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 för Nybörjare - Ett 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 kunna erbjuda en 10-veckors, 20-lektioners läroplan om Data Science. Varje lektion inkluderar för- och efter-lektionsquiz, skriftliga instruktioner för att slutföra lektionen, en lösning och en uppgift. Vår projektbaserade pedagogik låter dig lära dig genom att bygga, ett beprövat sätt för nya färdigheter att "fästa".
|
|
|
|
**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 innehållsmedarbetare,** 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 - _Sketchnote av [@nitya](https://twitter.com/nitya)_ |
|
|
|
|
### 🌐 Flerspråkigt Stöd
|
|
|
|
#### Stöds via GitHub Action (Automatiserat & 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-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](../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](./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)
|
|
|
|
> **Föredrar du att klona lokalt?**
|
|
>
|
|
> Detta repository inkluderar 50+ språköversättningar vilket avsevärt ökar nedladdningsstorleken. För att klona utan översättningar, använd sparsamt utcheckning:
|
|
>
|
|
> **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"
|
|
> ```
|
|
>
|
|
> Detta ger dig allt du behöver för att slutföra kursen med en mycket snabbare nedladdning.
|
|
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
|
|
|
|
**Om du vill ha ytterligare översättningsspråk stöds de som listas [här](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**
|
|
|
|
#### Gå med i vår gemenskap
|
|
[](https://discord.gg/nTYy5BXMWG)
|
|
|
|
Vi har en Discord serie ”Learn with AI” på gång, lär dig mer och gå med hos 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-sida](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) På denna sida hittar du nybörjarresurser, Studentpaket och till och med sätt att få ett gratis certifikatsvoucher. Detta är en sida du vill bokmärka och kolla då och då eftersom vi byter ut innehåll minst varje månad.
|
|
- [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Gå med i en global gemenskap av studentambassadörer, det kan vara din väg in i Microsoft.
|
|
|
|
# Komma 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 detta projekt
|
|
- **[För lärare](for-teachers.md)** - Undervisningsvägledning och klassrumresurser
|
|
|
|
## 👨🎓 För studenter
|
|
> **Fullständiga nybörjare**: Nybörjare på 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 denna läroplan själv, forka hela repo och slutför övningarna själv, börja med ett för-lecture quiz. Läs sedan föreläsningen och slutför resten av aktiviteterna. Försök att skapa projekten genom att förstå lektionerna snarare än att kopiera lösningskoden; dock finns den koden tillgänglig i /solutions-mapparna i varje projektorienterad lektion. En annan idé är att bilda en studiekrets 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. Kolla [Installationsguiden](INSTALLATION.md) för att ställa in din miljö
|
|
2. Gå igenom [Användarguiden](USAGE.md) för att lära dig hur du använder läroplanen
|
|
3. Börja med Lektion 1 och arbeta dig igenom i ordning
|
|
4. Gå med i vårt [Discord-community](https://aka.ms/ds4beginners/discord) för stöd
|
|
|
|
## 👩🏫 För lärare
|
|
> **Lärare**: vi har [inkluderat några förslag](for-teachers.md) på hur man använder detta läroplan. Vi tar gärna emot din feedback [i vårt diskussionsforum](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!
|
|
|
|
## Möt teamet
|
|
|
|
[](https://youtu.be/8mzavjQSMM4 "Promo video")
|
|
|
|
**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 byggde denna läroplan: att säkerställa att den är projektbaserad och att den innehåller frekventa quiz. I slutet av denna serie kommer eleverna ha lärt sig grundläggande principer inom data science, inklusive etiska koncept, datapreparering, olika sätt att arbeta med data, datavisualisering, dataanalys, verkliga användningsfall av data science och mer.
|
|
|
|
Dessutom sätter ett lågintensivt quiz före en lektion elevens fokus mot att lära sig ett ämne, medan ett andra quiz efter lektionen säkerställer ytterligare retention. Denna läroplan är utformad för att vara flexibel och rolig och kan genomföras helt eller delvis. Projekten börjar små och blir mer komplexa mot slutet av 10-veckorscykeln.
|
|
|
|
> Hitta våra [uppförandekoder](CODE_OF_CONDUCT.md), [bidragsriktlinjer](CONTRIBUTING.md), [översättningsriktlinjer](TRANSLATIONS.md). Vi välkomnar din konstruktiva feedback!
|
|
|
|
## Varje lektion inkluderar:
|
|
|
|
- Valfri sketchnote
|
|
- Valfri kompletterande video
|
|
- Uppvärmningsquiz före lektionen
|
|
- Skriftlig lektion
|
|
- För projektbaserade lektioner, steg-för-steg-guider om hur du bygger projektet
|
|
- Kunskapskontroller
|
|
- En utmaning
|
|
- Kompletterande läsning
|
|
- Uppgift
|
|
- [Quiz efter lektionen](https://ff-quizzes.netlify.app/en/)
|
|
|
|
> **En not om quiz:** Alla quiz finns i Quiz-App-mappen, totalt 40 quiz med tre frågor vardera. De är länkade från lektionerna, men quiz-appen kan köras lokalt eller distribueras till Azure; följ instruktionerna i `quiz-app`-mappen. De är successivt på väg att lokaliseras.
|
|
|
|
## 🎓 Nybörjarvänliga exempel
|
|
|
|
**Ny inom Data Science?** Vi har skapat en särskild [exempelkatalog](examples/README.md) med enkel, välkommenterad kod för att hjälpa dig att komma igång:
|
|
|
|
- 🌟 **Hello World** - Ditt första data science-program
|
|
- 📂 **Ladda data** - Lär dig läsa och utforska datasets
|
|
- 📊 **Enkel analys** - Beräkna statistik och hitta mönster
|
|
- 📈 **Grundläggande visualisering** - Skapa diagram och grafer
|
|
- 🔬 **Verkligt projekt** - Komplett arbetsflöde från start till slut
|
|
|
|
Varje exempel innehåller detaljerade kommentarer som förklarar varje steg, perfekt för absoluta nybörjare!
|
|
|
|
👉 **[Börja med exemplen](examples/README.md)** 👈
|
|
|
|
## Lektioner
|
|
|
|
|
|
||
|
|
|:---:|
|
|
| Data Science för nybörjare: Färdplan - _Sketchnote av [@nitya](https://twitter.com/nitya)_ |
|
|
|
|
|
|
| Lektion Nummer | Ämne | Lektion Gruppering | Lärandemål | Länkad Lektion | Författare |
|
|
| :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: |
|
|
| 01 | Definiera Data Science | [Introduktion](1-Introduction/README.md) | Lär dig grundläggande koncept inom data science och hur det relaterar till artificiell intelligens, maskininlärning och big data. | [lektionen](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) | Etiska koncept inom data, utmaningar och ramverk. | [lektionen](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
|
|
| 03 | Definiera Data | [Introduktion](1-Introduction/README.md) | Hur data klassificeras och dess vanliga källor. | [lektionen](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
|
|
| 04 | Introduktion till statistik & sannolikhet | [Introduktion](1-Introduction/README.md) | Matematiska tekniker för sannolikhet och statistik för att förstå data. | [lektionen](1-Introduction/04-stats-and-probability/README.md) [video](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) |
|
|
| 05 | Arbeta med relationell data | [Arbeta med data](2-Working-With-Data/README.md) | Introduktion till relationell data och grunderna för att utforska och analysera relationell data med Structured Query Language, även känt som SQL (uttalas "see-quell"). | [lektionen](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | |
|
|
| 06 | Arbeta med NoSQL-data | [Arbeta med data](2-Working-With-Data/README.md) | Introduktion till icke-relationell data, dess olika typer och grunderna för att utforska och analysera dokumentdatabaser. | [lektionen](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)|
|
|
| 07 | Arbeta med Python | [Arbeta med data](2-Working-With-Data/README.md) | Grunderna i att använda Python för datautforskning med bibliotek som Pandas. Grundläggande förståelse för Python-programmering rekommenderas. | [lektionen](2-Working-With-Data/07-python/README.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
|
|
| 08 | Datapreparering | [Arbeta med data](2-Working-With-Data/README.md) | Ämnen kring datatekniker för att rensa och transformera data för att hantera utmaningar med saknad, felaktig eller ofullständig data. | [lektionen](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
|
|
| 09 | Visualisera mängder | [Datavisualisering](3-Data-Visualization/README.md) | Lär dig använda Matplotlib för att visualisera fågeldatan 🦆 | [lektionen](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
|
|
| 10 | Visualisera datadistribution | [Datavisualisering](3-Data-Visualization/README.md) | Visualisera observationer och trender inom ett intervall. | [lektionen](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) |
|
|
| 11 | Visualisera proportioner | [Datavisualisering](3-Data-Visualization/README.md) | Visualisera diskreta och grupperade procentandelar. | [lektionen](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) |
|
|
| 12 | Visualisera relationer | [Datavisualisering](3-Data-Visualization/README.md) | Visualisera kopplingar och korrelationer mellan datasystem och deras variabler. | [lektionen](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
|
|
| 13 | Meningsfulla visualiseringar | [Datavisualisering](3-Data-Visualization/README.md) | Tekniker och vägledning för att göra dina visualiseringar värdefulla för effektiv problemlösning och insikter. | [lektionen](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
|
|
| 14 | Introduktion till data science-livscykeln | [Livscykel](4-Data-Science-Lifecycle/README.md) | Introduktion till data science-livscykeln och dess första steg att förvärva och extrahera data. | [lektionen](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
|
|
| 15 | Analysera | [Livscykel](4-Data-Science-Lifecycle/README.md) | Denna fas i data science-livscykeln fokuserar på tekniker för att analysera data. | [lektionen](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | |
|
|
| 16 | Kommunikation | [Livscykel](4-Data-Science-Lifecycle/README.md) | Denna fas i data science-livscykeln fokuserar på att presentera insikter från data på ett sätt som gör det enklare för beslutsfattare att förstå. | [lektionen](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
|
|
| 17 | Data Science i molnet | [Molndata](5-Data-Science-In-Cloud/README.md) | Denna serie lektioner introducerar data science i molnet och dess fördelar. | [lektionen](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) och [Maud](https://twitter.com/maudstweets) |
|
|
| 18 | Data Science i molnet | [Molndata](5-Data-Science-In-Cloud/README.md) | Träna modeller med Low Code-verktyg. |[lektionen](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) och [Maud](https://twitter.com/maudstweets) |
|
|
| 19 | Data Science i molnet | [Molndata](5-Data-Science-In-Cloud/README.md) | Distribuera modeller med Azure Machine Learning Studio. | [lektionen](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) och [Maud](https://twitter.com/maudstweets) |
|
|
| 20 | Data Science "in the Wild" | [I det vilda](6-Data-Science-In-Wild/README.md) | Data science-drivna projekt i verkliga världen. | [lektionen](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 Öppna med Codespaces.
|
|
2. Välj + Ny codespace längst ned i panelen.
|
|
För mer info, se [GitHub-dokumentationen](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace).
|
|
|
|
## VSCode Remote - Containers
|
|
Följ dessa steg för att öppna detta repo i en container med din lokala maskin och VSCode med hjälp av VS Code Remote - Containers-tillägget:
|
|
|
|
1. Om detta är första gången du använder en utvecklingscontainer, se till att ditt system uppfyller förutsättningarna (dvs. ha Docker installerat) i [kom igång-dokumentationen](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started).
|
|
|
|
För att använda detta repo kan du antingen öppna repot i en isolerad Docker-volym:
|
|
|
|
**Observera**: 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. [Volymer](https://docs.docker.com/storage/volumes/) är den föredragna metoden för att bevara container-data.
|
|
|
|
Eller öppna en lokalt klonad eller nedladdad version av repot:
|
|
|
|
- Klona detta repo till ditt lokala filsystem.
|
|
- Tryck F1 och välj kommandot **Remote-Containers: Open Folder in Container...**.
|
|
- Välj den klonade kopian av denna mapp, vänta på att containern startar, och testa.
|
|
|
|
## 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, notebooks renderas inte via Docsify, så när du behöver köra en notebook, gör det separat i VS Code med en Python-kärna.
|
|
|
|
## Andra läroplaner
|
|
|
|
Vårt team producerar andra läroplaner! 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)
|
|
[](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)
|
|
|
|
---
|
|
|
|
### Series med generativ AI
|
|
[](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)
|
|
|
|
---
|
|
|
|
### Kärninlärning
|
|
[](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 hjälp
|
|
|
|
**Stöter du på problem?** Kolla in vår [Felsökningsguide](TROUBLESHOOTING.md) för lösningar på vanliga problem.
|
|
|
|
Om du kör fast eller har frågor om att bygga AI-appar. Gå med i samtal med andra lärande och erfarna utvecklare om MCP. Det är en stödjande gemenskap där frågor är välkomna och kunskap delas fritt.
|
|
|
|
[](https://discord.gg/nTYy5BXMWG)
|
|
|
|
Om du har produktfeedback eller hittar 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 är det viktigt att vara medveten om att automatiska översättningar kan innehålla fel eller brister. Det ursprungliga dokumentet på dess originalspråk ska betraktas som den auktoritativa källan. För kritisk information rekommenderas professionell mänsklig översättning. Vi ansvarar inte för några missförstånd eller feltolkningar som uppstår vid användning av denna översättning.
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER END --> |