Data-Science-For-Beginners/translations/no

Data Science for Beginners - En Læreplan

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, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 Spesiell takk 🙏 til våre Microsoft Student Ambassador forfattere, anmeldere og innholdsbidragsytere, spesielt 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 av @nitya

🌐 Flerspråklig Støtte

Støttes via GitHub Action (Automatisk & Alltid Oppdatert)

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

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:

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 gir deg alt du trenger for å fullføre kurset med mye raskere nedlasting.

Hvis du ønsker at flere oversettelsesspråk støttes, er de listet her

Bli Med i Vårt Fellesskap

Vi har en Discord-lær med AI-serie pågående, lær mer og bli med oss på Learn with AI Series 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 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 Bli med i et globalt fellesskap av studentambassadører, dette kan være din inngang til Microsoft.

Komme i Gang

📚 Dokumentasjon

• Installasjonsguide - Trinnvise oppsettsinstruksjoner for nybegynnere
• Bruksanvisning - Eksempler og vanlige arbeidsflyter
• Feilsøking - Løsninger på vanlige problemer
• Bidragsveiledning - Hvordan bidra til dette prosjektet
• For lærere - Veiledning for undervisning og klasseromsressurser

👨‍🎓 For Studenter

Fullstendige nybegynnere: Ny innen data science? Start med våre nybegynnervennlige eksempler! Disse enkle, godt kommenterte eksemplene vil hjelpe deg å forstå det grunnleggende før du kaster deg ut i hele læreplanen. Studenter: 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.

Rask start:

1. Sjekk Installasjonsguiden for å sette opp miljøet ditt
2. Gå gjennom Bruksanvisningen 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 for støtte

👩‍🏫 For Lærere

Lærere: vi har inkludert noen forslag om hvordan bruke dette læreplanen. Vi setter stor pris på tilbakemeldingene deres i vårt diskusjonsforum!

Møt teamet

Gif av Mohit Jaisal

🎥 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, bidragsyterveiledning, oversettelsesretningslinjer. 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

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 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 👈

Leksjoner

Datavitenskap for nybegynnere: Veikart - Skisse-notat av @nitya

Leksjonsnummer	Tema	Leksjonsgruppe	Læringsmål	Lenket leksjon	Forfatter
01	Definere datavitenskap	Introduksjon	Lær grunnleggende begreper bak datavitenskap og hvordan det er relatert til kunstig intelligens, maskinlæring og big data.	leksjon video	Dmitry
02	Datavitenskapsetikk	Introduksjon	Begreper, utfordringer og rammeverk for dataetikk.	leksjon	Nitya
03	Definere data	Introduksjon	Hvordan data klassifiseres og vanlige kilder.	leksjon	Jasmine
04	Innføring i statistikk og sannsynlighet	Introduksjon	De matematiske teknikkene innen sannsynlighet og statistikk for å forstå data.	leksjon video	Dmitry
05	Arbeide med relasjonsdata	Arbeide med data	Innføring i relasjonsdata og grunnleggende om å utforske og analysere relasjonsdata med Structured Query Language, også kjent som SQL (uttales “see-quell”).	leksjon	Christopher
06	Arbeide med NoSQL-data	Arbeide med data	Innføring i ikke-relasjonelle data, deres ulike typer og grunnleggende utforsking og analyse av dokumentdatabaser.	leksjon	Jasmine
07	Arbeide med Python	Arbeide med data	Grunnleggende bruk av Python for datautforskning med biblioteker som Pandas. Grunnleggende forståelse av Python-programmering anbefales.	leksjon video	Dmitry
08	Datapreparering	Arbeide med data	Temaer om datateknikker for rengjøring og transformering av data for å håndtere utfordringer med manglende, unøyaktige eller ufullstendige data.	leksjon	Jasmine
09	Visualisere mengder	Datavisualisering	Lær å bruke Matplotlib til å visualisere fugledata 🦆	leksjon	Jen
10	Visualisere datafordelinger	Datavisualisering	Visualisere observasjoner og trender innen et intervall.	leksjon	Jen
11	Visualisere proporsjoner	Datavisualisering	Visualisere diskrete og grupperte prosentandeler.	leksjon	Jen
12	Visualisere relasjoner	Datavisualisering	Visualisere forbindelser og korrelasjoner mellom datasett og deres variabler.	leksjon	Jen
13	Meningsfulle visualiseringer	Datavisualisering	Teknikk og veiledning for å gjøre visualiseringene dine verdifulle for effektiv problemløsning og innsikt.	leksjon	Jen
14	Introduksjon til datavitenskapslivssyklus	Livssyklus	Innføring i datavitenskapslivssyklusen og det første steget med anskaffelse og utvinning av data.	leksjon	Jasmine
15	Analysering	Livssyklus	Denne fasen av datavitenskapslivssyklusen fokuserer på teknikker for å analysere data.	leksjon	Jasmine
16	Kommunikasjon	Livssyklus	Denne fasen av datavitenskapslivssyklusen fokuserer på å presentere innsikter fra data på en måte som gjør det lettere for beslutningstakere å forstå.	leksjon	Jalen
17	Datavitenskap i skyen	Skydata	Denne serien av leksjoner introduserer datavitenskap i skyen og fordelene ved det.	leksjon	Tiffany og Maud
18	Datavitenskap i skyen	Skydata	Treningsmodeller ved bruk av lavkode-verktøy.	leksjon	Tiffany og Maud
19	Datavitenskap i skyen	Skydata	Distribusjon av modeller med Azure Machine Learning Studio.	leksjon	Tiffany og Maud
20	Datavitenskap i praksis	I praksis	Datavitenskapsdrevne prosjekter i den virkelige verden.	leksjon	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.

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.

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 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. Fork dette depotet, installer Docsify 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:

LangChain

Azure / Edge / MCP / Agenter

---

Generativ AI-serie

---

Grunnleggende læring

---

Copilot-serie

Få hjelp

Opplever du problemer? Sjekk vår Feilsøkingsveiledning 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.

Hvis du har produktinnspill eller opplever feil under bygging, besøk:

---

Ansvarsfraskrivelse: Dette dokumentet er oversatt ved hjelp av AI-oversettelsestjenesten 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.