[![GitHub license](https://img.shields.io/github/license/microsoft/ML-For-Beginners.svg)](https://github.com/microsoft/ML-For-Beginners/blob/master/LICENSE)
[![GitHub contributors](https://img.shields.io/github/contributors/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/graphs/contributors/)
[![GitHub issues](https://img.shields.io/github/issues/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/issues/)
[![GitHub pull-requests](https://img.shields.io/github/issues-pr/microsoft/ML-For-Beginners.svg)](https://GitHub.com/microsoft/ML-For-Beginners/pulls/)
[![PRs Welcome](https://img.shields.io/badge/PRs-welcome-brightgreen.svg?style=flat-square)](http://makeapullrequest.com)

[![GitHub watchers](https://img.shields.io/github/watchers/microsoft/ML-For-Beginners.svg?style=social&label=Watch)](https://GitHub.com/microsoft/ML-For-Beginners/watchers/)
[![GitHub forks](https://img.shields.io/github/forks/microsoft/ML-For-Beginners.svg?style=social&label=Fork)](https://GitHub.com/microsoft/ML-For-Beginners/network/)
[![GitHub stars](https://img.shields.io/github/stars/microsoft/ML-For-Beginners.svg?style=social&label=Star)](https://GitHub.com/microsoft/ML-For-Beginners/stargazers/)

### 🌐 Flerspråkigt stöd

#### Stöds via GitHub Action (Automatiserat & Alltid Uppdaterat)

<!-- CO-OP TRANSLATOR LANGUAGES TABLE START -->
[Arabiska](../ar/README.md) | [Bengali](../bn/README.md) | [Bulgariska](../bg/README.md) | [Burmese (Myanmar)](../my/README.md) | [Kinesiska (Förenklad)](../zh-CN/README.md) | [Kinesiska (Traditionell, Hong Kong)](../zh-HK/README.md) | [Kinesiska (Traditionell, Macau)](../zh-MO/README.md) | [Kinesiska (Traditionell, Taiwan)](../zh-TW/README.md) | [Kroatiska](../hr/README.md) | [Tjeckiska](../cs/README.md) | [Danska](../da/README.md) | [Nederländska](../nl/README.md) | [Estniska](../et/README.md) | [Finska](../fi/README.md) | [Franska](../fr/README.md) | [Tyska](../de/README.md) | [Grekiska](../el/README.md) | [Hebreiska](../he/README.md) | [Hindi](../hi/README.md) | [Ungerska](../hu/README.md) | [Indonesiska](../id/README.md) | [Italienska](../it/README.md) | [Japanska](../ja/README.md) | [Kannada](../kn/README.md) | [Koreanska](../ko/README.md) | [Litauiska](../lt/README.md) | [Malay](../ms/README.md) | [Malayalam](../ml/README.md) | [Marathi](../mr/README.md) | [Nepalesiska](../ne/README.md) | [Nigeriansk Pidgin](../pcm/README.md) | [Norska](../no/README.md) | [Persiska (Farsi)](../fa/README.md) | [Polska](../pl/README.md) | [Portugisiska (Brasilien)](../pt-BR/README.md) | [Portugisiska (Portugal)](../pt-PT/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Rumänska](../ro/README.md) | [Ryska](../ru/README.md) | [Serbiska (Kyrilliska)](../sr/README.md) | [Slovakiska](../sk/README.md) | [Slovenska](../sl/README.md) | [Spanska](../es/README.md) | [Swahili](../sw/README.md) | [Svenska](./README.md) | [Tagalog (Filippinska)](../tl/README.md) | [Tamil](../ta/README.md) | [Telugu](../te/README.md) | [Thailändska](../th/README.md) | [Turkiska](../tr/README.md) | [Ukrainska](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamesiska](../vi/README.md)

> **Föredrar du att klona lokalt?**

> Detta arkiv inkluderar över 50 språköversättningar vilket ökar nedladdningsstorleken avsevärt. För att klona utan översättningar, använd sparse checkout:
> ```bash
> git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git
> cd ML-For-Beginners
> git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'
> ```
> Detta ger dig allt du behöver för att slutföra kursen med en mycket snabbare nedladdning.
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->

#### Gå med i vår gemenskap

[![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG)

Vi har en pågående Discord-serie för lärande med AI, lär dig mer och gå med oss på [Learn with AI Series](https://aka.ms/learnwithai/discord) från 18 - 30 september 2025. Du får tips och tricks för att använda GitHub Copilot för Data Science.

![Learn with AI series](../../translated_images/sv/3.9b58fd8d6c373c20.webp)

# Maskininlärning för nybörjare - Ett läroplan

> 🌍 Res runt i världen medan vi utforskar Maskininlärning genom världskulturer 🌍

Cloud Advocates på Microsoft är glada att kunna erbjuda en 12-veckors, 26-lektioners läroplan helt om **Maskininlärning**. I denna läroplan kommer du att lära dig om det som ibland kallas **klassisk maskininlärning**, som främst använder Scikit-learn som bibliotek och undviker djupinlärning, vilket täcks i vår [AI för nybörjare-läroplan](https://aka.ms/ai4beginners). Kombinera gärna dessa lektioner med vår ['Data Science för nybörjare-läroplan'](https://aka.ms/ds4beginners).

Res med oss runt jorden när vi tillämpar dessa klassiska tekniker på data från många delar av världen. Varje lektion inkluderar för- och efterquizzer, skriftliga instruktioner för att slutföra lektionen, en lösning, en uppgift och mer. Vår projektbaserade pedagogik låter dig lära samtidigt som du bygger, ett beprövat sätt för nya kunskaper att "fästa".

**✍️ Stort tack till våra författare** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu och Amy Boyd

**🎨 Tack även till våra illustratörer** Tomomi Imura, Dasani Madipalli och Jen Looper

**🙏 Speciellt tack 🙏 till våra Microsoft Student Ambassador-författare, granskare och innehållsbidragsgivare**, särskilt Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila och Snigdha Agarwal

**🤩 Extra tacksamhet till Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi och Vidushi Gupta för våra R-lektioner!**

# Komma igång

Följ dessa steg:
1. **Gaffla (Fork) arkivet**: Klicka på "Fork"-knappen längst upp till höger på denna sida.
2. **Klona arkivet**:   `git clone https://github.com/microsoft/ML-For-Beginners.git`

> [hitta alla ytterligare resurser för denna kurs i vår Microsoft Learn-samling](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)

> 🔧 **Behöver du hjälp?** Kolla vår [Felsökningsguide](TROUBLESHOOTING.md) för lösningar på vanliga problem med installation, uppsättning och körning av lektioner.


**[Studenter](https://aka.ms/student-page)**, för att använda denna läroplan, gaffla hela repot till ditt eget GitHub-konto och slutför övningarna själv eller i grupp:

- Börja med ett för-foreläsningsquiz.
- Läs lektionen och slutför aktiviteterna, pausa och reflektera vid varje kunskapskontroll.
- Försök att skapa projekten genom att förstå lektionerna snarare än att köra lösningskoden; dock finns denna kod tillgänglig i `/solution`-mapparna i varje projektorienterad lektion.
- Gör efter-foreläsningsquizet.
- Slutför utmaningen.
- Slutför uppgiften.
- Efter att ha slutfört en lektionsgrupp, besök [Diskussionsforumet](https://github.com/microsoft/ML-For-Beginners/discussions) och "lär ut högt" genom att fylla i lämplig PAT-rubrik. En 'PAT' är ett Fortschrittsbedömningsverktyg som är en rubrik du fyller i för att fördjupa ditt lärande. Du kan också reagera på andra PATs så att vi kan lära tillsammans.

> För vidare studier rekommenderar vi att du följer dessa [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) moduler och lärandespår.

**Lärare**, vi har [inkluderat några förslag](for-teachers.md) på hur du kan använda denna läroplan.

---

## Videogenomgångar

Några av lektionerna finns som korta videor. Du kan hitta alla dessa direkt i lektionerna, eller på [ML for Beginners-spellistan på Microsoft Developers YouTube-kanal](https://aka.ms/ml-beginners-videos) genom att klicka på bilden nedan.

[![ML for beginners banner](../../translated_images/sv/ml-for-beginners-video-banner.63f694a100034bc6.webp)](https://aka.ms/ml-beginners-videos)

---

## Möt teamet

[![Promo video](../../images/ml.gif)](https://youtu.be/Tj1XWrDSYJU)

**Gif av** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal)

> 🎥 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 praktiskt **projektbaserad** och att den innehåller **frestande quizzer**. Dessutom har denna läroplan ett gemensamt **tema** för sammanhållning.

Genom att säkerställa att innehållet är kopplat till projekt blir processen mer engagerande för studenter och konceptens retention förstärks. Dessutom sätter ett lågrisk-quiz före lektionen 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 allt mer komplexa mot slutet av 12-veckorscykeln. Läroplanen innehåller även en epilog om verkliga användningsområden av ML, som kan användas som extrakredit eller som bas för diskussion.

> Hitta våra [Uppförandekoder](CODE_OF_CONDUCT.md), [Bidragande](CONTRIBUTING.md), [Översättning](TRANSLATIONS.md) och [Felsökning](TROUBLESHOOTING.md) riktlinjer. Vi välkomnar din konstruktiva feedback!

## Varje lektion inkluderar

- valfri sketchnote
- valfri kompletterande video
- videogenomgång (endast vissa lektioner)
- [för-foreläsnings uppvärmningsquiz](https://ff-quizzes.netlify.app/en/ml/)
- skriftlig lektion
- för projektbaserade lektioner, steg-för-steg guider för hur man bygger projektet
- kunskapskontroller
- en utmaning
- kompletterande läsning
- uppgift
- [efter-foreläsningsquiz](https://ff-quizzes.netlify.app/en/ml/)

> **En notis om språk**: Dessa lektioner är huvudsakligen skrivna i Python, men många finns också tillgängliga i R. För att genomföra en R-lektion, gå till `/solution`-mappen och leta efter R-lektioner. De inkluderar en .rmd-filändelse som representerar en **R Markdown**-fil vilket enkelt kan definieras som en inbäddning av `kodblock` (av R eller andra språk) och en `YAML-header` (som styr hur utdataformat som PDF ska formateras) i ett `Markdown-dokument`. Som sådan fungerar det som en exemplarisk ramverk för författarskap inom data science eftersom det låter dig kombinera din kod, dess utdata och dina tankar genom att låta dig skriva ner dem i Markdown. Dessutom kan R Markdown-dokument renderas till utdataformat som PDF, HTML eller Word.
> **En notis om frågesporter**: Alla frågesporter finns i [Quiz App-mappen](../../quiz-app), totalt 52 frågesporter med tre frågor vardera. De är länkade från lektionerna men quiz-appen kan köras lokalt; följ instruktionerna i `quiz-app`-mappen för att köra lokalt eller distribuera till Azure.

| Lektion Nummer |                              Ämne                               |                   Lektion Grupp                   | Lärandemål                                                                                                                     |                                                                Länkad Lektion                                                                |                        Författare                        |
| :------------: | :-------------------------------------------------------------: | :----------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------ | :------------------------------------------------------------------------------------------------------------------------------------------: | :------------------------------------------------------: |
|      01        |                Introduktion till maskininlärning               |       [Introduktion](1-Introduction/README.md)      | Lär dig grundläggande koncept bakom maskininlärning                                                                            |                                              [Lektion](1-Introduction/1-intro-to-ML/README.md)                                              |                       Muhammad                           |
|      02        |                Maskininlärningens historia                     |       [Introduktion](1-Introduction/README.md)      | Lär dig historien bakom detta område                                                                                            |                                             [Lektion](1-Introduction/2-history-of-ML/README.md)                                             |                    Jen och Amy                           |
|      03        |                Rättvisa och maskininlärning                    |       [Introduktion](1-Introduction/README.md)      | Vilka är de viktiga filosofiska frågorna kring rättvisa som studenter bör överväga när de bygger och applicerar ML-modeller?    |                                               [Lektion](1-Introduction/3-fairness/README.md)                                                |                        Tomomi                            |
|      04        |                Tekniker för maskininlärning                    |       [Introduktion](1-Introduction/README.md)      | Vilka tekniker använder ML-forskare för att bygga ML-modeller?                                                                  |                                            [Lektion](1-Introduction/4-techniques-of-ML/README.md)                                            |                    Chris och Jen                         |
|      05        |                   Introduktion till regression                  |         [Regression](2-Regression/README.md)         | Kom igång med Python och Scikit-learn för regressionsmodeller                                                                  |           [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html)            |              Jen • Eric Wanjau                           |
|      06        |                 Pumpinpriser i Nordamerika 🎃                   |         [Regression](2-Regression/README.md)         | Visualisera och rengör data inför ML                                                                                            |            [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html)           |              Jen • Eric Wanjau                           |
|      07        |                 Pumpinpriser i Nordamerika 🎃                   |         [Regression](2-Regression/README.md)         | Bygg linjära och polynomiska regressionsmodeller                                                                               |          [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html)          |              Jen och Dmitry • Eric Wanjau               |
|      08        |                 Pumpinpriser i Nordamerika 🎃                   |         [Regression](2-Regression/README.md)         | Bygg en logistisk regressionsmodell                                                                                            |      [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html)        |              Jen • Eric Wanjau                           |
|      09        |                          En webbapp 🔌                         |            [Web App](3-Web-App/README.md)             | Bygg en webbapp för att använda din tränade modell                                                                             |                                                 [Python](3-Web-App/1-Web-App/README.md)                                                  |                         Jen                              |
|      10        |                Introduktion till klassificering                 |     [Classification](4-Classification/README.md)     | Rengör, förbered och visualisera din data; introduktion till klassificering                                                    | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen och Cassie • Eric Wanjau                             |
|      11        |            Läckra asiatiska och indiska kök 🍜                  |     [Classification](4-Classification/README.md)     | Introduktion till klassificerare                                                                                               | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen och Cassie • Eric Wanjau                             |
|      12        |            Läckra asiatiska och indiska kök 🍜                  |     [Classification](4-Classification/README.md)     | Fler klassificerare                                                                                                            | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen och Cassie • Eric Wanjau                             |
|      13        |            Läckra asiatiska och indiska kök 🍜                  |     [Classification](4-Classification/README.md)     | Bygg en rekommenderande webbapp med din modell                                                                                 |                                               [Python](4-Classification/4-Applied/README.md)                                               |                         Jen                              |
|      14        |                   Introduktion till klustring                   |         [Clustering](5-Clustering/README.md)          | Rengör, förbered och visualisera din data; introduktion till klustring                                                        |           [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html)            |              Jen • Eric Wanjau                           |
|      15        |               Utforska Nigerianska musiksmaker 🎧               |         [Clustering](5-Clustering/README.md)          | Utforska K-Means klustringsmetoden                                                                                             |              [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html)              |              Jen • Eric Wanjau                           |
|      16        |          Introduktion till naturlig språkbehandling ☕️          |    [Natural language processing](6-NLP/README.md)     | Lär dig grunderna om NLP genom att bygga en enkel bot                                                                         |                                              [Python](6-NLP/1-Introduction-to-NLP/README.md)                                               |                       Stephen                            |
|      17        |                     Vanliga NLP-uppgifter ☕️                    |    [Natural language processing](6-NLP/README.md)     | Fördjupa dina NLP-kunskaper genom att förstå vanliga uppgifter kopplade till språkstrukturer                                    |                                                     [Python](6-NLP/2-Tasks/README.md)                                                    |                       Stephen                            |
|      18        |                Översättning och sentimentanalys ♥️               |    [Natural language processing](6-NLP/README.md)     | Översättning och sentimentanalys med Jane Austen                                                                              |                                             [Python](6-NLP/3-Translation-Sentiment/README.md)                                             |                       Stephen                            |
|      19        |                 Romantiska hotell i Europa ♥️                   |    [Natural language processing](6-NLP/README.md)     | Sentimentanalys med hotellrecensioner 1                                                                                       |                                                [Python](6-NLP/4-Hotel-Reviews-1/README.md)                                                |                       Stephen                            |
|      20        |                 Romantiska hotell i Europa ♥️                   |    [Natural language processing](6-NLP/README.md)     | Sentimentanalys med hotellrecensioner 2                                                                                       |                                                [Python](6-NLP/5-Hotel-Reviews-2/README.md)                                                |                       Stephen                            |
|      21        |              Introduktion till tidsserieprognoser              |         [Time series](7-TimeSeries/README.md)         | Introduktion till tidsserieprognoser                                                                                          |                                               [Python](7-TimeSeries/1-Introduction/README.md)                                               |                      Francesca                           |
|      22        | ⚡️ Världens energianvändning ⚡️ - tidsserieprognoser med ARIMA |         [Time series](7-TimeSeries/README.md)         | Tidsserieprognoser med ARIMA                                                                                                  |                                                 [Python](7-TimeSeries/2-ARIMA/README.md)                                                 |                      Francesca                           |
|      23        | ⚡️ Världens energianvändning ⚡️ - tidsserieprognoser med SVR   |         [Time series](7-TimeSeries/README.md)         | Tidsserieprognoser med Support Vector Regressor                                                                               |                                                  [Python](7-TimeSeries/3-SVR/README.md)                                                  |                       Anirban                            |
|      24        |            Introduktion till förstärkningsinlärning            |  [Reinforcement learning](8-Reinforcement/README.md)  | Introduktion till förstärkningsinlärning med Q-Learning                                                                       |                                            [Python](8-Reinforcement/1-QLearning/README.md)                                             |                        Dmitry                            |
|      25        |                Hjälp Peter undvika vargen! 🐺                  |  [Reinforcement learning](8-Reinforcement/README.md)  | Förstärkningsinlärning Gym                                                                                                    |                                               [Python](8-Reinforcement/2-Gym/README.md)                                                  |                        Dmitry                            |
|  Efterskrift  |            Verkliga ML-scenarier och applikationer             |       [ML in the Wild](9-Real-World/README.md)         | Intressanta och avslöjande verkliga användningar av klassisk ML                                                                |                                            [Lektion](9-Real-World/1-Applications/README.md)                                               |                        Team                              |
|  Efterskrift  |            Modellfelsökning i ML med RAI-dashboard              |       [ML in the Wild](9-Real-World/README.md)         | Modellfelsökning i maskininlärning med Responsible AI-dashboardkomponenter                                                     |                                        [Lektion](9-Real-World/2-Debugging-ML-Models/README.md)                                        |                       Ruth Yakubu                         |

> [hitta alla ytterligare resurser för denna kurs i vår Microsoft Learn-samling](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)

## Offline-tillgång

Du kan använda denna dokumentation offline genom att använda [Docsify](https://docsify.js.org/#/). Forka detta repo, [installera Docsify](https://docsify.js.org/#/quickstart) på din lokala dator och skriv sedan `docsify serve` i rotmappen för detta repo. Webbplatsen kommer att serveras på port 3000 på din localhost: `localhost:3000`.

## PDF-filer

Hitta en pdf av kursplanen med länkar [här](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf).


## 🎒 Andra kurser

Vårt team producerar andra kurser! Kolla in:

<!-- CO-OP TRANSLATOR OTHER COURSES START -->
### LangChain
[![LangChain4j för nybörjare](https://img.shields.io/badge/LangChain4j%20for%20Beginners-22C55E?style=for-the-badge&&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchain4j-for-beginners)
[![LangChain.js för nybörjare](https://img.shields.io/badge/LangChain.js%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin)
[![LangChain för nybörjare](https://img.shields.io/badge/LangChain%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=0553D6)](https://github.com/microsoft/langchain-for-beginners?WT.mc_id=m365-94501-dwahlin)
---

### Azure / Edge / MCP / Agenter
[![AZD för nybörjare](https://img.shields.io/badge/AZD%20for%20Beginners-0078D4?style=for-the-badge&labelColor=E5E7EB&color=0078D4)](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst)
[![Edge AI för nybörjare](https://img.shields.io/badge/Edge%20AI%20for%20Beginners-00B8E4?style=for-the-badge&labelColor=E5E7EB&color=00B8E4)](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst)
[![MCP för nybörjare](https://img.shields.io/badge/MCP%20for%20Beginners-009688?style=for-the-badge&labelColor=E5E7EB&color=009688)](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst)
[![AI-agenter för nybörjare](https://img.shields.io/badge/AI%20Agents%20for%20Beginners-00C49A?style=for-the-badge&labelColor=E5E7EB&color=00C49A)](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)

---

### Generativ AI Serie
[![Generativ AI för nybörjare](https://img.shields.io/badge/Generative%20AI%20for%20Beginners-8B5CF6?style=for-the-badge&labelColor=E5E7EB&color=8B5CF6)](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
[![Generativ AI (.NET)](https://img.shields.io/badge/Generative%20AI%20(.NET)-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
[![Generativ AI (Java)](https://img.shields.io/badge/Generative%20AI%20(Java)-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
[![Generativ AI (JavaScript)](https://img.shields.io/badge/Generative%20AI%20(JavaScript)-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)

---
 
### Kärnkunskap
[![ML för nybörjare](https://img.shields.io/badge/ML%20for%20Beginners-22C55E?style=for-the-badge&labelColor=E5E7EB&color=22C55E)](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
[![Data Science för nybörjare](https://img.shields.io/badge/Data%20Science%20for%20Beginners-84CC16?style=for-the-badge&labelColor=E5E7EB&color=84CC16)](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
[![AI för nybörjare](https://img.shields.io/badge/AI%20for%20Beginners-A3E635?style=for-the-badge&labelColor=E5E7EB&color=A3E635)](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
[![Cybersäkerhet för nybörjare](https://img.shields.io/badge/Cybersecurity%20for%20Beginners-F97316?style=for-the-badge&labelColor=E5E7EB&color=F97316)](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
[![Webbutveckling för nybörjare](https://img.shields.io/badge/Web%20Dev%20for%20Beginners-EC4899?style=for-the-badge&labelColor=E5E7EB&color=EC4899)](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
[![IoT för nybörjare](https://img.shields.io/badge/IoT%20for%20Beginners-14B8A6?style=for-the-badge&labelColor=E5E7EB&color=14B8A6)](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
[![XR-utveckling för nybörjare](https://img.shields.io/badge/XR%20Development%20for%20Beginners-38BDF8?style=for-the-badge&labelColor=E5E7EB&color=38BDF8)](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)

---
 
### Copilot-serien
[![Copilot för AI samprogrammering](https://img.shields.io/badge/Copilot%20for%20AI%20Paired%20Programming-FACC15?style=for-the-badge&labelColor=E5E7EB&color=FACC15)](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
[![Copilot för C#/.NET](https://img.shields.io/badge/Copilot%20for%20C%23/.NET-FBBF24?style=for-the-badge&labelColor=E5E7EB&color=FBBF24)](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
[![Copilot-äventyr](https://img.shields.io/badge/Copilot%20Adventure-FDE68A?style=for-the-badge&labelColor=E5E7EB&color=FDE68A)](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst)
<!-- CO-OP TRANSLATOR OTHER COURSES END -->

## Få hjälp

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

[![Microsoft Foundry Discord](https://dcbadge.limes.pink/api/server/nTYy5BXMWG)](https://discord.gg/nTYy5BXMWG)

Om du har produktfeedback eller hittar fel vid byggande, besök:

[![Microsoft Foundry Developer Forum](https://img.shields.io/badge/GitHub-Microsoft_Foundry_Developer_Forum-blue?style=for-the-badge&logo=github&color=000000&logoColor=fff)](https://aka.ms/foundry/forum)

---

<!-- CO-OP TRANSLATOR DISCLAIMER START -->
**Ansvarsfriskrivning**:
Detta dokument har översatts med hjälp av AI-översättningstjänsten [Co-op Translator](https://github.com/Azure/co-op-translator). Trots att vi strävar efter noggrannhet bör du vara 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 på grund av användningen av denna översättning.
<!-- CO-OP TRANSLATOR DISCLAIMER END -->