Data-Science-For-Beginners/translations/da

Data Science for Beginners - En Læreplan

Azure Cloud Advocates hos Microsoft er glade for at tilbyde et 10-ugers, 20-lektioners pensum, der handler om Data Science. Hver lektion inkluderer quizzer før og efter lektionen, skriftlige instruktioner til at gennemføre lektionen, en løsning og en opgave. Vores projektbaserede pædagogik giver dig mulighed for at lære, mens du bygger, en bevist metode til at lade nye færdigheder 'sætte sig fast'.

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

🙏 Særlige tak 🙏 til vores Microsoft Student Ambassador forfattere, anmeldere og indholdsbidragydere, især 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

🌐 Flere Sprogunderstøttelse

Understøttet via GitHub Action (Automatiseret & 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

Foretrækker du at klone lokalt?

Dette repository inkluderer 50+ sprogoversættelser, hvilket øger størrelsen markant ved download. For at klone uden oversættelser, brug sparse checkout:

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'

Dette giver dig alt, hvad du behøver for at gennemføre kurset med en meget hurtigere download.

Hvis du ønsker yderligere understøttede oversættelsessprog, er de listet her

Deltag i vores fællesskab

Vi har en Discord lær med AI-serie i gang, lær mere og tilmeld dig på Learn with AI Series fra 18. - 30. september 2025. Du vil få tips og tricks til at bruge GitHub Copilot til Data Science.

Er du studerende?

Kom i gang med følgende ressourcer:

• Student Hub side På denne side finder du begynderressourcer, studenterpakker og endda måder at få en gratis certifikatkupon. Dette er en side, du vil bogmærke og tjekke jævnligt, da vi udskifter indhold mindst månedligt.
• Microsoft Learn Student Ambassadors Deltag i et globalt fællesskab af studentambassadører, dette kunne være din vej ind i Microsoft.

Kom godt i gang

📚 Dokumentation

• Installationsvejledning - Trinvise opsætningsinstruktioner for begyndere
• Brugsvejledning - Eksempler og almindelige arbejdsgange
• Fejlfinding - Løsninger til almindelige problemer
• Bidragsvejledning - Hvordan du bidrager til dette projekt
• For undervisere - Undervisningsvejledning og materialer til klasseundervisning

👨‍🎓 For studerende

Helt begyndere: Ny inden for data science? Start med vores begyndervenlige eksempler! Disse simple og godt kommenterede eksempler hjælper dig med at forstå det basale, før du dykker ned i hele læreplanen. Studerende: For at bruge denne læreplan på egen hånd, fork hele repo’et og gennemfør øvelserne selv, startende med en quiz før lektionen. Læs derefter lektionen og gennemfør resten af aktiviteterne. Prøv at lave projekterne ved at forstå lektionerne fremfor at kopiere løsningskoden; denne kode er dog tilgængelig i /solutions mapperne i hver projektorienteret lektion. En anden idé er at danne en studiegruppe med venner og gå gennem indholdet sammen. Til videre studier anbefaler vi Microsoft Learn.

Hurtig start:

1. Tjek Installationsvejledningen for at sætte dit miljø op
2. Gennemgå Brugsvejledningen for at lære at arbejde med læreplanen
3. Start med Lektion 1 og fortsæt sekventielt
4. Deltag i vores Discord-fællesskab for support

👩‍🏫 For undervisere

Undervisere: Vi har inkluderet nogle forslag til, hvordan du kan bruge denne læreplan. Vi vil gerne have din feedback i vores diskussionsforum!

Mød holdet

Gif af Mohit Jaisal

🎥 Klik på billedet ovenfor for en video om projektet og de folk, der skabte det!

Pædagogik

Vi har valgt to pædagogiske principper, mens vi byggede dette pensum: at sikre, at det er projektbaseret, og at det inkluderer hyppige quizzer. Ved slutningen af denne serie vil eleverne have lært grundlæggende principper for datalogi, inklusive etiske begreber, dataklargøring, forskellige måder at arbejde med data på, datavisualisering, dataanalyse, virkelige anvendelsestilfælde af datalogi og mere.

Derudover sætter en lavrisiko quiz før en klasse intentionen for eleven omkring 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 i sin helhed eller i dele. Projekterne starter småt og bliver gradvist mere komplekse ved slutningen af den 10-ugers cyklus.

Find vores adfærdskodeks, bidrag, oversættelses 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 vejledninger om, hvordan man bygger projektet
• Videnskontroller
• 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 inden for lektionerne, men quiz-appen kan køres lokalt eller deployeres til Azure; følg instruktionerne i quiz-app mappen. De bliver gradvist lokaliseret.

🎓 Begynder-venlige Eksempler

Ny til Data Science? Vi har oprettet en særlig eksempelmapppe med simpel, godt kommenteret kode for at hjælpe dig i gang:

• 🌟 Hello World - Dit første data science program
• 📂 Indlæsning af Data - Lær at læse og udforske datasæt
• 📊 Simpel Analyse - Beregn statistik og find mønstre
• 📈 Basal Visualisering - Lav diagrammer og grafer
• 🔬 Virkeligt Projekt - Færdig workflow fra start til slut

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

👉 Start med eksemplerne 👈

Lektioner

Data Science For Beginners: Køreplan - Sketchnote af @nitya

Lektion Nummer	Emne	Lektion Gruppering	Læringsmål	Linket Lektion	Forfatter
01	Definition af Data Science	Introduktion	Lær de grundlæggende koncepter bag data science og hvordan det er relateret til kunstig intelligens, maskinlæring og big data.	lektion video	Dmitry
02	Data Science etik	Introduktion	Dataetiske begreber, udfordringer & rammeværk.	lektion	Nitya
03	Definition af Data	Introduktion	Hvordan data klassificeres og dets almindelige kilder.	lektion	Jasmine
04	Introduktion til Statistik & 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, dets forskellige typer og det grundlæggende i udforskning og analyse af dokumentdatabaser.	lektion	Jasmine
07	Arbejde med Python	Arbejde med Data	Grundlæggende om brug af Python til dataudforskning 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, upræcis eller ufuldstændig data.	lektion	Jasmine
09	Visualisering af Mængder	Datavisualisering	Lær hvordan man bruger Matplotlib til at visualisere fugledata 🦆	lektion	Jen
10	Visualisering af Datas Fordeling	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 Relationer	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 Data Science livscyklus	Livscyklus	Introduktion til data science livscyklussen og dens første trin med at erhverve og udtrække data.	lektion	Jasmine
15	Analyse	Livscyklus	Denne fase af data science livscyklussen fokuserer på teknikker til at analysere data.	lektion	Jasmine
16	Kommunikation	Livscyklus	Denne fase af data science livscyklussen fokuserer på at præsentere indsigt fra dataene på en måde, som gør det nemmere for beslutningstagere at forstå.	lektion	Jalen
17	Data Science i Skyen	Cloud Data	Denne serie af lektioner introducerer data science i skyen og dens fordele.	lektion	Tiffany og Maud
18	Data Science i Skyen	Cloud Data	Træning af modeller ved hjælp af Low Code-værktøjer.	lektion	Tiffany og Maud
19	Data Science i Skyen	Cloud Data	Implementering af modeller med Azure Machine Learning Studio.	lektion	Tiffany og Maud
20	Data Science i det Virkelige Liv	In the Wild	Data science-drevne projekter i den virkelige verden.	lektion	Nitya

GitHub Codespaces

Følg disse trin for at åbne dette eksempel i en Codespace:

1. Klik på Code drop-down menuen og vælg muligheden Open with Codespaces.
2. Vælg + New codespace nederst i panelet. For mere info, tjek GitHub dokumentationen.

VSCode Remote - Containers

Følg disse trin for at åbne dette repo i en container ved brug af din lokale maskine og VSCode med VS Code Remote - Containers udvidelsen:

1. Hvis dette er din første gang med at bruge en udviklingscontainer, skal du sikre dig, at dit system opfylder forudsætningerne (dvs. have Docker installeret) i getting started dokumentationen.

For at bruge dette repository kan du enten åbne repository i et isoleret Docker-volumen:

Note: Under motorhjelmen vil dette bruge Remote-Containers: Clone Repository in Container Volume... kommandoen til at klone kildekoden i et Docker-volumen i stedet for det lokale filsystem. Volumener er den foretrukne mekanisme til at bevare containerdata.

Eller åbn en lokalt klonet eller downloadet version af 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 tingene af.

Offline adgang

Du kan køre denne dokumentation offline ved at bruge Docsify. Fork dette repo, installer Docsify på din lokale maskine, og skriv så docsify serve i roden af denne repo. Hjemmesiden vil blive serveret på port 3000 på din localhost: localhost:3000.

Bemærk, at notebooks ikke bliver gengivet via Docsify, så når du har brug for at køre en notebook, skal du gøre det separat i VS Code, der kører en Python kernel.

Andre Pensummer

Vores team producerer andre pensummer! Tjek:

LangChain

Azure / Edge / MCP / Agenter

---

Generativ AI Serie

---

Kerne Læring

---

Copilot Serie

Få Hjælp

Støder du på problemer? Tjek vores Fejlfindingsguide for løsninger på almindelige problemer.

Hvis du sidder fast eller har spørgsmål om at bygge AI-apps. Deltag sammen med andre elever 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 fejl mens du bygger, besøg:

---

Ansvarsfraskrivelse:
Dette dokument er oversat ved hjælp af AI-oversættelsestjenesten Co-op Translator. Selvom vi bestræber os på nøjagtighed, bedes du være opmærksom på, at automatiserede oversættelser kan indeholde fejl eller unøjagtigheder. Det oprindelige dokument på dets modersmål skal betragtes som den autoritative kilde. For kritisk information anbefales professionel menneskelig oversættelse. Vi påtager os intet ansvar for misforståelser eller fejltolkninger, der opstår som følge af brugen af denne oversættelse.