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-lektioners läroplan helt om Data Science. Varje lektion inkluderar för- och efter-quiz, skriftliga instruktioner för att slutföra lektionen, en lösning och en uppgift. Vår projektbaserade pedagogik låter dig lära dig medan du bygger, ett beprövat sätt för nya färdigheter att "fästa".

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

🙏 Särskilt 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

🌐 Fler språkstöd

Stöds via GitHub Action (Automatiserat & Alltid Uppdaterat)

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

Om du vill ha ytterligare översättningsspråk stöds de som listas här

Gå med i vår community

Vi har en pågående Discord-serie "Learn with AI", lär dig mer och gå med oss på Learn with AI Series från 18 - 30 september 2025. Du får tips och tricks för att använda GitHub Copilot för Data Science.

Är du student?

Kom igång med följande resurser:

• Student Hub-sida På denna sida hittar du nybörjarresurser, studentpaket och till och med sätt att få en gratis certifikatkupong. Detta är en sida du vill bokmärka och kolla regelbundet eftersom vi byter ut innehåll minst en gång i månaden.
• Microsoft Learn Student Ambassadors Gå med i ett globalt community av studentambassadörer, detta kan vara din väg in i Microsoft.

Komma igång

📚 Dokumentation

• Installationsguide - Steg-för-steg installationsinstruktioner för nybörjare
• Användarguide - Exempel och vanliga arbetsflöden
• Felsökning - Lösningar på vanliga problem
• Bidragsguide - Hur man bidrar till detta projekt
• För lärare - Undervisningsvägledning och klassrumsresurser

👨‍🎓 För studenter

Fullständiga 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. Studenter: för att använda denna läroplan på egen hand, gör en fork av hela repot och slutför övningarna på egen hand, börja med ett förföreläsningsquiz. Läs sedan föreläsningen 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. En annan idé är att bilda en studiegrupp med vänner och gå igenom innehållet tillsammans. För vidare studier rekommenderar vi Microsoft Learn.

Snabbstart:

1. Kolla Installationsguiden för att ställa in din miljö
2. Gå igenom Användarguiden för att lära dig hur du arbetar med läroplanen
3. Börja med Lektion 1 och arbeta dig igenom i ordning
4. Gå med i vår Discord-community för support

👩‍🏫 För lärare

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

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 inkluderar frekventa quiz. I slutet av denna serie kommer studenterna ha lärt sig grundläggande principer för datavetenskap, inklusive etiska koncept, datarengöring, olika sätt att arbeta med data, datavisualisering, dataanalys, verkliga användningsfall av datavetenskap och mer.

Dessutom sätter ett lågintensivt quiz före en lektion studentens intention mot att lära sig ett ämne, medan ett andra quiz efter lektionen 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 i slutet av den 10 veckors cykeln.

Hitta vår Uppförandekod, Bidragsgivning, Översättning riktlinjer. Vi välkomnar din konstruktiva feedback!

Varje lektion inkluderar:

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

En notering om quiz: Alla quiz finns i Quiz-App mappen, 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 quiz-app mappen. 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
• 🔬 Verkligt projekt - Komplett arbetsflöde från början till slut

Varje exempel inkluderar detaljerade kommentarer som förklarar varje steg, vilket gör det perfekt för absoluta nybörjare!

👉 Börja med exemplen 👈

Lektioner

Datavetenskap för nybörjare: Färdplan - Sketchnote av @nitya

Lektion Nummer	Ämne	Lektion Grupp	Lärandemål	Länkad Lektion	Författare
01	Definiera datavetenskap	Introduktion	Lär dig grundläggande koncept bakom datavetenskap och hur det relaterar till artificiell intelligens, maskininlärning och big data.	lektion video	Dmitry
02	Datavetenskapsetik	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 & sannolikhet	Introduktion	De matematiska teknikerna sannolikhet och statistik för att förstå data.	lektion video	Dmitry
05	Arbeta med relationsdata	Arbeta med data	Introduktion till relationsdata och grunderna i att utforska och analysera relationsdata med Structured Query Language, även känt som SQL (uttalas “see-quell”).	lektion	Christopher
06	Arbeta med NoSQL-data	Arbeta med data	Introduktion till icke-relationsdata, 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 fågeldatan 🦆	lektion	Jen
10	Visualisera datadistributioner	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 datamängder 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 i datavetenskapens livscykel fokuserar på tekniker för att analysera data.	lektion	Jasmine
16	Kommunikation	Livscykel	Denna fas i datavetenskapens livscykel fokuserar på att presentera insikterna från data på ett sätt som gör det lättare för beslutsfattare att förstå.	lektion	Jalen
17	Datavetenskap i molnet	Molndata	Denna serie 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 verkligheten	I det vilda	Datavetenskapsdrivna projekt i verkliga världen.	lektion	Nitya

GitHub Codespaces

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

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

VSCode Remote - Containers

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

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

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

Notera: Under huven kommer detta 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 repositoryt:

• Klona detta repository till ditt lokala filsystem.
• Tryck F1 och välj kommandot Remote-Containers: Open Folder in Container....
• Välj den klonade kopian av denna mapp, vänta på att containern startar och testa.

Offlineåtkomst

Du kan köra denna dokumentation offline genom att använda Docsify. Forka detta repo, installera Docsify på din lokala maskin, och skriv sedan i rotmappen av detta repo docsify serve. Webbplatsen kommer att serveras på port 3000 på din localhost: localhost:3000.

Observera, 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:

LangChain

---

Azure / Edge / MCP / Agents

---

Generativ AI-serie

---

Kärninlärning

---

Copilot-serie

Få hjälp

Stöter du på problem? Kolla vår Felsökningsguide för lösningar på vanliga problem.

Om du fastnar eller har frågor om att bygga AI-appar. Gå med i diskussioner med andra elever och erfarna utvecklare om MCP. Det är en stödjande gemenskap där frågor är välkomna och kunskap delas fritt.

Om du har produktfeedback eller fel under utveckling, besök:

---

Ansvarsfriskrivning: Detta dokument har översatts med hjälp av AI-översättningstjänsten Co-op Translator. Även om vi strävar efter noggrannhet, vänligen var medveten om att automatiska översättningar kan innehålla fel eller brister. Det ursprungliga dokumentet på dess modersmål bör betraktas som den auktoritativa källan. För kritisk information rekommenderas professionell mänsklig översättning. Vi ansvarar inte för några missförstånd eller feltolkningar som uppstår till följd av användningen av denna översättning.