Data-Science-For-Beginners/translations/da

Data Science for Beginners - Et pensum

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 få nye færdigheder til at 'sætte sig fast'.

Hjertelig tak til vores forfattere: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 Særlige tak 🙏 til vores Microsoft Student Ambassador forfattere, anmeldere og indholdsbidragydere, især Aaryan Arora, Aditya Garg, Alondra Sanchez, Ankita Singh, Anupam Mishra, Arpita Das, ChhailBihari Dubey, Dibri Nsofor, Dishita Bhasin, Majd Safi, Max Blum, Miguel Correa, Mohamma Iftekher (Iftu) Ebne Jalal, Nawrin Tabassum, Raymond Wangsa Putra, Rohit Yadav, Samridhi Sharma, Sanya Sinha, Sheena Narula, Tauqeer Ahmad, Yogendrasingh Pawar , Vidushi Gupta, Jasleen Sondhi

Data Science For Beginners - Sketchnote af @nitya

🌐 Multisproget support

Understøttet via GitHub Action (Automatiseret & Altid Opdateret)

Arabic | Bengali | Bulgarian | Burmese (Myanmar) | Chinese (Simplified) | Chinese (Traditional, Hong Kong) | Chinese (Traditional, Macau) | Chinese (Traditional, Taiwan) | Croatian | Czech | Danish | Dutch | Estonian | Finnish | French | German | Greek | Hebrew | Hindi | Hungarian | Indonesian | Italian | Japanese | Kannada | Korean | Lithuanian | Malay | Malayalam | Marathi | Nepali | Nigerian Pidgin | Norwegian | Persian (Farsi) | Polish | Portuguese (Brazil) | Portuguese (Portugal) | Punjabi (Gurmukhi) | Romanian | Russian | Serbian (Cyrillic) | Slovak | Slovenian | Spanish | Swahili | Swedish | Tagalog (Filipino) | Tamil | Telugu | Thai | Turkish | Ukrainian | Urdu | Vietnamese

Hvis du ønsker yderligere oversættelser, er understøttede sprog listet her

Deltag i vores fællesskab

Vi har en Discord lær med AI-serie i gang, lær mere og deltag hos Learn with AI Series 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 På denne side finder du begynderressourcer, studenterpakker og endda måder at få en gratis certifikatkupon på. Dette er en side, du vil bogmærke og tjekke fra tid til anden, da vi skifter indhold mindst månedligt.
• Microsoft Learn Student Ambassadors Deltag i et globalt fællesskab af studenterambassadører, dette kan være din vej ind i Microsoft.

Kom godt i gang

📚 Dokumentation

• Installationsvejledning - Trin-for-trin opsætningsinstruktioner for begyndere
• Brugsvejledning - Eksempler og almindelige arbejdsgange
• Fejlfinding - Løsninger på almindelige problemer
• Bidragsvejledning - Hvordan man bidrager til dette projekt
• For lærere - Undervisningsvejledning og klasseværelsesressourcer

👨‍🎓 For studerende

Fuldstændige begyndere: Ny inden for data science? Start med vores begynder-venlige eksempler! Disse simple, velkommenterede eksempler vil hjælpe dig med at forstå det grundlæggende, før du dykker ned i hele pensum. Studerende: for at bruge dette pensum på egen hånd, forgrene hele repoet og gennemfør øvelserne selv, startende med en quiz før forelæsningen. Læs derefter forelæsningen og gennemfør resten af aktiviteterne. Prøv at skabe projekterne ved at forstå lektionerne i stedet for at kopiere løsningskoden; dog er den kode tilgængelig i /solutions-mapperne i hver projektorienteret lektion. En anden idé er at danne en studiegruppe med venner og gennemgå indholdet sammen. Til yderligere studier anbefaler vi Microsoft Learn.

Hurtig start:

1. Tjek Installationsvejledningen for at sætte dit miljø op
2. Gennemgå Brugsvejledningen for at lære at arbejde med pensum
3. Start med Lektion 1 og arbejd dig igennem sekventielt
4. Deltag i vores Discord-fællesskab for support

👩‍🏫 For lærere

Lærere: vi har inkluderet nogle forslag til, hvordan man bruger dette pensum. Vi vil meget gerne have din feedback i vores diskussionsforum!

Mød teamet

Gif af Mohit Jaisal

🎥 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, herunder etiske begreber, dataklargøring, forskellige måder at arbejde med data på, datavisualisering, dataanalyse, virkelige anvendelsestilfælde af datalogi og mere.

Derudover sætter en lavrisiko-quiz før en klasse elevens intention mod at lære et emne, mens en anden quiz efter klassen sikrer yderligere fastholdelse. Dette pensum er designet til at være fleksibelt og sjovt og kan tages i sin helhed eller delvist. Projekterne starter småt og bliver gradvist mere komplekse ved slutningen af den 10-ugers cyklus.

Find vores Adfærdskodeks, Bidrag, Oversættelse 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 til, hvordan man bygger projektet
• Videnstjek
• En udfordring
• Supplerende læsning
• Opgave
• Quiz efter lektionen

En note om quizzer: Alle quizzer findes i Quiz-App mappen, i alt 40 quizzer med tre spørgsmål hver. De er linket fra lektionerne, men quiz-appen kan køres lokalt eller implementeres til Azure; følg instruktionerne i quiz-app mappen. De bliver gradvist lokaliseret.

🎓 Begynder-venlige eksempler

Ny til datalogi? Vi har oprettet en særlig eksempelmappen med simpel, velkommenteret kode for at hjælpe dig i gang:

• 🌟 Hello World - Dit første datalogiprogram
• 📂 Indlæsning af data - Lær at læse og udforske datasæt
• 📊 Simpel analyse - Beregn statistik og find mønstre
• 📈 Grundlæggende visualisering - Opret diagrammer og grafer
• 🔬 Virkelighedsnært projekt - Fuld arbejdsgang fra start til slut

Hvert eksempel inkluderer detaljerede kommentarer, der forklarer hvert trin, hvilket gør det perfekt for absolutte begyndere!

👉 Start med eksemplerne 👈

Lektioner

Data Science For Beginners: Roadmap - Sketchnote af @nitya

Lektion Nummer	Emne	Lektion Gruppe	Læringsmål	Linket Lektion	Forfatter
01	Definition af datalogi	Introduktion	Lær de grundlæggende begreber bag datalogi og hvordan det relaterer til kunstig intelligens, maskinlæring og big data.	lektion video	Dmitry
02	Dataetik	Introduktion	Begreber, udfordringer og rammer for dataetik.	lektion	Nitya
03	Definition af data	Introduktion	Hvordan data klassificeres og dets almindelige kilder.	lektion	Jasmine
04	Introduktion til statistik & sandsynlighed	Introduktion	De matematiske teknikker inden for sandsynlighed og statistik til at forstå data.	lektion video	Dmitry
05	Arbejde med relationelle data	Arbejde med data	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	Christopher
06	Arbejde med NoSQL data	Arbejde med data	Introduktion til ikke-relationelle data, dets forskellige typer og det grundlæggende i at udforske og analysere dokumentdatabaser.	lektion	Jasmine
07	Arbejde med Python	Arbejde med data	Grundlæggende brug af Python til dataudforskning med biblioteker som Pandas. Grundlæggende forståelse af Python programmering anbefales.	lektion video	Dmitry
08	Dataklargøring	Arbejde med data	Emner om datateknikker til rengøring og transformation af data for at håndtere udfordringer med manglende, unøjagtige eller ufuldstændige data.	lektion	Jasmine
09	Visualisering af mængder	Datavisualisering	Lær at bruge Matplotlib til at visualisere fugledata 🦆	lektion	Jen
10	Visualisering af datadistributioner	Datavisualisering	Visualisering af observationer og tendenser inden for et interval.	lektion	Jen
11	Visualisering af proportioner	Datavisualisering	Visualisering af diskrete og grupperede procenter.	lektion	Jen
12	Visualisering af relationer	Datavisualisering	Visualisering af forbindelser og korrelationer mellem datasæt og deres variable.	lektion	Jen
13	Meningsfulde visualiseringer	Datavisualisering	Teknikker og vejledning til at gøre dine visualiseringer værdifulde for effektiv problemløsning og indsigt.	lektion	Jen
14	Introduktion til datalivscyklussen	Livscyklus	Introduktion til datalivscyklussen og dets første trin med at erhverve og udtrække data.	lektion	Jasmine
15	Analyse	Livscyklus	Denne fase af datalivscyklussen fokuserer på teknikker til at analysere data.	lektion	Jasmine
16	Kommunikation	Livscyklus	Denne fase af datalivscyklussen fokuserer på at præsentere indsigt fra data på en måde, der gør det lettere for beslutningstagere at forstå.	lektion	Jalen
17	Datalogi i skyen	Skydata	Denne serie af lektioner introducerer datalogi i skyen og dens fordele.	lektion	Tiffany og Maud
18	Datalogi i skyen	Skydata	Træning af modeller ved hjælp af Low Code-værktøjer.	lektion	Tiffany og Maud
19	Datalogi i skyen	Skydata	Implementering af modeller med Azure Machine Learning Studio.	lektion	Tiffany og Maud
20	Datalogi i virkeligheden	I naturen	Datalogidrevne projekter i den virkelige verden.	lektion	Nitya

GitHub Codespaces

Følg disse trin for at åbne dette eksempel i en Codespace:

1. Klik på Code-rullemenuen og vælg muligheden Open with Codespaces.
2. Vælg + New codespace nederst i panelet. For mere info, se GitHub dokumentationen.

VSCode Remote - Containers

Følg disse trin for at åbne dette repo i en container ved hjælp af din lokale maskine og VSCode med VS Code Remote - Containers udvidelsen:

1. Hvis det er første gang, du bruger en udviklingscontainer, skal du sikre, at dit system opfylder forudsætningerne (dvs. have Docker installeret) i kom godt i gang dokumentationen.

For at bruge dette repository kan du enten åbne repositoryet i et isoleret Docker-volumen:

Bemærk: Under motorhjelmen vil dette bruge Remote-Containers: Clone Repository in Container Volume... kommandoen til at klone kildekoden i et Docker-volumen i stedet for det lokale filsystem. Volumener er den foretrukne mekanisme til at bevare containerdata.

Eller åbn en lokalt klonet eller downloadet version af repositoryet:

• Klon dette repository til dit lokale filsystem.
• Tryk på F1 og vælg kommandoen Remote-Containers: Open Folder in Container....
• Vælg den klonede kopi af denne mappe, vent på at containeren starter, og prøv det af.

Offline adgang

Du kan køre denne dokumentation offline ved at bruge Docsify. Fork dette repo, installer Docsify på din lokale maskine, og skriv derefter docsify serve i rodmappen af dette repo. Hjemmesiden vil blive serveret på port 3000 på din localhost: localhost:3000.

Bemærk, at notebooks ikke vil blive gengivet via Docsify, så når du skal køre en notebook, skal du gøre det separat i VS Code med en Python-kernel.

Andre pensum

Vores team producerer andre pensum! Tjek:

LangChain

---

Azure / Edge / MCP / Agenter

---

Generativ AI Serie

---

Kerne Læring

---

Copilot Serie

Få Hjælp

Støder du på problemer? Tjek vores Fejlfinding Guide for løsninger på almindelige problemer.

Hvis du sidder fast eller har spørgsmål om at bygge AI-apps. Deltag med andre lærende og erfarne udviklere i diskussioner om MCP. Det er et støttende fællesskab, hvor spørgsmål er velkomne, og viden deles frit.

Hvis du har produktfeedback eller fejl under udvikling, besøg:

---

Ansvarsfraskrivelse: Dette dokument er blevet oversat ved hjælp af AI-oversættelsestjenesten 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 bør 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.