You can not select more than 25 topics
Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
232 lines
30 KiB
232 lines
30 KiB
<!--
|
|
CO_OP_TRANSLATOR_METADATA:
|
|
{
|
|
"original_hash": "0a6f4476a4f3934a4aa47c1bf47158bc",
|
|
"translation_date": "2026-01-16T12:59:29+00:00",
|
|
"source_file": "README.md",
|
|
"language_code": "no"
|
|
}
|
|
-->
|
|
[](https://github.com/microsoft/ML-For-Beginners/blob/master/LICENSE)
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/graphs/contributors/)
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/issues/)
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/pulls/)
|
|
[](http://makeapullrequest.com)
|
|
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/watchers/)
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/network/)
|
|
[](https://GitHub.com/microsoft/ML-For-Beginners/stargazers/)
|
|
|
|
### 🌐 Støtte for flere språk
|
|
|
|
#### Støttet via GitHub Action (Automatisert & Alltid Oppdatert)
|
|
|
|
<!-- CO-OP TRANSLATOR LANGUAGES TABLE START -->
|
|
[Arabic](../ar/README.md) | [Bengali](../bn/README.md) | [Bulgarian](../bg/README.md) | [Burmese (Myanmar)](../my/README.md) | [Chinese (Simplified)](../zh/README.md) | [Chinese (Traditional, Hong Kong)](../hk/README.md) | [Chinese (Traditional, Macau)](../mo/README.md) | [Chinese (Traditional, Taiwan)](../tw/README.md) | [Croatian](../hr/README.md) | [Czech](../cs/README.md) | [Danish](../da/README.md) | [Dutch](../nl/README.md) | [Estonian](../et/README.md) | [Finnish](../fi/README.md) | [French](../fr/README.md) | [German](../de/README.md) | [Greek](../el/README.md) | [Hebrew](../he/README.md) | [Hindi](../hi/README.md) | [Hungarian](../hu/README.md) | [Indonesian](../id/README.md) | [Italian](../it/README.md) | [Japanese](../ja/README.md) | [Kannada](../kn/README.md) | [Korean](../ko/README.md) | [Lithuanian](../lt/README.md) | [Malay](../ms/README.md) | [Malayalam](../ml/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Nigerian Pidgin](../pcm/README.md) | [Norwegian](./README.md) | [Persian (Farsi)](../fa/README.md) | [Polish](../pl/README.md) | [Portuguese (Brazil)](../br/README.md) | [Portuguese (Portugal)](../pt/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Romanian](../ro/README.md) | [Russian](../ru/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Slovak](../sk/README.md) | [Slovenian](../sl/README.md) | [Spanish](../es/README.md) | [Swahili](../sw/README.md) | [Swedish](../sv/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Tamil](../ta/README.md) | [Telugu](../te/README.md) | [Thai](../th/README.md) | [Turkish](../tr/README.md) | [Ukrainian](../uk/README.md) | [Urdu](../ur/README.md) | [Vietnamese](../vi/README.md)
|
|
|
|
> **Foretrekker du å klone lokalt?**
|
|
|
|
> Dette depotet inkluderer over 50 språkoversettelser som betydelig øker nedlastingsstørrelsen. For å klone uten oversettelser, bruk sparsommelig utsjekking:
|
|
> ```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'
|
|
> ```
|
|
> Dette gir deg alt du trenger for å fullføre kurset med en mye raskere nedlasting.
|
|
<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->
|
|
|
|
#### Bli med i vårt fellesskap
|
|
|
|
[](https://discord.gg/nTYy5BXMWG)
|
|
|
|
Vi har en pågående Discord-lær med AI-serie, lær mer og bli med oss på [Learn with AI Series](https://aka.ms/learnwithai/discord) fra 18. - 30. september 2025. Du får tips og triks for å bruke GitHub Copilot for Data Science.
|
|
|
|
|
|
|
|
# Maskinlæring for nybegynnere - En pensum
|
|
|
|
> 🌍 Reis rundt i verden mens vi utforsker maskinlæring gjennom verdens kulturer 🌍
|
|
|
|
Cloud Advocates hos Microsoft tilbyr et 12-ukers, 26-leksjoners pensum som handler om **maskinlæring**. I dette pensumet lærer du om det som noen ganger kalles **klassisk maskinlæring**, hvor vi primært bruker Scikit-learn som bibliotek og unngår dyp læring, som dekkes i vår [AI for Beginners' curriculum](https://aka.ms/ai4beginners). Kombiner gjerne disse leksjonene med vårt ['Data Science for Beginners' curriculum](https://aka.ms/ds4beginners) også!
|
|
|
|
Reis med oss rundt i verden mens vi anvender disse klassiske teknikkene på data fra mange områder av verden. Hver leksjon inkluderer forhånds- og etterquizzer, skriftlige instruksjoner for å fullføre leksjonen, en løsning, en oppgave og mer. Vår prosjektbaserte pedagogikk gjør at du lærer mens du bygger, en velkjent metode for at nye ferdigheter skal «sette seg».
|
|
|
|
**✍️ Hjertelig takk til våre forfattere** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu og Amy Boyd
|
|
|
|
**🎨 Takk også til våre illustratører** Tomomi Imura, Dasani Madipalli og Jen Looper
|
|
|
|
**🙏 Spesiell takk 🙏 til våre Microsoft Student Ambassador-forfattere, anmeldere og innholdsbidragsytere**, spesielt Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila, og Snigdha Agarwal
|
|
|
|
**🤩 Ekstra takk til Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi og Vidushi Gupta for våre R-leksjoner!**
|
|
|
|
# Komme i gang
|
|
|
|
Følg disse trinnene:
|
|
1. **Fork depotet**: Klikk på "Fork"-knappen øverst til høyre på denne siden.
|
|
2. **Klone depotet**: `git clone https://github.com/microsoft/ML-For-Beginners.git`
|
|
|
|
> [finn alle tilleggsmaterialer for dette kurset i vår Microsoft Learn-samling](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
|
|
|
|
> 🔧 **Trenger du hjelp?** Sjekk vår [Feilsøkingsguide](TROUBLESHOOTING.md) for løsninger på vanlige problemer med installasjon, oppsett og kjøring av leksjoner.
|
|
|
|
|
|
**[Studenter](https://aka.ms/student-page)**, for å bruke dette pensumet, fork hele repoen til din egen GitHub-konto og fullfør oppgavene alene eller i gruppe:
|
|
|
|
- Start med en quiz før forelesningen.
|
|
- Les forelesningen og utfør aktivitetene, stopp opp og reflekter ved hvert kunnskapssjekkpunkt.
|
|
- Prøv å lage prosjektene ved å forstå leksjonene i stedet for å kjøre løsningskoden; denne koden er imidlertid tilgjengelig i `/solution`-mappene i hver prosjektorienterte leksjon.
|
|
- Ta quizzen etter forelesningen.
|
|
- Fullfør utfordringen.
|
|
- Fullfør oppgaven.
|
|
- Etter å ha fullført en leksjonsgruppe, besøk [Diskusjonstavlen](https://github.com/microsoft/ML-For-Beginners/discussions) og «lær høyt» ved å fylle ut den passende PAT-rubriken. En 'PAT' er et fremdriftsvurderingsverktøy som er en rubrikk du fyller ut for å fremme læringen din. Du kan også reagere på andre PAT-er slik at vi kan lære sammen.
|
|
|
|
> For videre studier anbefaler vi å følge disse [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) modulene og læringsløpene.
|
|
|
|
**Lærere**, vi har [inkludert noen forslag](for-teachers.md) om hvordan du kan bruke dette pensumet.
|
|
|
|
---
|
|
|
|
## Videofremvisninger
|
|
|
|
Noen av leksjonene er tilgjengelige som korte videoer. Du finner alle disse innebygd i leksjonene, eller på [ML for Beginners-spillelisten på Microsoft Developer YouTube-kanalen](https://aka.ms/ml-beginners-videos) ved å klikke på bildet nedenfor.
|
|
|
|
[](https://aka.ms/ml-beginners-videos)
|
|
|
|
---
|
|
|
|
## Møt teamet
|
|
|
|
[](https://youtu.be/Tj1XWrDSYJU)
|
|
|
|
**Gif av** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal)
|
|
|
|
> 🎥 Klikk på bildet ovenfor for en video om prosjektet og folkene som laget det!
|
|
|
|
---
|
|
|
|
## Pedagogikk
|
|
|
|
Vi har valgt to pedagogiske prinsipper under byggingen av dette pensumet: å sikre at det er praktisk **prosjektbasert** og at det inneholder **hyppige quizzer**. I tillegg har dette pensumet et felles **tema** for å gi det sammenheng.
|
|
|
|
Ved å sikre at innholdet er knyttet til prosjekter, blir prosessen mer engasjerende for studentene og konseptene blir bedre lagret. I tillegg setter en lavterskel-quiz før undervisningen studentens intensjon mot å lære et emne, mens en andre quiz etter undervisning sikrer ytterligere lagring. Dette pensumet er designet for å være fleksibelt og morsomt og kan tas i sin helhet eller delvis. Prosjektene starter smått og blir gradvis mer kompliserte mot slutten av den 12-ukers syklusen. Dette pensumet inkluderer også et etterord om virkelige anvendelser av ML, som kan brukes som ekstra oppgaver eller som basis for diskusjon.
|
|
|
|
> Finn våre retningslinjer for [oppførselskode](CODE_OF_CONDUCT.md), [bidrag](CONTRIBUTING.md), [oversettelse](TRANSLATIONS.md) og [feilsøking](TROUBLESHOOTING.md). Vi tar imot konstruktive tilbakemeldinger!
|
|
|
|
## Hver leksjon inkluderer
|
|
|
|
- valgfri skisse
|
|
- valgfri tilleggsvideo
|
|
- video gjennomgang (kun noen leksjoner)
|
|
- [quiz før forelesning](https://ff-quizzes.netlify.app/en/ml/)
|
|
- skriftlig leksjon
|
|
- for prosjektbaserte leksjoner, steg-for-steg guider for å bygge prosjektet
|
|
- kunnskapssjekker
|
|
- en utfordring
|
|
- tilleggslesning
|
|
- oppgave
|
|
- [quiz etter forelesning](https://ff-quizzes.netlify.app/en/ml/)
|
|
|
|
> **En merknad om språk**: Disse leksjonene er primært skrevet i Python, men mange finnes også i R. For å fullføre en R-leksjon, gå til `/solution`-mappen og se etter R-leksjoner. De inkluderer en .rmd-utvidelse som representerer en **R Markdown**-fil, som enkelt kan defineres som en innbygging av `kodebiter` (av R eller andre språk) og en `YAML-topptekst` (som styrer hvordan utdata formateres som PDF) i et `Markdown-dokument`. Som sådan fungerer det som en eksemplarisk ramme for å skrive for data science, siden det lar deg kombinere koden din, dens output og dine tanker ved å la deg skrive dem ned i Markdown. Videre kan R Markdown-dokumenter gjengis til utdataformater som PDF, HTML eller Word.
|
|
> **En merknad om quizzer**: Alle quizzer finnes i [Quiz App-mappen](../../quiz-app), med totalt 52 quizer med tre spørsmål hver. De er lenket fra leksjonene, men quiz-appen kan kjøres lokalt; følg instruksjonene i `quiz-app`-mappen for å kjøre lokalt eller distribuere til Azure.
|
|
|
|
| Leksjonsnummer | Emne | Leksjonsgruppering | Læringsmål | Tilknyttet leksjon | Forfatter |
|
|
| :------------: | :----------------------------------------------------------: | :----------------------------------------------------: | ---------------------------------------------------------------------------------------------------------------------------- | :-----------------------------------------------------------------------------------------------------------------------------------------: | :----------------------------------------------------: |
|
|
| 01 | Introduksjon til maskinlæring | [Introduksjon](1-Introduction/README.md) | Lær de grunnleggende konseptene bak maskinlæring | [Leksjon](1-Introduction/1-intro-to-ML/README.md) | Muhammad |
|
|
| 02 | Maskinlæringens historie | [Introduksjon](1-Introduction/README.md) | Lær historien bak dette feltet | [Leksjon](1-Introduction/2-history-of-ML/README.md) | Jen og Amy |
|
|
| 03 | Rettferdighet og maskinlæring | [Introduksjon](1-Introduction/README.md) | Hva er de viktige filosofiske spørsmålene rundt rettferdighet som studenter bør vurdere ved bygging og bruk av ML-modeller? | [Leksjon](1-Introduction/3-fairness/README.md) | Tomomi |
|
|
| 04 | Teknikker for maskinlæring | [Introduksjon](1-Introduction/README.md) | Hvilke teknikker bruker ML-forskere for å bygge ML-modeller? | [Leksjon](1-Introduction/4-techniques-of-ML/README.md) | Chris og Jen |
|
|
| 05 | Introduksjon til regresjon | [Regresjon](2-Regression/README.md) | Kom i gang med Python og Scikit-learn for regresjonsmodeller | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau |
|
|
| 06 | Priser på gresskar i Nord-Amerika 🎃 | [Regresjon](2-Regression/README.md) | Visualiser og rens data som forberedelse til ML | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau |
|
|
| 07 | Priser på gresskar i Nord-Amerika 🎃 | [Regresjon](2-Regression/README.md) | Bygg lineære og polynomiale regresjonsmodeller | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen og Dmitry • Eric Wanjau |
|
|
| 08 | Priser på gresskar i Nord-Amerika 🎃 | [Regresjon](2-Regression/README.md) | Bygg en logistisk regresjonsmodell | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau |
|
|
| 09 | En Web-applikasjon 🔌 | [Web App](3-Web-App/README.md) | Bygg en web-app for å bruke din trente modell | [Python](3-Web-App/1-Web-App/README.md) | Jen |
|
|
| 10 | Introduksjon til klassifisering | [Klassifisering](4-Classification/README.md) | Rens, klargjør og visualiser dine data; introduksjon til klassifisering | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen og Cassie • Eric Wanjau |
|
|
| 11 | Deilige asiatiske og indiske kjøkken 🍜 | [Klassifisering](4-Classification/README.md) | Introduksjon til klassifikatorer | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen og Cassie • Eric Wanjau |
|
|
| 12 | Deilige asiatiske og indiske kjøkken 🍜 | [Klassifisering](4-Classification/README.md) | Flere klassifikatorer | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen og Cassie • Eric Wanjau |
|
|
| 13 | Deilige asiatiske og indiske kjøkken 🍜 | [Klassifisering](4-Classification/README.md) | Bygg en anbefalingsweb-app basert på modellen din | [Python](4-Classification/4-Applied/README.md) | Jen |
|
|
| 14 | Introduksjon til klynging | [Klynging](5-Clustering/README.md) | Rens, klargjør og visualiser dine data; introduksjon til klynging | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau |
|
|
| 15 | Utforske musikksmaken i Nigeria 🎧 | [Klynging](5-Clustering/README.md) | Utforsk K-Means klyngemetoden | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau |
|
|
| 16 | Introduksjon til naturlig språkbehandling ☕️ | [Naturlig språkbehandling](6-NLP/README.md) | Lær grunnleggende om NLP ved å bygge en enkel bot | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen |
|
|
| 17 | Vanlige NLP-oppgaver ☕️ | [Naturlig språkbehandling](6-NLP/README.md) | Fordyp deg i NLP ved å forstå vanlige oppgaver som kreves ved språkstrukturer | [Python](6-NLP/2-Tasks/README.md) | Stephen |
|
|
| 18 | Oversettelse og sentimentanalyse ♥️ | [Naturlig språkbehandling](6-NLP/README.md) | Oversettelse og sentimentanalyse med Jane Austen | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen |
|
|
| 19 | Romantiske hoteller i Europa ♥️ | [Naturlig språkbehandling](6-NLP/README.md) | Sentimentanalyse med hotellanmeldelser 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen |
|
|
| 20 | Romantiske hoteller i Europa ♥️ | [Naturlig språkbehandling](6-NLP/README.md) | Sentimentanalyse med hotellanmeldelser 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen |
|
|
| 21 | Introduksjon til tidsserieprognoser | [Tidsserie](7-TimeSeries/README.md) | Introduksjon til tidsserieprognoser | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca |
|
|
| 22 | ⚡️ Verdens strømforbruk ⚡️ - tidsserieprognoser med ARIMA | [Tidsserie](7-TimeSeries/README.md) | Tidsserieprognoser med ARIMA | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca |
|
|
| 23 | ⚡️ Verdens strømforbruk ⚡️ - tidsserieprognoser med SVR | [Tidsserie](7-TimeSeries/README.md) | Tidsserieprognoser med Support Vector Regressor | [Python](7-TimeSeries/3-SVR/README.md) | Anirban |
|
|
| 24 | Introduksjon til forsterkningslæring | [Forsterkningslæring](8-Reinforcement/README.md) | Introduksjon til forsterkningslæring med Q-Learning | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry |
|
|
| 25 | Hjelp Peter med å unngå ulven! 🐺 | [Forsterkningslæring](8-Reinforcement/README.md) | Forsterkningslæring Gym | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry |
|
|
| Postscript | Virkelige ML-scenarier og -anvendelser | [ML i det fri](9-Real-World/README.md) | Interessante og avslørende virkelige anvendelser for klassisk ML | [Leksjon](9-Real-World/1-Applications/README.md) | Team |
|
|
| Postscript | Modellfeilsøking i ML med RAI dashboard | [ML i det fri](9-Real-World/README.md) | Modellfeilsøking i maskinlæring med Responsible AI dashboard-komponenter | [Leksjon](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu |
|
|
|
|
> [finn alle tilleggsmaterialer for dette kurset i vår Microsoft Learn-samling](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
|
|
|
|
## Offline tilgang
|
|
|
|
Du kan kjøre denne dokumentasjonen offline ved å bruke [Docsify](https://docsify.js.org/#/). Fork dette depotet, [installer Docsify](https://docsify.js.org/#/quickstart) på din lokale maskin, og deretter i rotmappen for dette depotet, skriv `docsify serve`. Nettstedet vil bli servert på port 3000 lokalt: `localhost:3000`.
|
|
|
|
## PDFer
|
|
|
|
Finn en pdf av pensum med lenker [her](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf).
|
|
|
|
|
|
## 🎒 Andre kurs
|
|
|
|
Vårt team lager andre kurs! Sjekk ut:
|
|
|
|
<!-- CO-OP TRANSLATOR OTHER COURSES START -->
|
|
### LangChain
|
|
[](https://aka.ms/langchain4j-for-beginners)
|
|
[](https://aka.ms/langchainjs-for-beginners?WT.mc_id=m365-94501-dwahlin)
|
|
|
|
---
|
|
|
|
### Azure / Edge / MCP / Agenter
|
|
[](https://github.com/microsoft/AZD-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
[](https://github.com/microsoft/edgeai-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
[](https://github.com/microsoft/mcp-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
[](https://github.com/microsoft/ai-agents-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
|
---
|
|
|
|
### Generative AI-serien
|
|
[](https://github.com/microsoft/generative-ai-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
[-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA)](https://github.com/microsoft/Generative-AI-for-beginners-dotnet?WT.mc_id=academic-105485-koreyst)
|
|
[-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC)](https://github.com/microsoft/generative-ai-for-beginners-java?WT.mc_id=academic-105485-koreyst)
|
|
[-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9)](https://github.com/microsoft/generative-ai-with-javascript?WT.mc_id=academic-105485-koreyst)
|
|
|
|
---
|
|
|
|
### Kjerneopplæring
|
|
[](https://aka.ms/ml-beginners?WT.mc_id=academic-105485-koreyst)
|
|
[](https://aka.ms/datascience-beginners?WT.mc_id=academic-105485-koreyst)
|
|
[](https://aka.ms/ai-beginners?WT.mc_id=academic-105485-koreyst)
|
|
[](https://github.com/microsoft/Security-101?WT.mc_id=academic-96948-sayoung)
|
|
[](https://aka.ms/webdev-beginners?WT.mc_id=academic-105485-koreyst)
|
|
[](https://aka.ms/iot-beginners?WT.mc_id=academic-105485-koreyst)
|
|
[](https://github.com/microsoft/xr-development-for-beginners?WT.mc_id=academic-105485-koreyst)
|
|
|
|
---
|
|
|
|
### Copilot-serie
|
|
[](https://aka.ms/GitHubCopilotAI?WT.mc_id=academic-105485-koreyst)
|
|
[](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers?WT.mc_id=academic-105485-koreyst)
|
|
[](https://github.com/microsoft/CopilotAdventures?WT.mc_id=academic-105485-koreyst)
|
|
<!-- CO-OP TRANSLATOR OTHER COURSES END -->
|
|
|
|
## Få hjelp
|
|
|
|
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 hvor spørsmål er velkomne og kunnskap deles fritt.
|
|
|
|
[](https://discord.gg/nTYy5BXMWG)
|
|
|
|
Hvis du har produktfeedback eller feil under bygging, besøk:
|
|
|
|
[](https://aka.ms/foundry/forum)
|
|
|
|
---
|
|
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
|
|
**Ansvarsfraskrivelse**:
|
|
Dette dokumentet er oversatt ved hjelp av AI-oversettingstjenesten [Co-op Translator](https://github.com/Azure/co-op-translator). Selv om vi streber etter nøyaktighet, vennligst vær oppmerksom på at automatiske oversettelser kan inneholde feil eller unøyaktigheter. Det opprinnelige dokumentet på dets opprinnelige språk bør anses som den autoritative kilden. For kritisk informasjon anbefales profesjonell menneskelig oversettelse. Vi er ikke ansvarlige for misforståelser eller feiltolkninger som oppstår ved bruk av denne oversettelsen.
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER END --> |