Data-Science-For-Beginners/translations/da

Data Science for Beginners - Et Læreplan

Azure Cloud Advocates hos Microsoft er glade for at tilbyde en 10-ugers, 20-lektions læreplan, 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 få nye færdigheder til at "sidde fast".

Hjertelig 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 indholdsleverandører, 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 Sprog Understøttelse

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 mere end 50 sprogoversættelser, som øger downloadstørrelsen betydeligt. 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 at få yderligere oversættelsessprog understøttet, er de opført her

Deltag i vores fællesskab

Vi har en igangværende Discord lær med AI serie, lær mere og deltag hos Learn with AI Series fra 18. - 30. september 2025. Du får tips og tricks til brug af GitHub Copilot til Data Science.

Er du studerende?

Kom i gang med følgende ressourcer:

• Student Hub siden På denne side finder du begynderressourcer, studenterpakker og endda måder at få en gratis certifikatvoucher på. Dette er en side, du ønsker at bogmærke og tjekke fra tid til anden, da vi skifter indhold mindst månedligt.
• Microsoft Learn Student Ambassadors Bliv medlem af et globalt fællesskab af student ambassadors, dette kunne være din vej ind i Microsoft.

Kom godt i gang

📚 Dokumentation

• Installationsguide - Trin-for-trin opsætningsinstruktioner for begyndere
• Brugsvejledning - Eksempler og almindelige arbejdsgange
• Fejlfinding - Løsninger på almindelige problemer
• Bidragsvejledning - Hvordan man bidrager til dette projekt
• For undervisere - Undervisningsvejledning og klasseværelsesressourcer

👨‍🎓 For studerende

Fuldstændige begyndere: Ny til data science? Start med vores begynder-venlige eksempler! Disse simple, velkommenterede eksempler vil hjælpe dig med at forstå det grundlæggende, før du går i dybden med hele læreplanen. Studerende: for at bruge denne læreplan på egen hånd, forgrene hele repo'et og gennemfør øvelserne på egen hånd, startende med en quiz før forelæsningen. Læs derefter forelæsningen og gennemfør resten af aktiviteterne. Prøv at skabe projekterne ved at forstå lektionerne frem for at kopiere løsningskoden; denne kode findes dog i /solutions mapperne i hver projektorienteret lektion. En anden idé er at danne en studiegruppe med venner og gennemgå indholdet sammen. Til yderligere studie anbefaler vi Microsoft Learn.

Hurtig start:

1. Tjek Installationsguiden for at sætte dit miljø op
2. Gennemgå Brugsvejledningen for at lære, hvordan du arbejder med læreplanen
3. Start med Lektion 1 og arbejd dig sekventielt igennem
4. Deltag i vores Discord-fællesskab for support

👩‍🏫 For undervisere

Undervisere: vi har inkluderet nogle forslag til, hvordan man bruger denne læreplan. Vi vil meget gerne have din feedback i vores diskussionsforum!

Mød teamet

Gif af Mohit Jaisal

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

Pædagogik

Vi har valgt to pædagogiske principper, mens vi byggede denne læseplan: at sikre, at den er projektbaseret, og at den inkluderer hyppige quizzer. Ved slutningen af denne serie vil eleverne have lært grundlæggende principper for data science, inklusive etiske koncepter, datapreparation, forskellige måder at arbejde med data på, datavisualisering, dataanalyse, virkelige anvendelsestilfælde af data science og meget mere.

Derudover sætter en lavrisiko-quiz før en klasse elevens intention mod at lære et emne, mens en anden quiz efter klassen sikrer yderligere fastholdelse. Denne læseplan er designet til at være fleksibel og sjov, og kan tages i sin helhed eller delvist. Projekterne starter småt og bliver gradvist mere komplekse mod slutningen af den 10-ugers cyklus.

Find vores Adfærdskodeks, Bidrag, Oversættelse retningslinjer. Vi byder konstruktiv feedback velkommen!

Hver lektion inkluderer:

• Valgfri skitsenote
• Valgfri supplerende video
• For-lesson opvarmningsquiz
• Skreven lektion
• For projektbaserede lektioner, trin-for-trin guider til, hvordan man bygger projektet
• Videnstjek
• En udfordring
• Supplerende læsning
• Opgave
• Post-lesson quiz

En note om quizzer: Alle quizzer findes i Quiz-App mappen, med i alt 40 quizzer med tre spørgsmål hver. De er linket fra lektionerne, men quiz-appen kan køre lokalt eller implementeres til Azure; følg instruktionerne i quiz-app mappen. De bliver gradvist lokaliseret.

🎓 Begynder-venlige eksempler

Ny til Data Science? Vi har lavet en speciel eksempelmapppe med simpel, velkommenteret 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
• 📈 Grundlæggende visualisering - Skab diagrammer og grafer
• 🔬 Virkelighedsnært projekt - Fuld arbejdsproces 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: Roadmap - Sketchnote af @nitya

Lektion nummer	Emne	Lektion gruppe	Læringsmål	Linket lektion	Forfatter
01	Definering af Data Science	Introduktion	Lær de grundlæggende koncepter bag data science og hvordan det relaterer sig til kunstig intelligens, maskinlæring og big data.	lektion video	Dmitry
02	Data Science etik	Introduktion	Dataetik koncepter, udfordringer og rammer.	lektion	Nitya
03	Definering af Data	Introduktion	Hvordan data klassificeres og dets almindelige kilder.	lektion	Jasmine
04	Introduktion til statistik & sandsynlighed	Introduktion	Matematiske teknikker inden for sandsynlighed og statistik til forståelse af data.	lektion video	Dmitry
05	Arbejde med relationelle data	Arbejde med data	Introduktion til relationelle data og grundlæggende udforskning og analyse af 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, dens forskellige typer og grundlæggende udforskning og analyse af dokumentdatabaser.	lektion	Jasmine
07	Arbejde med Python	Arbejde med data	Grundlæggende brug af Python til dataudforskning med biblioteker som Pandas. Grundlæggende forståelse af Python programmering anbefales.	lektion video	Dmitry
08	Datapreparation	Arbejde med data	Emner om datateknikker til rengøring og omdannelse af data for at håndtere udfordringer med manglende, unøjagtige eller ufuldstændige data.	lektion	Jasmine
09	Visualisering af mængder	Datavisualisering	Lær at bruge Matplotlib til at visualisere fugledata 🦆	lektion	Jen
10	Visualisering af datadistributioner	Datavisualisering	Visualisering af observationer og tendenser inden for et interval.	lektion	Jen
11	Visualisering af procenter	Datavisualisering	Visualisering af diskrete og grupperede procenter.	lektion	Jen
12	Visualisering af relationer	Datavisualisering	Visualisering af forbindelser og korrelationer mellem datasæt og deres variabler.	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 livscyklus og dets 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 data på en måde, som gør det nemmere for beslutningstagere at forstå.	lektion	Jalen
17	Data Science i skyen	Skydata	Denne serie lektioner introducerer data science i skyen og dens fordele.	lektion	Tiffany og Maud
18	Data Science i skyen	Skydata	Træning af modeller med Low Code værktøjer.	lektion	Tiffany og Maud
19	Data Science i skyen	Skydata	Udrulning af modeller med Azure Machine Learning Studio.	lektion	Tiffany og Maud
20	Data Science i det fri	I det fri	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 mulighederne Åbn med Codespaces.
2. Vælg + Ny codespace nederst i panelet. For mere info, se GitHub dokumentationen.

VSCode Remote - Containere

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

1. Hvis dette er første gang du bruger en udviklingscontainer, skal du sikre, at dit system opfylder forudsætningerne (f.eks. at Docker er installeret) i kom godt i gang dokumentationen.

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

Bemærk: 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 åbne en lokalt klonet eller downloadet version af repositoriet:

• Klon dette repositorium til dit lokale filsystem.
• Tryk på 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 repositorium, installer Docsify på din lokale maskine, skriv derefter i rodmappen af dette repositorium docsify serve. Websitet vil blive serveret på port 3000 på din localhost: localhost:3000.

Bemærk, at notebooks ikke bliver gengivet via Docsify, så når du skal køre en notebook, skal det gøres separat i VS Code med en Python-kernel.

Andre læseplaner

Vores team producerer andre læseplaner! Tjek:

LangChain

---

Azure / Edge / MCP / Agenter

---

Generativ AI Serie

---

Kerne Læring

---

Copilot Serie

Få Hjælp

Oplever du problemer? Se vores Fejlfinding Guide for løsninger på almindelige problemer.

Hvis du sidder fast eller har spørgsmål om at bygge AI-apps. Deltag sammen med andre lærende og erfarne udviklere i diskussioner om MCP. Det er et støttende fællesskab, hvor spørgsmål er velkomne, og viden deles frit.

Hvis du har feedback på produktet eller fejler under opbygning, besøg:

---

Ansvarsfraskrivelse:
Dette dokument er blevet 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 originale dokument på dets modersmål bør betragtes som den autoritative kilde. For kritisk information anbefales professionel menneskelig oversættelse. Vi er ikke ansvarlige for eventuelle misforståelser eller fejltolkninger, der opstår som følge af brugen af denne oversættelse.