|
**Ny på datavitenskap?** Vi har laget en spesiell [eksempelmappen](examples/README.md) med enkel, godt kommentert kode for å hjelpe deg i gang:
|
|
|
|
- 🌟 **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
|
|
- 🔬 **Virkelighetsprosjekt** - Komplett arbeidsflyt fra start til slutt
|
|
|
|
Hvert eksempel inkluderer detaljerte kommentarer som forklarer hvert steg, perfekt for absolutt nybegynnere!
|
|
|
|
👉 **[Start med eksemplene](examples/README.md)** 👈
|
|
|
|
## Leksjoner
|
|
|
|
|
|
||
|
|
|:---:|
|
|
| Datavitenskap for nybegynnere: Veikart - _Skisse-notat av [@nitya](https://twitter.com/nitya)_ |
|
|
|
|
|
|
| Leksjonsnummer | Tema | Leksjonsgruppe | Læringsmål | Lenket leksjon | Forfatter |
|
|
| :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: |
|
|
| 01 | Definere datavitenskap | [Introduksjon](1-Introduction/README.md) | Lær grunnleggende begreper bak datavitenskap 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 | Datavitenskapsetikk | [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 | Innføring i 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) | Innføring i relasjonsdata og grunnleggende om 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) | Innføring i ikke-relasjonelle data, deres ulike typer og grunnleggende utforsking og analyse av dokumentdatabaser. | [leksjon](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)|
|
|
| 07 | Arbeide med Python | [Arbeide med data](2-Working-With-Data/README.md) | Grunnleggende bruk av Python for 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 datateknikker for rengjøring og transformering 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 til å visualisere fugledata 🦆 | [leksjon](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
|
|
| 10 | Visualisere datafordelinger | [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 prosentandeler. | [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) | Teknikk 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 datavitenskapslivssyklus | [Livssyklus](4-Data-Science-Lifecycle/README.md) | Innføring i datavitenskapslivssyklusen og det første steget med anskaffelse 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 datavitenskapslivssyklusen 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 datavitenskapslivssyklusen fokuserer på å presentere innsikter 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) | Treningsmodeller ved bruk av lavkode-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) | Distribusjon av modeller med Azure Machine Learning Studio. | [leksjon](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) og [Maud](https://twitter.com/maudstweets) |
|
|
| 20 | Datavitenskap i praksis | [I praksis](6-Data-Science-In-Wild/README.md) | Datavitenskapsdrevne prosjekter i den virkelige verden. | [leksjon](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) |
|
|
|
|
## GitHub Codespaces
|
|
|
|
Følg disse trinnene for å åpne dette eksempelet i en Codespace:
|
|
1. Klikk på rullegardinmenyen Code og velg Open with Codespaces.
|
|
2. Velg + New codespace nederst i panelet.
|
|
For mer informasjon, se [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 depotet i en container ved å bruke din lokale maskin og VSCode med utvidelsen VS Code Remote - Containers:
|
|
|
|
1. Hvis dette er første gang du bruker en utviklingscontainer, sørg for at systemet ditt oppfyller forutsetningene (f.eks. ha Docker installert) i [kom i gang-dokumentasjonen](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
|
|
|
|
For å bruke dette depotet kan du enten åpne det 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 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 depotet:
|
|
|
|
- Klon 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 det ut.
|
|
|
|
## Frakoblet tilgang
|
|
|
|
Du kan kjøre denne dokumentasjonen frakoblet ved å bruke [Docsify](https://docsify.js.org/#/). Fork dette depotet, [installer Docsify](https://docsify.js.org/#/quickstart) på din lokale maskin, så i rotmappen av dette depotet, skriv `docsify serve`. Nettstedet vil være tilgjengelig 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.
|
|
|
|
## Andre læreplaner
|
|
|
|
Teamet vårt produserer andre læreplaner! Sjekk ut:
|
|
|
|
<!-- 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)
|
|
|
|
---
|
|
|
|
### Grunnleggende 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 hjelp
|
|
|
|
**Opplever du problemer?** Sjekk vår [Feilsøkingsveiledning](TROUBLESHOOTING.md) for løsninger på vanlige problemer.
|
|
|
|
Hvis du står 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.
|
|
|
|
[](https://discord.gg/nTYy5BXMWG)
|
|
|
|
Hvis du har produktinnspill eller opplever feil under bygging, besøk:
|
|
|
|
[](https://aka.ms/foundry/forum)
|
|
|
|
---
|
|
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
|
|
**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 automatiske oversettelser kan inneholde feil eller unøyaktigheter. Det opprinnelige dokumentet på originalspråket skal betraktes som den autoritative kilden. For kritisk informasjon anbefales profesjonell menneskelig oversettelse. Vi er ikke ansvarlige for eventuelle misforståelser eller feiltolkninger som oppstår som følge av bruk av denne oversettelsen.
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER END --> |