27 KiB

Raw Blame History

Data Science for Beginners - En Læreplan

Azure Cloud Advocates hos Microsoft er glade for å tilby en 10-ukers, 20-leksjoners læreplan som handler helt om Data Science. Hver leksjon inkluderer quiz før og etter leksjonen, skriftlige instrukser for å fullføre leksjonen, en løsning og en oppgave. Vår prosjektbaserte undervisningsmetode lar deg lære mens du bygger, en bevist måte for nye ferdigheter å "feste" seg på.

Stor 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, korrekturlesere og innholdsleverandører, 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 (Automatisk & Alltid Oppdatert)

Foretrekker å klone lokalt?

Dette depotet inkluderer 50+ språkoversettelser som øker nedlastingsstørrelsen betydelig. For å klone uten oversettelser, bruk sparsommelig utsjekking:
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 gir deg alt du trenger for å fullføre kurset med en mye raskere nedlasting.

Hvis du ønsker at flere oversettelsesspråk skal støttes, finner du listen her

Bli med i vårt fellesskap

Vi har en pågående Discord lær med AI-serie, lær mer og bli med oss på Learn with AI Series fra 18. - 30. september 2025. Du vil få tips og triks for å bruke GitHub Copilot for Data Science.

Er du student?

Kom i gang med følgende ressurser:

Student Hub-siden På denne siden finner du ressurser for nybegynnere, studentpakker og til og med muligheter til å få en gratis sertifiseringskupong. Dette er en side du bør bokmerke og sjekke jevnlig, da vi bytter ut innhold minst månedlig.
Microsoft Learn Student Ambassadors Bli med i et globalt studentambassadørfellesskap, dette kan være din vei inn i Microsoft.

Komme i gang

📚 Dokumentasjon

Installasjonsveiledning - Trinnvise instruksjoner for oppsett 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 ned i hele læreplanen. Studenter: for å bruke denne læreplanen på egenhånd, forkk hele repoet og fullfør oppgavene på egenhånd, begynn med en pre-forelesningsquiz. Deretter les forelesningen og fullfør resten av aktivitetene. Prøv å lage prosjektene ved å forstå leksjonene i stedet for å kopiere løsningskoden; likevel er koden tilgjengelig i /solutions-mapper i hver prosjektorienterte leksjon. En annen idé er å danne en studiegruppe med venner og gå gjennom innholdet sammen. For videre studier anbefaler vi Microsoft Learn.

Rask start:

Sjekk Installasjonsveiledningen for å sette opp miljøet ditt
Gå gjennom Bruksanvisningen for å lære hvordan du jobber med læreplanen
Start med Leksjon 1 og arbeid deg gjennom sekvensielt
Bli med i vårt Discord-fellesskap for støtte

👩‍🏫 For Lærere

Lærere: vi har inkludert noen forslag om hvordan du kan bruke denne læreplanen. Vi ønsker gjerne din tilbakemelding i vår diskusjonsforum!

Møt teamet

Gif av Mohit Jaisal

🎥 Klikk på bildet ovenfor for en video om prosjektet og menneskene som skapte det!

Pedagogikk

Vi har valgt to pedagogiske prinsipper mens vi bygde dette pensumet: å sikre at det er prosjektbasert og at det inkluderer hyppige quizer. 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 brukstilfeller av datavitenskap, og mer.

I tillegg setter en lavrisiko-quiz før en time studentens intensjon mot å lære et emne, mens en andre quiz etter timen sikrer videre hukommelse. Dette pensumet ble designet for å være fleksibelt og morsomt og kan tas i sin helhet eller delvis. Prosjektene starter små og blir stadig mer komplekse ved slutten av 10-ukers syklusen.

Finn våre Regler for oppførsel, Bidra, Oversettelse retningslinjer. Vi tar imot din konstruktive tilbakemelding!

Hver leksjon inkluderer:

Valgfri sketchnote
Valgfri tilleggsvideo
Quiz som oppvarming før leksjonen
Skriftlig leksjon
For prosjektbaserte leksjoner, trinnvise guider for hvordan bygge prosjektet
Kunnskapssjekker
En utfordring
Tilleggslesning
Oppgave
Quiz etter leksjonen

En merknad om quizer: Alle quizer er samlet i Quiz-App-mappen, for totalt 40 quizer 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 lokaliseres gradvis.

🎓 Nybegynnervennlige eksempler

Ny innen 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
🔬 Virkelig prosjekt - Fullstendig arbeidsflyt fra start til slutt

Hvert eksempel inkluderer detaljerte kommentarer som forklarer hvert steg, noe som gjør det perfekt for absolutt nybegynnere!

👉 Start med eksemplene 👈

Leksjoner


Datavitenskap for nybegynnere: Veikart - Sketchnote av @nitya

Leksjonsnummer	Emne	Leksjonsgruppering	Læringsmål	Lenket leksjon	Forfatter
01	Definere datavitenskap	Introduksjon	Lær de grunnleggende konseptene bak datavitenskap og hvordan det er relatert til kunstig intelligens, maskinlæring og store data.	leksjon video	Dmitry
02	Etikk i datavitenskap	Introduksjon	Dataetikk konsepter, utfordringer og rammeverk.	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 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, ulike typer og det grunnleggende for 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	Emner om datateknikker for rengjøring og transformasjon av data for å håndtere utfordringer med manglende, unøyaktige eller ufullstendige data.	leksjon	Jasmine
09	Visualisere kvantiteter	Datavisualisering	Lær hvordan du bruker Matplotlib for å visualisere fugledata 🦆	leksjon	Jen
10	Visualisere fordeling av data	Datavisualisering	Visualisere observasjoner og trender innen 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	Teknikkene og veiledning for å gjøre visualiseringene verdifulle for effektiv problemløsning og innsikt.	leksjon	Jen
14	Introduksjon til datavitenskaps livssyklus	Livssyklus	Introduksjon til datavitenskaps livssyklus og dets første steg med innhenting og utvinning av data.	leksjon	Jasmine
15	Analysering	Livssyklus	Denne fasen av datavitenskaps livssyklus fokuserer på teknikker for å analysere data.	leksjon	Jasmine
16	Kommunikasjon	Livssyklus	Denne fasen av datavitenskaps livssyklus fokuserer på å presentere innsiktene fra data på en måte som gjør det lettere 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 det virkelige liv	I det fri	Datavitenskapsdrevne prosjekter i den virkelige verden.	leksjon	Nitya

GitHub Codespaces

Følg disse trinnene for å åpne dette eksemplet i en Codespace:

Klikk på Code-rullegardinmenyen og velg alternativet Open with Codespaces.
Velg + New codespace nederst i panelet. For mer info, sjekk ut GitHub-dokumentasjonen.

VSCode Remote - Containers

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

Hvis dette er første gang du bruker en utviklingscontainer, sørg for at systemet ditt oppfyller forutsetningene (dvs. 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 kommandoen Remote-Containers: Open Folder in Container....
Velg den klonede kopien av denne mappen, vent på at containeren starter, og prøv det ut.

Offline-tilgang

Du kan kjøre denne dokumentasjonen offline ved å bruke Docsify. Fork dette repoet, installer Docsify på din lokale maskin, og skriv deretter docsify serve i rotmappen til dette repoet. 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 / Agenter

Generative AI Serie

Kjerne Læring

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 elever og erfarne utviklere i diskusjoner om MCP. Det er et støttende fellesskap der spørsmål er velkomne og kunnskap deles fritt.

Hvis du har produktfeedback 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 originale dokumentet på sitt opprinnelige språk skal anses som den autoritative kilden. For kritisk informasjon anbefales profesjonell menneskelig oversettelse. Vi er ikke ansvarlige for eventuelle misforståelser eller feiltolkninger som følge av bruk av denne oversettelsen.

27 KiB Raw Blame History