Data-Science-For-Beginners/translations/no

Data Science for Beginners - En læreplan

Azure Cloud Advocates hos Microsoft er glade for å kunne tilby en 10-ukers, 20-leksjons læreplan som handler om Data Science. Hver leksjon inkluderer quiz før og etter leksjonen, 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».

Stor 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, korrekturlesere og innholdsleverandører, 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

🌐 Støtte for flere språk

Støttet via GitHub Action (Automatisert & Alltid Oppdatert)

Arabisk | Bengali | Bulgarsk | Burmesisk (Myanmar) | Kinesisk (Forenklet) | Kinesisk (Tradisjonell, Hong Kong) | Kinesisk (Tradisjonell, Macau) | Kinesisk (Tradisjonell, Taiwan) | Kroatisk | Tsjekkisk | Dansk | Nederlandsk | Estisk | Finsk | Fransk | Tysk | Gresk | Hebraisk | Hindi | Ungarsk | Indonesisk | Italiensk | Japansk | Kannada | Koreansk | Litauisk | Malaysisk | Malayalam | Marathi | Nepalesisk | Nigeriansk Pidgin | Norsk | Persisk (Farsi) | Polsk | Portugisisk (Brasil) | Portugisisk (Portugal) | Punjabi (Gurmukhi) | Rumensk | Russisk | Serbisk (Kyrillisk) | Slovakisk | Slovensk | Spansk | Swahili | Svensk | Tagalog (Filippinsk) | Tamil | Telugu | Thai | Tyrkisk | Ukrainsk | Urdu | Vietnamesisk

Foretrekker du å klone lokalt?

Dette depotet inkluderer over 50 språkoversettelser som øker nedlastingsstørrelsen betydelig. For å klone uten oversettelser, bruk sparsjekontroll:

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 en mye raskere nedlasting.

Hvis du ønsker flere støttede oversettelsesspråk, er de listet opp her

Bli med i vårt fellesskap

Vi har en pågående Discord-lær med AI-serie, lær mer og bli med oss på Learn with AI Series fra 18. til 30. september 2025. Du vil få tips og triks om 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 på. Dette er en side du bør bokmerke og sjekke fra tid til annen siden vi bytter ut innhold minst månedlig.
• Microsoft Learn Student Ambassadors Bli med i et globalt fellesskap av studentambassadører; dette kan være din vei inn i Microsoft.

Kom i gang

📚 Dokumentasjon

• Installasjonsveiledning - Instruksjoner steg-for-steg for oppsett for nybegynnere
• Bruksanvisning - Eksempler og vanlige arbeidsflyter
• Feilsøking - Løsninger på vanlige problemer
• Bidragsveiledning - Hvordan bidra til dette prosjektet
• For lærere - Veiledning for undervisning og ressurser for klasserommet

👨‍🎓 For studenter

Fullstendige nybegynnere: Ny innen data science? Start med våre nybegynnervennlige eksempler! Disse enkle, godt kommenterte eksemplene vil hjelpe deg å forstå grunnleggende før du går inn i hele læreplanen. Studenter: for å bruke denne læreplanen på egen hånd, forgrener du hele depotet og fullfører oppgavene selv, start med en quiz før forelesningen. Deretter leser du forelesningen og fullfører resten av aktivitetene. Prøv å lage prosjektene ved å forstå leksjonene i stedet for å kopiere løsningskoden; den koden er imidlertid tilgjengelig i /solutions-mappene i hver prosjektorienterte leksjon. En annen idé er å danne en studiegruppe med venner og gå gjennom innholdet sammen. For videre studier anbefaler vi Microsoft Learn.

Rask start:

1. Sjekk Installasjonsveiledningen for å sette opp miljøet ditt
2. Gå gjennom Bruksanvisningen for å lære hvordan du jobber med læreplanen
3. Begynn med Leksjon 1 og jobb deg videre i rekkefølge
4. Bli med i vårt Discord-fellesskap for støtte

👩‍🏫 For lærere

Lærere: vi har inkludert noen forslag til hvordan du kan bruke denne læreplanen. Vi ønsker gjerne tilbakemeldinger i vårt diskusjonsforum!

Møt teamet

Gif av Mohit Jaisal

🎥 Klikk på bildet over for en video om prosjektet og folkene som laget det!

Pedagogikk

Vi har valgt to pedagogiske prinsipper under utarbeidelsen av denne læreplanen: å sikre at den er prosjektbasert og at den inneholder hyppige quizzer. Ved slutten av denne serien vil studentene ha lært grunnleggende prinsipper innen data science, inkludert etiske konsepter, datarensing, ulike måter å jobbe med data på, datavisualisering, dataanalyse, virkelige bruksområder for data science og mer.

I tillegg setter en liten quiz før timen studentens intensjon om å lære et emne, mens en andre quiz etter timen sikrer videre opprettholdelse. Denne læreplanen er designet for å være fleksibel og morsom og kan tas i sin helhet eller delvis. Prosjektene starter smått og blir mer og mer komplekse mot slutten av 10-ukers syklusen.

Finn våre atferdsregler, bidragsretningslinjer, oversettelsesretningslinjer. Vi ønsker din konstruktive tilbakemelding velkommen!

Hver leksjon inkluderer:

• Valgfri sketchnote
• Valgfri tilleggsvideo
• Forhåndsquiz før leksjonen
• Skriftlig leksjon
• For prosjektbaserte leksjoner, trinnvise guider på hvordan bygge prosjektet
• Kunnskapssjekker
• En utfordring
• Tilleggslesing
• Oppgave
• Quiz etter leksjonen

En merknad om quizzer: Alle quizzer finnes i Quiz-App-mappen, totalt 40 quizzer med tre spørsmål hver. De er linket fra leksjonene, men quiz-appen kan også kjøres lokalt eller distribueres til Azure; følg instruksjonene i quiz-app-mappen. De blir gradvis oversatt.

🎓 Nybegynnervennlige eksempler

Ny på Data Science? Vi har laget en spesiell eksempelmapppe med enkel, godt kommentert kode for å hjelpe deg å komme i gang:

• 🌟 Hello World – Ditt første data science-program
• 📂 Laste inn data – Lær å lese og utforske datasett
• 📊 Enkel analyse – Beregn statistikk og finn mønstre
• 📈 Grunnleggende visualisering – Lag diagrammer og grafer
• 🔬 Virkelighetsnært prosjekt – Full arbeidsflyt fra start til slutt

Hvert eksempel inkluderer detaljerte kommentarer som forklarer hvert steg, perfekt for absolutt nybegynnere!

👉 Start med eksemplene 👈

Leksjoner

Data Science For Beginners: Veikart - Sketchnote av @nitya

Leksjonsnummer	Tema	Leksjonsgruppe	Læringsmål	Lenket leksjon	Forfatter
01	Definisjon av Data Science	Introduksjon	Lær de grunnleggende konseptene bak data science og hvordan det er relatert til kunstig intelligens, maskinlæring og Big Data.	leksjon video	Dmitry
02	Etikk innen Data Science	Introduksjon	Begreper, utfordringer og rammeverk for dataetikk.	leksjon	Nitya
03	Definere data	Introduksjon	Hvordan data klassifiseres og vanlige kilder.	leksjon	Jasmine
04	Introduksjon til 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	Introduksjon til relasjonsdata og det grunnleggende ved 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	Introduksjon til ikke-relasjonelle data, 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 teknikker for rensing og transformasjon av data for å håndtere utfordringer med manglende, unøyaktige eller ufullstendige data.	leksjon	Jasmine
09	Visualisere mengder	Datavisualisering	Lær å bruke Matplotlib for å visualisere fugledata 🦆	leksjon	Jen
10	Visualisere datadistribusjoner	Datavisualisering	Visualisering av observasjoner og trender innen et intervall.	leksjon	Jen
11	Visualisere proporsjoner	Datavisualisering	Visualisering av diskrete og grupperte prosentandeler.	leksjon	Jen
12	Visualisere relasjoner	Datavisualisering	Visualisering av forbindelser og korrelasjoner mellom datasett og deres variabler.	leksjon	Jen
13	Meningsfulle visualiseringer	Datavisualisering	Teknikker og veiledning for å gjøre visualiseringene dine verdifulle for effektiv problemløsning og innsikt.	leksjon	Jen
14	Introduksjon til livssyklusen for data science	Livssyklus	Introduksjon til livssyklusen i data science og det første trinnet med å hente og trekke ut data.	leksjon	Jasmine
15	Analysere	Livssyklus	Denne fasen i livssyklusen for data science fokuserer på teknikker for å analysere data.	leksjon	Jasmine
16	Kommunikasjon	Livssyklus	Denne fasen i livssyklusen for data science fokuserer på å presentere innsiktene fra data på en måte som gjør det enklere for beslutningstakere å forstå.	leksjon	Jalen
17	Data Science i skyen	Skydata	Denne serien av leksjoner introduserer data science i skyen og dets fordeler.	leksjon	Tiffany og Maud
18	Data Science i skyen	Skydata	Trene modeller ved hjelp av Low Code-verktøy.	leksjon	Tiffany og Maud
19	Data Science i skyen	Skydata	Distribuere modeller med Azure Machine Learning Studio.	leksjon	Tiffany og Maud
20	Data Science i praksis	I feltet	Data science-styrte prosjekter i virkeligheten.	leksjon	Nitya

GitHub Codespaces

Følg disse trinnene for å åpne dette eksempelet i en Codespace:

1. Klikk på Code-nedtrekksmenyen og velg alternativet Open with Codespaces.
2. Velg + New codespace nederst i panelet. For mer informasjon, se GitHub dokumentasjon.

VSCode Remote - Containers

Følg disse trinnene for å åpne dette repo-et i en container ved bruk av din lokale maskin og VSCode med utvidelsen VS Code Remote - Containers:

1. Hvis dette er første gang du bruker en utviklingscontainer, må du sørge for at systemet ditt møter forutsetningene (dvs. har Docker installert) i komme i gang-dokumentasjonen.

For å bruke dette repo-et kan du enten åpne repo-et 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 på det lokale filsystemet. Volumer er den foretrukne mekanismen for å bevare containerdata.

Eller åpne en lokalt klonet eller nedlastet versjon av repo-et:

• Klon dette repo-et 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 ut ting.

Offline tilgang

Du kan bruke denne dokumentasjonen offline ved hjelp av Docsify. Fork dette repo-et, installer Docsify på din lokale maskin, og deretter i rotmappen for dette repo-et, skriv docsify serve. Nettstedet vil bli servert på port 3000 på 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

Vårt team produserer andre læreplaner! Sjekk ut:

LangChain

---

Azure / Edge / MCP / Agenter

---

Generativ AI-serie

---

Kjerneopplæring

---

Copilot-serie

Få hjelp

Opplever du problemer? Sjekk vår Feilsøkingsguide for løsninger på vanlige problemer.

Hvis du sitter 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 produktfeedback 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 automatiserte oversettelser kan inneholde feil eller unøyaktigheter. Det originale dokumentet på dets opprinnelige språk skal anses som den autoritative kilden. For kritisk informasjon anbefales profesjonell menneskelig oversettelse. Vi er ikke ansvarlige for eventuelle misforståelser eller feiltolkninger som oppstår fra bruken av denne oversettelsen.