Data-Science-For-Beginners/translations/sv

Data Science for Beginners - A Curriculum

Azure Cloud Advocates på Microsoft är glada att erbjuda en 10-veckors, 20-lektioners kursplan helt om Data Science. Varje lektion inkluderar för- och efterquiz, skriftliga instruktioner för att genomföra lektionen, en lösning och en uppgift. Vår projektbaserade pedagogik låter dig lära genom att bygga — 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.

🙏 Stort tack 🙏 till våra Microsoft Student Ambassador författare, granskare och innehållsbidragsgivare, 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

🌐 Stöd för flera språk

Stöds via GitHub Action (Automatiserat & alltid uppdaterat)

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

If you wish to have additional translations languages supported are listed here

Gå med i vår community

Vi har en Discord-serie "Learn with AI" pågående — läs mer och gå med oss på Learn with AI Series från 18–30 september 2025. Du kommer få tips och tricks för att använda GitHub Copilot för Data Science.

Är du student?

Kom igång med följande resurser:

• Student Hub page På denna sida hittar du nybörjarresurser, studentpaket och till och med sätt att få en gratis certifikatvoucher. Detta är en sida du vill bokmärka och kolla då och då eftersom vi byter ut innehåll minst en gång i månaden.
• Microsoft Learn Student Ambassadors Gå med i ett globalt community av studentambassadörer — det här kan vara din väg in till Microsoft.

Komma igång

📚 Dokumentation

• Installationsguide - Steg-för-steg installationsinstruktioner för nybörjare
• Användningsguide - Exempel och vanliga arbetsflöden
• Felsökning - Lösningar på vanliga problem
• Bidra - Hur du bidrar till detta projekt
• För lärare - Vägledning för undervisning och material för klassrumsbruk

👨‍🎓 För studenter

Helt nybörjare: Ny på data science? Börja med våra nybörjarvänliga exempel! Dessa enkla, välkommenterade exempel hjälper dig att förstå grunderna innan du går vidare till hela kursplanen. Studenter: för att använda denna kursplan på egen hand, fork:a hela repot och genomför övningarna själv, börja med ett förföreläsningsquiz. Läs sedan föreläsningen och slutför resten av aktiviteterna. Försök skapa projekten genom att förstå lektionerna snarare än att kopiera lösningskoden; den koden finns dock tillgänglig i /solutions-mapparna i varje projektorienterad lektion. En annan idé är att bilda en studiegrupp med vänner och gå igenom innehållet tillsammans. För vidare studier rekommenderar vi Microsoft Learn.

Snabbstart:

1. Kontrollera Installationsguide för att ställa in din miljö
2. Gå igenom Användningsguide för att lära dig hur du arbetar med kursplanen
3. Börja med Lektion 1 och arbeta igenom dem i ordning
4. Gå med i vårt Discord-community för support

👩‍🏫 För lärare

Lärare: vi har inkluderat några förslag om hur ni kan använda denna kursplan. Vi uppskattar gärna er feedback i vårt diskussionsforum!

Möt teamet

Gif av Mohit Jaisal

🎥 Klicka på bilden ovan för en video om projektet och personerna som skapade det!

Pedagogik

Vi har valt två pedagogiska principer när vi byggt denna kursplan: att säkerställa att den är projektbaserad och att den innehåller frekventa quiz. I slutet av denna serie kommer studenter ha lärt sig grundläggande principer för datavetenskap, inklusive etiska begrepp, 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. Denna kursplan är utformad för att vara flexibel och rolig och kan tas i sin helhet eller delvis. Projekten börjar små och blir successivt mer komplexa mot slutet av den 10 veckors cykeln.

Hitta vår Uppförandekod, Bidra, Översättning riktlinjer. Vi välkomnar din konstruktiva feedback!

Varje lektion inkluderar:

• Valfritt sketchnote
• Valfri kompletterande video
• För-lesson uppvärmningsquiz
• Skriven lektion
• För projektbaserade lektioner, steg-för-steg guider för hur man bygger projektet
• Kunskapskontroller
• En utmaning
• Kompletterande läsning
• Uppgift
• Post-lesson quiz

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

🎓 Nybörjarvänliga exempel

Ny inom datavetenskap? Vi har skapat en särskild exempelmapp 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
• 🔬 Verkligt projekt - Fullt arbetsflöde från början till slut

Varje exempel innehåller detaljerade kommentarer som förklarar varje steg, vilket gör dem perfekta för absoluta nybörjare!

👉 Börja med exemplen 👈

Lektioner

Datavetenskap för nybörjare: Färdplan - Sketchnote av @nitya

Lesson Number	Topic	Lesson Grouping	Learning Objectives	Linked Lesson	Author
01	Definiera datavetenskap	Introduktion	Lär dig grundläggande begrepp om datavetenskap och hur det relaterar till artificiell intelligens, maskininlärning och big data.	lektion video	Dmitry
02	Datavetenskapsetik	Introduktion	Begrepp, utmaningar och ramverk för dataetik.	lektion	Nitya
03	Definiera data	Introduktion	Hur data klassificeras och vanliga källor.	lektion	Jasmine
04	Introduktion till statistik och sannolikhet	Introduktion	De matematiska teknikerna inom sannolikhet och statistik för att förstå data.	lektion video	Dmitry
05	Arbeta med relationsdata	Arbeta med data	Introduktion till relationsdata och grunderna i att utforska och analysera relationsdata med Structured Query Language, även känt som SQL (uttalas “see-quell”).	lektion	Christopher
06	Arbeta med NoSQL-data	Arbeta med data	Introduktion till icke-relationell data, dess olika typer och grunderna i att utforska och analysera dokumentdatabaser.	lektion	Jasmine
07	Arbeta med Python	Arbeta med data	Grunder i att använda Python för datautforskning med bibliotek som Pandas. Grundläggande förståelse för Python-programmering rekommenderas.	lektion video	Dmitry
08	Datapreparation	Arbeta med data	Ämnen om datatekniker för att rengöra och transformera data för att hantera utmaningar med saknad, felaktig eller ofullständig data.	lektion	Jasmine
09	Visualisera mängder	Data Visualization	Lär dig använda Matplotlib för att visualisera fågeldata 🦆	lektion	Jen
10	Visualisera datadistributioner	Data Visualization	Visualisera observationer och trender inom ett intervall.	lektion	Jen
11	Visualisera proportioner	Data Visualization	Visualisera diskreta och grupperade procenttal.	lektion	Jen
12	Visualisera relationer	Data Visualization	Visualisera kopplingar och korrelationer mellan dataset och deras variabler.	lektion	Jen
13	Meningsfulla visualiseringar	Data Visualization	Tekniker och vägledning för att göra dina visualiseringar värdefulla för effektiv problemlösning och insikter.	lektion	Jen
14	Introduktion till datavetenskapens livscykel	Lifecycle	Introduktion till datavetenskapens livscykel och dess första steg: att hämta och extrahera data.	lektion	Jasmine
15	Analys	Lifecycle	Denna fas i datavetenskapens livscykel fokuserar på tekniker för att analysera data.	lektion	Jasmine
16	Kommunikation	Lifecycle	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	Datavetenskap i molnet	Denna serie lektioner introducerar datavetenskap i molnet och dess fördelar.	lektion	Tiffany and Maud
18	Datavetenskap i molnet	Datavetenskap i molnet	Träna modeller med lågkodverktyg.	lektion	Tiffany and Maud
19	Datavetenskap i molnet	Datavetenskap i molnet	Distribuera modeller med Azure Machine Learning Studio.	lektion	Tiffany and Maud
20	Datavetenskap i det vilda	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 rutan. För mer information, kolla GitHub documentation.

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 (t.ex. att Docker är installerat) i the getting started documentation.

För att använda detta repository kan du antingen öppna repositoryt i ett isolerat Docker-volym:

Note: Under huven kommer detta att använda kommandot Remote-Containers: Clone Repository in Container Volume... för att klona källkoden i en Docker-volym istället för i det lokala filsystemet. Volumes är den föredragna mekanismen för att bevara containerdata.

Eller öppna en lokalt klonad eller nedladdad version av repositoryt:

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

Offlineåtkomst

Du kan köra denna dokumentation offline genom att använda Docsify. Forka detta repo, install Docsify på din lokala maskin, sedan i rotmappen för detta repo, skriv docsify serve. Webbplatsen kommer att serveras på port 3000 på din localhost: localhost:3000.

Observera, notebooks kommer inte att renderas via Docsify, så när du behöver köra en notebook, gör det separat i VS Code med en Python-kernel.

Andra kursplaner

Vårt team producerar andra kursplaner! Kolla in:

LangChain

---

Azure / Edge / MCP / Agents

---

Generativa AI-serier

---

Kärnkurser

---

Copilot-serier

Få hjälp

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

Om du kör fast eller har frågor om att bygga AI-appar, gå med andra deltagare 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 hittar fel när du bygger, besök:

---

Ansvarsfriskrivning: Detta dokument har översatts med hjälp av AI-översättningstjänsten Co-op Translator. Även om vi strävar efter noggrannhet bör du vara medveten om att automatiska översättningar kan innehålla fel eller felaktigheter. Det ursprungliga dokumentet i sitt originalspråk bör betraktas som den auktoritativa källan. För viktig information rekommenderas professionell mänsklig översättning. Vi ansvarar inte för några missförstånd eller feltolkningar som uppstår till följd av användning av denna översättning.