Data-Science-For-Beginners/translations/da

Data Science for Beginners - Et læseplan

Azure Cloud Advocates hos Microsoft er glade for at kunne tilbyde et 10-ugers, 20-lektioners læseplan helt om Data Science. Hver lektion inkluderer for- og efter-lektions quizzer, 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 nye færdigheder 'hænger ved'.

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

🙏 Speciel 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

🌐 Flersproget understøttelse

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

Foretrækker du at klone lokalt?

Dette repository inkluderer 50+ sproglige oversættelser, hvilket markant øger downloadstørrelsen. For at klone uden oversættelser, brug sparse checkout:

Bash / macOS / Linux:

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):

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.

Hvis du ønsker, at flere oversættelses-sprog understøttes, er de listet her

Deltag i vores fællesskab

Vi har en Discord serie "Learn with AI" i gang, lær mere og deltag hos Learn with AI Series fra 18. - 30. september 2025. Du får 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 begyndervenlige ressourcer, studentpakker og endda måder at få en gratis certifikatvoucher på. Dette er en side, du vil bogmærke og tjekke jævnligt, da vi skifter indhold mindst månedligt.
• Microsoft Learn Student Ambassadors Bliv medlem af et globalt fællesskab af studentambassadører, dette kan være din vej ind i Microsoft.

Kom godt i gang

📚 Dokumentation

• Installationsvejledning - Trin-for-trin installationsinstruktioner til begyndere
• Brugsvejledning - Eksempler og almindelige arbejdsgange
• Fejlfinding - Løsninger på almindelige problemer
• Bidragelse vejledning - Sådan bidrager du til dette projekt
• For lærere - Undervisningsvejledning og ressourcer til klasser

👨‍🎓 For studerende

Komplette begyndere: Ny til data science? Start med vores begyndervenlige eksempler! Disse simple, velkommenterede eksempler hjælper dig med at forstå det grundlæggende, inden du dykker ned i hele læseplanen. Studerende: for at bruge denne læseplan på egen hånd, forgrene hele repoet og gennemfør øvelserne på egen hånd, begynd med en for-forelæsnings quiz. Læs derefter forelæsningen og fuldfør resten af aktiviteterne. Prøv at skabe projekterne ved at forstå lektionerne fremfor at kopiere løsningskoden; den kode er dog tilgængelig i /solutions mapperne i hver projektorienteret lektion. En anden idé kunne være 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 læseplanen
3. Start med lektion 1 og arbejd sekventielt igennem
4. Deltag i vores Discord-fællesskab for support

👩‍🏫 For lærere

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

Mød Teamet

Gif af Mohit Jaisal

🎥 Klik på billedet ovenfor for en video om projektet og de personer, der har skabt det!

Pædagogik

Vi har valgt to pædagogiske principper til opbygningen af denne læseplan: sikre at den er projektbaseret og at den inkluderer hyppige quizzer. Ved slutningen af denne serie vil eleverne have lært grundlæggende principper for datavidenskab, inklusive etiske koncepter, dataklargøring, forskellige måder at arbejde med data på, datavisualisering, dataanalyse, virkelige brugsscenarier for datavidenskab og mere.

Derudover sætter en quiz med lav indsats før timen elevens intention mod at lære et emne, mens en anden quiz efter timen sikrer yderligere fastholdelse. Denne læseplan er designet til at være fleksibel og sjov og kan tages hele eller delvist. Projekterne starter små 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
• Quiz til opvarmning før lektion
• Skriftlig lektion
• For projektbaserede lektioner, trin-for-trin vejledninger til, hvordan man bygger projektet
• Videnstjek
• En udfordring
• Supplerende læsning
• Opgave
• Quiz efter lektion

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 i Azure; følg instruktionerne i quiz-app mappen. De bliver gradvist lokaliseret.

🎓 Begynder-venlige eksempler

Ny til datavidenskab? Vi har oprettet en særlig eksempelmappen med enkel, veldokumenteret kode, der hjælper dig godt i gang:

• 🌟 Hello World - Dit første datavidenskabsprogram
• 📂 Indlæsning af data - Lær at læse og udforske datasæt
• 📊 Enkel analyse - Beregn statistik og find mønstre
• 📈 Grundlæggende visualisering - Lav diagrammer og grafer
• 🔬 Virkelighedsnært projekt - Komplett workflow fra start til slut

Hvert eksempel inkluderer detaljerede kommentarer, der forklarer hvert trin, perfekt til absolutte begyndere!

👉 Start med eksemplerne 👈

Lektioner

Datavidenskab for Begyndere: Køreplan - Sketchnote af @nitya

Lektion Nummer	Emne	Lektion Gruppe	Læringsmål	Linket Lektion	Forfatter
01	Definition af datavidenskab	Introduktion	Lær de grundlæggende begreber bag datavidenskab og hvordan det relaterer til kunstig intelligens, maskinlæring og big data.	lektion video	Dmitry
02	Dataetik	Introduktion	Dataetik begreber, udfordringer og rammeværk.	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 indenfor sandsynlighed og statistik til forståelse af data.	lektion video	Dmitry
05	Arbejde med relationelle data	Arbejde med data	Introduktion til relationelle data og grundlæggende udforskning og analyse af relationelle data med Structured Query Language, også kendt som SQL (udtalt “see-quell”).	lektion	Christopher
06	Arbejde med NoSQL data	Arbejde med data	Introduktion til ikke-relationelle data, deres forskellige typer og grundlæggende udforskning og analyse af 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 til håndtering af 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 datafordelinger	Datavisualisering	Visualisering af observationer og tendenser indenfor et interval.	lektion	Jen
11	Visualisering af andele	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 datavidenskabs livscyklus	Livscyklus	Introduktion til datavidenskabs livscyklus og dets første trin, erhvervelse og udtræk af data.	lektion	Jasmine
15	Analyse	Livscyklus	Denne fase af datavidenskabs livscyklus fokuserer på teknikker til at analysere data.	lektion	Jasmine
16	Kommunikation	Livscyklus	Denne fase af datavidenskabs livscyklus fokuserer på at præsentere indsigt fra data på en måde, der gør det lettere for beslutningstagere at forstå.	lektion	Jalen
17	Datavidenskab i skyen	Skydata	Denne række lektioner introducerer datavidenskab i skyen og dens fordele.	lektion	Tiffany og Maud
18	Datavidenskab i skyen	Skydata	Træning af modeller ved hjælp af Low Code-værktøjer.	lektion	Tiffany og Maud
19	Datavidenskab i skyen	Skydata	Implementering af modeller med Azure Machine Learning Studio.	lektion	Tiffany og Maud
20	Datavidenskab i virkeligheden	I virkeligheden	Data science-drevne 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 flere oplysninger, 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 udvidelsen VS Code Remote - Containers:

1. Hvis det er første gang du bruger en udviklingscontainer, skal du sikre dig, at dit system opfylder forudsætningerne (dvs. har Docker installeret) i dokumentationen til start.

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

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

Eller åbne 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 i roden af denne repo docsify serve. Websitet vil blive serveret på port 3000 på din localhost: localhost:3000.

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

Andre Læseplaner

Vores team producerer andre læseplaner! Se:

LangChain

Azure / Edge / MCP / Agenter

---

Serie om Generativ AI

---

Kerne-læring

---

Copilot-serie

Få hjælp

Oplever du problemer? Se vores Fejlfinding Guide for løsninger på almindelige problemer.

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

Hvis du har produktfeedback eller fejl under byggeriet, besøg:

---

Ansvarsfraskrivelse: Dette dokument er oversat ved hjælp af AI-oversættelsestjenesten Co-op Translator. Selvom vi stræber efter nøjagtighed, skal 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 vigtig information anbefales professionel menneskelig oversættelse. Vi påtager os intet ansvar for misforståelser eller fejltolkninger, der måtte opstå som følge af brugen af denne oversættelse.