Data-Science-For-Beginners/translations/da

Data Science for Beginners - En læseplan

Azure Cloud Advocates hos Microsoft er glade for at kunne tilbyde en 10-ugers, 20-lektioners læseplan, der handler om Data Science. Hver lektion inkluderer quiz før og efter lektionen, skriftlige instruktioner til at gennemføre lektionen, en løsning og en opgave. Vores projektbaserede pædagogik giver dig mulighed for at lære ved at bygge — en gennemprøvet måde for nye færdigheder at sætte sig fast.

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

🙏 Særlig tak 🙏 til vores Microsoft Student Ambassador forfattere, anmeldere og indholds bidragydere, navnlig 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

🌐 Understøttelse af flere sprog

Understøttet via GitHub Action (Automatiseret og 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 flere oversættelser, er de understøttede sprog listet her

Bliv en del af vores fællesskab

Vi har en igangværende Discord-serie "Learn with AI", læs mere og deltag i 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 page På denne side finder du begynderressourcer, Student packs og endda måder at få en gratis certifikatkupon. Dette er en side, du bør bogmærke og tjekke fra tid til anden, da vi udskifter indhold mindst en gang om måneden.
• Microsoft Learn Student Ambassadors Bliv medlem af et globalt fællesskab af student ambassadors — dette kunne være din vej ind i Microsoft.

Kom godt i gang

📚 Dokumentation

• Installation Guide - Trin-for-trin installationsvejledning for begyndere
• Usage Guide - Eksempler og almindelige arbejdsgange
• Troubleshooting - Løsninger på almindelige problemer
• Contributing Guide - Hvordan man bidrager til dette projekt
• For Teachers - Undervisningsvejledning og materialer til klasseundervisning

👨‍🎓 For studerende

Komplette begyndere: Ny inden for data science? Start med vores begynder-venlige eksempler! Disse enkle, godt kommenterede eksempler vil hjælpe dig med at forstå det grundlæggende, inden du dykker ned i hele læseplanen. Studerende: for at bruge denne læseplan på egen hånd, fork 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; den kode er dog tilgængelig i /solutions-mappen i hver projektorienterede 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 Installation Guide for at sætte dit miljø op
2. Gennemgå Usage Guide for at lære, hvordan du arbejder med læseplanen
3. Start med lektion 1 og arbej dig igennem i rækkefølge
4. Deltag i vores Discord-fællesskab for support

👩‍🏫 For undervisere

Undervisere: vi har inkluderet nogle forslag til, hvordan du kan bruge denne læseplan. 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 de personer, der skabte det!

Pædagogik

Vi har valgt to pædagogiske principper under opbygningen af dette pensum: at sikre, at det er projektbaseret, og at det indeholder hyppige quizzer. Ved afslutningen af denne serie vil eleverne have lært grundlæggende principper inden for datavidenskab, herunder etiske begreber, dataklargøring, forskellige måder at arbejde med data på, datavisualisering, dataanalyse, virkelige anvendelsestilfælde af datavidenskab og mere.

Derudover sætter en lavrisiko-quiz før en klasse elevens intention om 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 helt 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 guider til, hvordan man bygger projektet
• Videnstjek
• En udfordring
• Supplerende læsning
• Opgave
• Quiz efter lektionen

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

🎓 Begynder-venlige eksempler

Ny til datavidenskab? Vi har oprettet en særlig mappen med eksempler med enkel, godt kommenteret kode for at hjælpe dig i gang:

• 🌟 Hello World - Dit første program i datavidenskab
• 📂 Loading Data - Lær at læse og udforske datasæt
• 📊 Simple Analysis - Beregn statistikker og find mønstre
• 📈 Basic Visualization - Lav diagrammer og grafer
• 🔬 Real-World Project - Komplet arbejdsgang fra start til slut

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

👉 Start med eksemplerne 👈

Lektioner

Datavidenskab for begyndere: Vejkort - Sketchnote af @nitya

Lektionsnummer	Emne	Lektionsgruppe	Læringsmål	Linket lektion	Forfatter
01	Definition af datavidenskab	Introduktion	Lær de grundlæggende begreber bag datavidenskab og hvordan det relaterer sig til kunstig intelligens, maskinlæring, og big data.	lektion video	Dmitry
02	Etik i datavidenskab	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 og 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, deres 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 dataundersøgelse med biblioteker som Pandas. Grundlæggende forståelse af Python-programmering anbefales.	lektion video	Dmitry
08	Dataklargøring	Arbejde med data	Emner om datateknikker til at rense og transformere data for at håndtere udfordringer med manglende, unøjagtige eller ufuldstændige data.	lektion	Jasmine
09	Visualisering af mængder	Datavisualisering	Lær, hvordan man bruger 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 sammenhænge	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 datavidenskabens livscyklus	Livscyklus	Introduktion til datavidenskabens livscyklus og det første trin med at erhverve og udtrække data.	lektion	Jasmine
15	Analyse	Livscyklus	Denne fase af datavidenskabens livscyklus fokuserer på teknikker til at analysere data.	lektion	Jasmine
16	Kommunikation	Livscyklus	Denne fase af datavidenskabens 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	Data i skyen	Denne række lektioner introducerer datavidenskab i skyen og dens fordele.	lektion	Tiffany and Maud
18	Datavidenskab i skyen	Data i skyen	Træning af modeller ved hjælp af Low Code-værktøjer.	lektion	Tiffany and Maud
19	Datavidenskab i skyen	Data i skyen	Udrulning af modeller med Azure Machine Learning Studio.	lektion	Tiffany and Maud
20	Datavidenskab i praksis	I felten	Datavidenskabsdrevne 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 indstillingen Open with Codespaces.
2. Vælg + New codespace i bunden af 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 ved at bruge VS Code Remote - Containers-udvidelsen:

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

To use this repository, you can either open the repository in an isolated Docker volume:

Note: Under the hood, this will use the Remote-Containers: Clone Repository in Container Volume... command to clone the source code in a Docker volume instead of the local filesystem. Volumes are the preferred mechanism for persisting container data.

Or open a locally cloned or downloaded version of the repository:

• Klon dette repository til dit lokale filsystem.
• Tryk 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 repository, installer Docsify på din lokale maskine, så i rodmappen af dette repository, skriv docsify serve. Hjemmesiden vil blive serveret på port 3000 på din localhost: localhost:3000.

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

Andre læreplaner

Vores team producerer andre læreplaner! Se:

LangChain

---

Azure / Edge / MCP / Agents

---

Generativ AI-serie

---

Kerneundervisning

---

Copilot-serier

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 sammen 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 oplever fejl, mens du bygger, 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 automatiske oversættelser kan indeholde fejl eller unøjagtigheder. Det originale dokument på dets oprindelige sprog bør betragtes som den autoritative kilde. For kritiske oplysninger anbefales professionel menneskelig oversættelse. Vi påtager os intet ansvar for eventuelle misforståelser eller fejltolkninger, der opstår som følge af brugen af denne oversættelse.