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, 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 metode for at nye ferdigheter skal "feste 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

Støttet via GitHub Action (Automatisert & 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

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

Bli med i vårt fellesskap

Vi har en pågående Discord-serie om læring med AI, 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 på. 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 vei inn i Microsoft.

Komme i gang

📚 Dokumentasjon

• Installasjonsveiledning - Trinnvise oppsettinstruksjoner 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 dykker inn i hele læreplanen. Studenter: for å bruke denne læreplanen på egen hånd, fork hele repoet og fullfør øvelsene 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 i stedet for å kopiere løsningskoden; den 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 Installasjonsveiledningen for å sette opp miljøet ditt
2. Gå gjennom Bruksanvisningen for å lære hvordan du jobber med læreplanen
3. Start med Leksjon 1 og arbeid deg gjennom sekvensielt
4. Bli med i vårt Discord-fellesskap for støtte

👩‍🏫 For lærere

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

Møt teamet

Gif av Mohit Jaisal

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

Pedagogikk

Vi har valgt to pedagogiske prinsipper mens vi bygde dette pensumet: å sikre at det er prosjektbasert og at det inkluderer hyppige quizzer. Ved slutten av denne serien vil studentene ha lært grunnleggende prinsipper for datavitenskap, inkludert etiske konsepter, dataklargjøring, forskjellige måter å jobbe med data på, datavisualisering, dataanalyse, virkelige bruksområder for datavitenskap, og mer.

I tillegg setter en lavterskelquiz før en klasse studentens intensjon mot å lære et tema, mens en andre quiz etter klassen sikrer videre opprettholdelse. Dette pensumet er designet for å være fleksibelt og morsomt og kan tas i sin helhet eller delvis. Prosjektene starter smått og blir stadig mer komplekse mot slutten av 10-ukers syklusen.

Finn vår Code of Conduct, Contributing, Translation retningslinjer. Vi ønsker din konstruktive tilbakemelding velkommen!

Hver leksjon inkluderer:

• Valgfri sketchnote
• Valgfri supplerende video
• Oppvarmingsquiz før leksjonen
• Skriftlig leksjon
• For prosjektbaserte leksjoner, trinnvise guider for hvordan bygge prosjektet
• Kunnskapssjekker
• En utfordring
• Supplerende lesning
• Oppgave
• Quiz etter leksjonen

En merknad om quizzer: Alle quizzer finnes i Quiz-App-mappen, 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 til datavitenskap? Vi har laget en spesiell eksempelkatalog 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 - Fullstendig 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 - Sketchnote av @nitya

Leksjonsnummer	Tema	Leksjonsgruppe	Læringsmål	Lenket leksjon	Forfatter
01	Definere datavitenskap	Introduksjon	Lær de grunnleggende konseptene bak datavitenskap og hvordan det er relatert til kunstig intelligens, maskinlæring og big data.	leksjon video	Dmitry
02	Etikk i datavitenskap	Introduksjon	Konsepter, utfordringer og rammeverk for dataetikk.	leksjon	Nitya
03	Definere data	Introduksjon	Hvordan data klassifiseres og dets vanlige kilder.	leksjon	Jasmine
04	Introduksjon til statistikk og sannsynlighet	Introduksjon	De matematiske teknikkene for sannsynlighet og statistikk for å forstå data.	leksjon video	Dmitry
05	Arbeide med relasjonsdata	Arbeide med data	Introduksjon til relasjonsdata og det grunnleggende i 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, deres ulike typer og det grunnleggende i å utforske og analysere 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	Dataklargjøring	Arbeide med data	Temaer om datateknikker for å rense og transformere 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	Visualisere observasjoner og trender innenfor et intervall.	leksjon	Jen
11	Visualisere proporsjoner	Datavisualisering	Visualisere diskrete og grupperte prosenter.	leksjon	Jen
12	Visualisere relasjoner	Datavisualisering	Visualisere 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 datavitenskapens livssyklus	Livssyklus	Introduksjon til datavitenskapens livssyklus og det første steget med å skaffe og hente ut data.	leksjon	Jasmine
15	Analyse	Livssyklus	Denne fasen av datavitenskapens livssyklus fokuserer på teknikker for å analysere data.	leksjon	Jasmine
16	Kommunikasjon	Livssyklus	Denne fasen av datavitenskapens livssyklus fokuserer på å presentere innsiktene fra data på en måte som gjør det enklere 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	Trene modeller ved bruk av Low Code-verktøy.	leksjon	Tiffany og Maud
19	Datavitenskap i skyen	Skydata	Distribuere 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 Code-rullegardinmenyen og velg Open with Codespaces-alternativet.
2. Velg + New codespace nederst i panelet. For mer info, sjekk ut GitHub-dokumentasjonen.

VSCode Remote - Containers

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

1. Hvis dette er første gang du bruker en utviklingscontainer, sørg for at systemet ditt oppfyller forutsetningene (f.eks. at Docker er installert) i komme i gang-dokumentasjonen.

For å bruke dette depotet kan du enten åpne depotet 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 dette depotet til ditt lokale filsystem.
• Trykk F1 og velg Remote-Containers: Open Folder in Container...-kommandoen.
• Velg den klonede kopien av denne mappen, vent på at containeren starter, og prøv ut ting.

Offline tilgang

Du kan kjøre denne dokumentasjonen offline ved å bruke Docsify. Fork dette repoet, installer Docsify på din lokale maskin, og i rotmappen til dette repoet, skriv docsify serve. Nettstedet vil bli servert på port 3000 på din localhost: localhost:3000.

Merk, notatbøker vil ikke bli gjengitt via Docsify, så når du trenger å kjøre en notatbok, gjør det separat i VS Code med en Python-kjerne.

Andre pensum

Vårt team produserer andre pensum! Sjekk ut:

LangChain

---

Azure / Edge / MCP / Agents

---

Generativ AI-serie

---

Kjerneopplæring

---

Copilot-serie

Få hjelp

Opplever du problemer? Sjekk vår Feilsøkingsguide 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 anses som den autoritative kilden. For kritisk informasjon anbefales profesjonell menneskelig oversettelse. Vi er ikke ansvarlige for eventuelle misforståelser eller feiltolkninger som oppstår ved bruk av denne oversettelsen.