Data-Science-For-Beginners/translations/sv

Data Science för nybörjare - En kursplan

Azure Cloud Advocates på Microsoft erbjuder glatt en 10-veckors, 20-lektioners kursplan helt om Data Science. Varje lektion inkluderar för- och efter-lektionsquiz, skriftliga instruktioner för att genomföra lektionen, en lösning och en uppgift. Vår projektbaserade pedagogik låter dig lära medan du bygger, ett beprövat sätt för nya färdigheter att "fästa".

Stort tack till våra författare: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 Särskilt tack 🙏 till våra författare, granskare och innehållsbidragare från Microsoft Student Ambassador, särskilt 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 för nybörjare - Sketchnote av @nitya

🌐 Flerspråkigt stöd

Stöds via GitHub Action (Automatiserat & Alltid Uppdaterat)

Arabiska | Bengali | Bulgariska | Burmesiska (Myanmar) | Kinesiska (Förenklad) | Kinesiska (Traditionell, Hong Kong) | Kinesiska (Traditionell, Macau) | Kinesiska (Traditionell, Taiwan) | Kroatiska | Tjeckiska | Danska | Holländska | Estniska | Finska | Franska | Tyska | Grekiska | Hebreiska | Hindi | Ungerska | Indonesiska | Italienska | Japanska | Kannada | Koreanska | Litauiska | Malajiska | Malayalam | Marathi | Nepali | Nigeriansk Pidgin | Norska | Persiska (Farsi) | Polska | Portugisiska (Brasilien) | Portugisiska (Portugal) | Punjabi (Gurmukhi) | Rumänska | Ryska | Serbiska (Kyrilliska) | Slovakiska | Slovenska | Spanska | Swahili | Svenska | Tagalog (Filippinska) | Tamil | Telugu | Thailändska | Turkiska | Ukrainska | Urdu | Vietnamesiska

Föredrar du att klona lokalt?

Detta repository inkluderar över 50 språköversättningar vilket avsevärt ökar nedladdningsstorleken. För att klona utan översättningar, använd sparsamt uttag:

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 betydligt snabbare nedladdning.

Om du önskar att fler översättningsspråk ska stödjas finns en lista här

Gå med i vårt community

Vi har en pågående Discord-serie om att lära sig med AI, lär dig mer och gå med oss på Learn with AI Series från 18 - 30 september 2025. Du får tips och tricks om att använda GitHub Copilot för Data Science.

Är du student?

Kom igång med följande resurser:

• Student Hub-sida På denna sida hittar du resurser för nybörjare, studentpaket och till och med sätt att få en gratis certifikatkupong. Detta är en sida du vill bokmärka och kolla regelbundet eftersom vi byter ut innehållet minst en gång i månaden.
• Microsoft Learn Student Ambassadors Gå med i ett globalt community av studentambassadörer, detta kan vara din väg in i Microsoft.

Komma igång

📚 Dokumentation

• Installationsguide - Steg-för-steg installationsinstruktioner för nybörjare
• Användarguide - Exempel och vanliga arbetsflöden
• Felsökning - Lösningar på vanliga problem
• Bidragsguide - Hur man bidrar till detta projekt
• För lärare - Undervisningsvägledning och material för klassrummet

👨‍🎓 För studenter

Fullständiga nybörjare: Ny inom data science? Börja med våra nybörjarvänliga exempel! Dessa enkla, välkommenterade exempel hjälper dig att förstå grunderna innan du går vidare med hela kursplanen. Studenter: för att använda denna kursplan på egen hand, förg hela repo och gör övningarna på egen hand, börja med ett för-föreläsningsquiz. Läs sedan föreläsningen och gör resten av aktiviteterna. Försök skapa projekten genom att förstå lektionerna istället för att bara kopiera lösningskoden; den koden finns dock tillgänglig i /solutions-mapparna i varje projektorienterad lektion. Ett annat tips är att bilda en studiegrupp med vänner och gå igenom innehållet tillsammans. För fortsatt studier rekommenderar vi Microsoft Learn.

Snabbstart:

1. Kolla in Installationsguiden för att sätta upp din miljö
2. Gå igenom Användarguiden för att lära dig hur du arbetar med kursplanen
3. Börja med Lektion 1 och arbeta dig igenom i ordning
4. Gå med i vår Discord-community för stöd

👩‍🏫 För lärare

Lärare: vi har inkluderat förslag på hur denna kursplan kan användas. Vi tar gärna emot din feedback i vårt diskussionsforum!

Möt teamet

Gif av Mohit Jaisal

🎥 Klicka på bilden ovan för en video om projektet och människorna 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 studenterna ha lärt sig grundläggande principer för datavetenskap, inklusive etiska koncept, datapreparation, olika sätt att arbeta med data, datavisualisering, dataanalys, verkliga användningsfall för datavetenskap och mer.

Dessutom sätter ett låginsats-quiz före en lektion studentens intention mot att lära sig ett ämne, medan ett andra quiz efter lektionen säkerställer ytterligare retention. Den här läroplanen är designad för att vara flexibel och rolig och kan tas helt eller delvis. Projekten startar små och blir gradvis mer komplexa i slutet av 10-veckorscykeln.

Hitta vår uppförandekod, bidragsriktlinjer, översättningsriktlinjer. Vi välkomnar din konstruktiva feedback!

Varje lektion inkluderar:

• Valfritt skissanteckning
• Valfri kompletterande video
• Quiz som uppvärmning före lektion
• Skriven lektion
• För projektbaserade lektioner, steg-för-steg-guider för att bygga projektet
• Kunskapskontroller
• En utmaning
• Kompletterande läsning
• Uppgift
• Quiz efter lektion

En not om quiz: Alla quiz finns i Quiz-App mappen, totalt 40 quiz med tre frågor vardera. De länkas från lektionerna men quiz-appen kan köras lokalt eller distribueras till Azure; följ instruktionerna i quiz-app mappen. De lokaliseras gradvis.

🎓 Nybörjarvänliga exempel

Ny inom datavetenskap? Vi har skapat en speciell exempelkatalog med enkel, välkommenterad kod för att hjälpa dig komma igång:

• 🌟 Hello World - Ditt första datavetenskapsprogram
• 📂 Ladda data - Lär dig läsa och utforska dataset
• 📊 Enkel analys - Beräkna statistik och hitta mönster
• 📈 Grundläggande visualisering - Skapa diagram och grafer
• 🔬 Verklighetsnära projekt - Komplett arbetsflöde från start till slut

Varje exempel innehåller detaljerade kommentarer som förklarar varje steg, perfekt för absoluta nybörjare!

👉 Börja med exemplen 👈

Lektioner

Datavetenskap för nybörjare: Färdplan - Skissanteckning av @nitya

Lektionnummer	Ämne	Lektion Grupp	Inlärningsmål	Länkad lektion	Författare
01	Definiera datavetenskap	Introduktion	Lär dig grundläggande koncept bakom datavetenskap och dess koppling till artificiell intelligens, maskininlärning och big data.	lektion video	Dmitry
02	Dataetik	Introduktion	Koncept, utmaningar & ramverk inom dataetik.	lektion	Nitya
03	Definiera data	Introduktion	Hur data klassificeras och dess vanliga källor.	lektion	Jasmine
04	Introduktion till statistik & sannolikhet	Introduktion	Matematiska tekniker inom sannolikhet och statistik för att förstå data.	lektion video	Dmitry
05	Arbeta med relationsdata	Arbeta med data	Introduktion till relationsdata och grunderna för att utforska och analysera relationsdata med Structured Query Language, även kallat SQL (uttalas “se-quell”).	lektion	Christopher
06	Arbeta med NoSQL-data	Arbeta med data	Introduktion till icke-relationsdata, dess olika typer och grunderna för att utforska och analysera dokumentdatabaser.	lektion	Jasmine
07	Arbeta med Python	Arbeta med data	Grunder för att använda Python för datautforskning med bibliotek som Pandas. Grundläggande förståelse av Python-programmering rekommenderas.	lektion video	Dmitry
08	Datapreparation	Arbeta med data	Ämnen om datatekniker för att rensa och transformera data för att hantera utmaningar med saknad, felaktig eller ofullständig data.	lektion	Jasmine
09	Visualisera kvantiteter	Datavisualisering	Lär dig använda Matplotlib för att visualisera fågeldatan 🦆	lektion	Jen
10	Visualisera datadistributioner	Datavisualisering	Visualisering av observationer och trender inom ett intervall.	lektion	Jen
11	Visualisera proportioner	Datavisualisering	Visualisera diskreta och grupperade procentandelar.	lektion	Jen
12	Visualisera relationer	Datavisualisering	Visualisera kopplingar och korrelationer mellan datamängder och deras variabler.	lektion	Jen
13	Meningsfulla visualiseringar	Datavisualisering	Tekniker och vägledning för att göra dina visualiseringar värdefulla för effektiv problemlösning och insikter.	lektion	Jen
14	Introduktion till datavetenskapens livscykel	Livscykel	Introduktion till datavetenskapens livscykel och dess första steg att förvärva och extrahera data.	lektion	Jasmine
15	Analysera	Livscykel	Denna fas i datavetenskapens livscykel fokuserar på tekniker för att analysera data.	lektion	Jasmine
16	Kommunikation	Livscykel	Denna fas i datavetenskapens livscykel fokuserar på att presentera insikter från data på ett sätt som gör det lättare för beslutsfattare att förstå.	lektion	Jalen
17	Datavetenskap i molnet	Molndata	Denna serie lektioner introducerar datavetenskap i molnet och dess fördelar.	lektion	Tiffany och Maud
18	Datavetenskap i molnet	Molndata	Träning av modeller med Low Code-verktyg.	lektion	Tiffany och Maud
19	Datavetenskap i molnet	Molndata	Distribuera modeller med Azure Machine Learning Studio.	lektion	Tiffany och Maud
20	Datavetenskap i verkligheten	I det vilda	Datavetenskapsdrivna projekt i verkliga världen.	lektion	Nitya

GitHub Codespaces

Följ dessa steg för att öppna detta exempel i en Codespace:

1. Klicka på Code-rullgardinsmenyn och välj alternativet Open with Codespaces.
2. Välj + New codespace längst ner i fönstret. För mer information, se GitHub-dokumentationen.

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 förkraven (d.v.s. har Docker installerat) i introduktionsdokumentationen.

För att använda detta repository kan du antingen öppna repositoryn i en isolerad Docker-volym:

Obs: Under huven används kommandot Remote-Containers: Clone Repository in Container Volume... för att klona källkoden i en Docker-volym i stället för i det lokala filsystemet. Volymer är den föredragna mekanismen för att spara containerdata.

Eller öppna en lokalt klonad eller nedladdad version av repositoryn:

• Klona detta repository till ditt lokala filsystem.
• Tryck på F1 och välj kommandot Remote-Containers: Open Folder in Container....
• Välj den klonade kopian av denna mapp, vänta på att containern startar och prova.

Offline åtkomst

Du kan köra denna dokumentation offline med hjälp av Docsify. Forka detta repo, installera Docsify på din lokala dator, och skriv sedan docsify serve i rotmappen för detta repo. 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:

LangChain

---

Azure / Edge / MCP / Agenter

---

Generativ AI-serie

---

Kärnlära

---

Copilot-serie

Få hjälp

Stöter du på problem? Kolla vår Felsökningsguide för lösningar på vanliga problem.

Om du fastnar eller har frågor om att skapa AI-appar, gå med bland andra elever och erfarna utvecklare i diskussioner om MCP. Det är en stödjande gemenskap där frågor är välkomna och kunskap delas fritt.

Om du har produktfeedback eller stöter på fel under byggandet, besök:

---

Ansvarsfriskrivning: Detta dokument har översatts med hjälp av AI-översättningstjänsten Co-op Translator. Även om vi strävar efter noggrannhet, vänligen var medveten om att automatiska översättningar kan innehålla fel eller brister. Det ursprungliga dokumentet på dess modersmål ska betraktas som den auktoritativa källan. För kritisk information rekommenderas professionell mänsklig översättning. Vi ansvarar inte för några missförstånd eller feltolkningar som uppstår från användningen av denna översättning.