Data-Science-For-Beginners/translations/sv

Data Science för Nybörjare - En Läroplan

Azure Cloud Advocates på Microsoft är glada att erbjuda en 10-veckors, 20-lektions läroplan om Data Science. Varje lektion innehåller quiz före och efter lektionen, skriftliga instruktioner för att slutföra lektionen, en lösning och en uppgift. Vår projektbaserade pedagogik låter dig lära dig genom att bygga, en beprövad metod för att få nya färdigheter att fastna.

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

🙏 Speciellt tack 🙏 till våra Microsoft Student Ambassador författare, granskare och innehållsbidragare, 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)

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

Om du vill ha ytterligare översättningar finns stödda språk listade här

Gå med i vår 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 innehåll minst en gång i månaden.
• Microsoft Learn Student Ambassadors Gå med i en global community av studentambassadörer, detta kan vara din väg in i Microsoft.

Kom igång

Helt nybörjare: Ny inom data science? Börja med våra nybörjarvänliga exempel! Dessa enkla, välkommenterade exempel hjälper dig att förstå grunderna innan du dyker in i hela läroplanen.

Lärare: vi har inkluderat några förslag på hur du kan använda denna läroplan. Vi skulle uppskatta din feedback i vårt diskussionsforum!

Studenter: för att använda denna läroplan på egen hand, fork hela repot och slutför övningarna själv, börja med ett quiz före lektionen. Läs sedan lektionen och slutför resten av aktiviteterna. Försök att skapa projekten genom att förstå lektionerna snarare än att kopiera lösningskoden; dock finns den koden tillgänglig i /solutions-mapparna i varje projektorienterad lektion. Ett annat förslag är att bilda en studiegrupp med vänner och gå igenom innehållet tillsammans. För vidare studier rekommenderar vi Microsoft Learn.

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 byggde denna läroplan: att säkerställa att den är projektbaserad och att den innehåller frekventa quiz. Vid slutet av denna serie kommer studenter att ha lärt sig grundläggande principer inom data science, inklusive etiska koncept, databeredning, olika sätt att arbeta med data, datavisualisering, dataanalys, verkliga användningsområden för data science och mer.

Dessutom sätter ett lågintensivt quiz före en klass studentens intention mot att lära sig ett ämne, medan ett andra quiz efter klassen säkerställer ytterligare retention. Denna läroplan är designad för att vara flexibel och rolig och kan tas i sin helhet eller delvis. Projekten börjar små och blir alltmer komplexa vid slutet av den 10-veckors cykeln.

Hitta vår Uppförandekod, Bidragsriktlinjer, Översättningsriktlinjer. Vi välkomnar din konstruktiva feedback!

Varje lektion inkluderar:

• Valfri sketchnote
• Valfri kompletterande video
• Uppvärmningsquiz före lektionen
• Skriftlig lektion
• För projektbaserade lektioner, steg-för-steg-guider om hur man bygger projektet
• Kunskapskontroller
• En utmaning
• Kompletterande läsning
• Uppgift
• Quiz efter lektionen

En anteckning om quiz: Alla quiz finns i mappen Quiz-App, totalt 40 quiz med tre frågor vardera. De är länkade från lektionerna, men quiz-appen kan köras lokalt eller distribueras till Azure; följ instruktionerna i mappen quiz-app. 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
• 🔬 Projekt från verkligheten - Komplett 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: Vägkarta - Sketchnote av @nitya

Lektion Nummer	Ämne	Lektion Grupp	Lärandemål	Länkad Lektion	Författare
01	Definiera datavetenskap	Introduktion	Lär dig de grundläggande begreppen inom datavetenskap och hur det är relaterat till artificiell intelligens, maskininlärning och big data.	lektion video	Dmitry
02	Etik inom datavetenskap	Introduktion	Begrepp, utmaningar och ramverk för dataetik.	lektion	Nitya
03	Definiera data	Introduktion	Hur data klassificeras och dess vanliga källor.	lektion	Jasmine
04	Introduktion till statistik och sannolikhet	Introduktion	Matematiska tekniker för sannolikhet och statistik för att förstå data.	lektion video	Dmitry
05	Arbeta med relationell data	Arbeta med data	Introduktion till relationell data och grunderna i att utforska och analysera relationell data 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	Grunderna 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 kvantiteter	Datavisualisering	Lär dig använda Matplotlib för att visualisera fågeldata 🦆	lektion	Jen
10	Visualisera datafördelningar	Datavisualisering	Visualisera 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 dataset 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 samla in och extrahera data.	lektion	Jasmine
15	Analysera	Livscykel	Denna fas av datavetenskapens livscykel fokuserar på tekniker för att analysera data.	lektion	Jasmine
16	Kommunikation	Livscykel	Denna fas av 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 av lektioner introducerar datavetenskap i molnet och dess fördelar.	lektion	Tiffany och Maud
18	Datavetenskap i molnet	Molndata	Träna 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 det vilda	I det vilda	Datavetenskapsdrivna projekt i verkligheten.	lektion	Nitya

GitHub Codespaces

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

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

VSCode Remote - Containers

Följ dessa steg för att öppna detta repo i en container med din lokala dator och VSCode med tillägget VS Code Remote - Containers:

1. Om detta är första gången du använder en utvecklingscontainer, se till att ditt system uppfyller förkraven (dvs. ha Docker installerat) i dokumentationen för att komma igång.

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

Obs: Under huven kommer detta att använda Remote-Containers: Clone Repository in Container Volume...-kommandot för att klona källkoden i en Docker-volym istället för det lokala filsystemet. Volymer är den föredragna mekanismen för att bevara 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 tills containern startar och testa saker.

Offlineåtkomst

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 root-mappen av detta repo. Webbplatsen kommer att köras på port 3000 på din localhost: localhost:3000.

Obs, notebooks kommer inte att renderas 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:

• Edge AI för nybörjare
• AI-agenter för nybörjare
• Generativ AI för nybörjare
• Generativ AI för nybörjare .NET
• Generativ AI med JavaScript
• Generativ AI med Java
• AI för nybörjare
• Datavetenskap för nybörjare
• Bash för nybörjare
• ML för nybörjare
• Cybersäkerhet för nybörjare
• Webbutveckling för nybörjare
• IoT för nybörjare
• Maskininlärning för nybörjare
• XR-utveckling för nybörjare
• Bemästra GitHub Copilot för AI-parprogrammering
• XR-utveckling för nybörjare
• Bemästra GitHub Copilot för C#/.NET-utvecklare
• Välj ditt eget Copilot-äventyr

Få hjälp

Om du fastnar eller har frågor om att bygga AI-appar, gå med i:

Om du har produktfeedback eller fel vid byggandet, besök:

---

Ansvarsfriskrivning:
Detta dokument har översatts med hjälp av AI-översättningstjänsten Co-op Translator. Även om vi strävar efter noggrannhet, bör det noteras att automatiserade översättningar kan innehålla fel eller felaktigheter. Det ursprungliga dokumentet på dess originalspråk bör betraktas som den auktoritativa källan. För kritisk information rekommenderas professionell mänsklig översättning. Vi ansvarar inte för eventuella missförstånd eller feltolkningar som uppstår vid användning av denna översättning.