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.
183 lines
25 KiB
183 lines
25 KiB
<!--
|
|
CO_OP_TRANSLATOR_METADATA:
|
|
{
|
|
"original_hash": "a54f98da7bbee99ddc62a9e490eef7dc",
|
|
"translation_date": "2025-09-29T22:03:44+00:00",
|
|
"source_file": "README.md",
|
|
"language_code": "da"
|
|
}
|
|
-->
|
|
[](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/)
|
|
|
|
### 🌐 Flersproget support
|
|
|
|
#### Understøttet via GitHub Action (Automatisk & Altid Opdateret)
|
|
|
|
[Fransk](../fr/README.md) | [Spansk](../es/README.md) | [Tysk](../de/README.md) | [Russisk](../ru/README.md) | [Arabisk](../ar/README.md) | [Persisk (Farsi)](../fa/README.md) | [Urdu](../ur/README.md) | [Kinesisk (Forenklet)](../zh/README.md) | [Kinesisk (Traditionelt, Macau)](../mo/README.md) | [Kinesisk (Traditionelt, Hong Kong)](../hk/README.md) | [Kinesisk (Traditionelt, Taiwan)](../tw/README.md) | [Japansk](../ja/README.md) | [Koreansk](../ko/README.md) | [Hindi](../hi/README.md) | [Bengali](../bn/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Portugisisk (Portugal)](../pt/README.md) | [Portugisisk (Brasilien)](../br/README.md) | [Italiensk](../it/README.md) | [Polsk](../pl/README.md) | [Tyrkisk](../tr/README.md) | [Græsk](../el/README.md) | [Thai](../th/README.md) | [Svensk](../sv/README.md) | [Dansk](./README.md) | [Norsk](../no/README.md) | [Finsk](../fi/README.md) | [Hollandsk](../nl/README.md) | [Hebraisk](../he/README.md) | [Vietnamesisk](../vi/README.md) | [Indonesisk](../id/README.md) | [Malay](../ms/README.md) | [Tagalog (Filippinsk)](../tl/README.md) | [Swahili](../sw/README.md) | [Ungarsk](../hu/README.md) | [Tjekkisk](../cs/README.md) | [Slovakisk](../sk/README.md) | [Rumænsk](../ro/README.md) | [Bulgarsk](../bg/README.md) | [Serbisk (Kyrillisk)](../sr/README.md) | [Kroatisk](../hr/README.md) | [Slovensk](../sl/README.md) | [Ukrainsk](../uk/README.md) | [Burmesisk (Myanmar)](../my/README.md)
|
|
|
|
#### Bliv en del af vores fællesskab
|
|
|
|
[](https://aka.ms/ml4beginners/discord)
|
|
|
|
Vi har en Discord-serie om læring med AI i gang. Lær mere og deltag i [Learn with AI Series](https://aka.ms/learnwithai/discord) fra 18. - 30. september 2025. Her får du tips og tricks til at bruge GitHub Copilot til dataanalyse.
|
|
|
|
|
|
|
|
# Maskinlæring for begyndere - Et pensum
|
|
|
|
> 🌍 Rejs rundt i verden, mens vi udforsker maskinlæring gennem verdens kulturer 🌍
|
|
|
|
Cloud Advocates hos Microsoft er glade for at tilbyde et 12-ugers, 26-lektioners pensum om **maskinlæring**. I dette pensum vil du lære om det, der nogle gange kaldes **klassisk maskinlæring**, primært ved brug af Scikit-learn som bibliotek og uden at dykke ned i dyb læring, som er dækket i vores [AI for Beginners-pensum](https://aka.ms/ai4beginners). Kombiner disse lektioner med vores ['Data Science for Beginners'-pensum](https://aka.ms/ds4beginners), også!
|
|
|
|
Rejs med os rundt i verden, mens vi anvender disse klassiske teknikker på data fra mange forskellige områder. Hver lektion inkluderer quizzer før og efter lektionen, skriftlige instruktioner til at gennemføre lektionen, en løsning, en opgave og mere. Vores projektbaserede tilgang giver dig mulighed for at lære, mens du bygger, hvilket er en dokumenteret metode til at fastholde nye færdigheder.
|
|
|
|
**✍️ Stor tak til vores forfattere** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu og Amy Boyd
|
|
|
|
**🎨 Tak også til vores illustratorer** Tomomi Imura, Dasani Madipalli og Jen Looper
|
|
|
|
**🙏 Speciel tak 🙏 til vores Microsoft Student Ambassador-forfattere, anmeldere og indholdsbidragydere**, især Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila og Snigdha Agarwal
|
|
|
|
**🤩 Ekstra tak til Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi og Vidushi Gupta for vores R-lektioner!**
|
|
|
|
# Kom godt i gang
|
|
|
|
Følg disse trin:
|
|
1. **Fork repositoryet**: Klik på "Fork"-knappen øverst til højre på denne side.
|
|
2. **Clone repositoryet**: `git clone https://github.com/microsoft/ML-For-Beginners.git`
|
|
|
|
> [find alle ekstra ressourcer til dette kursus i vores Microsoft Learn-samling](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
|
|
|
|
**[Studerende](https://aka.ms/student-page)**, for at bruge dette pensum, skal du fork'e hele repo'et til din egen GitHub-konto og gennemføre øvelserne alene eller i en gruppe:
|
|
|
|
- Start med en quiz før lektionen.
|
|
- Læs lektionen og gennemfør aktiviteterne, mens du pauser og reflekterer ved hver videnskontrol.
|
|
- Prøv at skabe projekterne ved at forstå lektionerne i stedet for blot at køre løsningskoden; dog er denne kode tilgængelig i `/solution`-mapperne i hver projektorienteret lektion.
|
|
- Tag quizzen efter lektionen.
|
|
- Gennemfør udfordringen.
|
|
- Gennemfør opgaven.
|
|
- Efter at have afsluttet en lektiongruppe, besøg [Diskussionsforumet](https://github.com/microsoft/ML-For-Beginners/discussions) og "lær højt" ved at udfylde den relevante PAT-rubrik. En 'PAT' er et Progress Assessment Tool, som er en rubrik, du udfylder for at fremme din læring. Du kan også reagere på andre PAT'er, så vi kan lære sammen.
|
|
|
|
> For yderligere studier anbefaler vi at følge disse [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) moduler og læringsstier.
|
|
|
|
**Lærere**, vi har [inkluderet nogle forslag](for-teachers.md) til, hvordan man kan bruge dette pensum.
|
|
|
|
---
|
|
|
|
## Video-gennemgange
|
|
|
|
Nogle af lektionerne er tilgængelige som korte videoer. Du kan finde alle disse i lektionerne eller på [ML for Beginners-playlisten på Microsoft Developer YouTube-kanalen](https://aka.ms/ml-beginners-videos) ved at klikke på billedet nedenfor.
|
|
|
|
[](https://aka.ms/ml-beginners-videos)
|
|
|
|
---
|
|
|
|
## Mød teamet
|
|
|
|
[](https://youtu.be/Tj1XWrDSYJU)
|
|
|
|
**Gif af** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal)
|
|
|
|
> 🎥 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 dette pensum: at sikre, at det er **projektbaseret** og inkluderer **hyppige quizzer**. Derudover har dette pensum et fælles **tema** for at give det sammenhæng.
|
|
|
|
Ved at sikre, at indholdet er knyttet til projekter, bliver processen mere engagerende for studerende, og fastholdelsen af begreber vil blive forbedret. Derudover sætter en lav-stress quiz før en klasse intentionen hos den studerende mod at lære et emne, mens en anden quiz efter klassen sikrer yderligere fastholdelse. Dette pensum er designet til at være fleksibelt og sjovt og kan tages i sin helhed eller delvist. Projekterne starter små og bliver gradvist mere komplekse ved slutningen af den 12-ugers cyklus. Pensummet inkluderer også et efterskrift om virkelige anvendelser af ML, som kan bruges som ekstra kredit eller som grundlag for diskussion.
|
|
|
|
> Find vores [Code of Conduct](CODE_OF_CONDUCT.md), [Contributing](CONTRIBUTING.md), og [Translation](TRANSLATIONS.md) retningslinjer. Vi værdsætter din konstruktive feedback!
|
|
|
|
## Hver lektion inkluderer
|
|
|
|
- valgfri sketchnote
|
|
- valgfri supplerende video
|
|
- video-gennemgang (kun nogle lektioner)
|
|
- [quiz før lektionen](https://ff-quizzes.netlify.app/en/ml/)
|
|
- skriftlig lektion
|
|
- for projektbaserede lektioner, trin-for-trin vejledninger til, hvordan man bygger projektet
|
|
- videnskontroller
|
|
- en udfordring
|
|
- supplerende læsning
|
|
- opgave
|
|
- [quiz efter lektionen](https://ff-quizzes.netlify.app/en/ml/)
|
|
|
|
> **En note om sprog**: Disse lektioner er primært skrevet i Python, men mange er også tilgængelige i R. For at gennemføre en R-lektion, gå til `/solution`-mappen og kig efter R-lektioner. De inkluderer en .rmd-udvidelse, som repræsenterer en **R Markdown**-fil, der kan defineres som en indlejring af `kodeblokke` (af R eller andre sprog) og en `YAML-header` (der guider, hvordan output formateres, såsom PDF) i et `Markdown-dokument`. Som sådan fungerer det som en fremragende ramme for dataanalyse, da det giver dig mulighed for at kombinere din kode, dens output og dine tanker ved at skrive dem ned i Markdown. Desuden kan R Markdown-dokumenter gengives til outputformater som PDF, HTML eller Word.
|
|
|
|
> **En note om quizzer**: Alle quizzer er indeholdt i [Quiz App-mappen](../../quiz-app), med i alt 52 quizzer med tre spørgsmål hver. De er linket fra lektionerne, men quiz-appen kan køres lokalt; følg instruktionerne i `quiz-app`-mappen for at hoste lokalt eller udrulle til Azure.
|
|
|
|
| Lektion Nummer | Emne | Lektion Gruppe | Læringsmål | Linket Lektion | Forfatter |
|
|
| :-----------: | :------------------------------------------------------------: | :-------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------------------: | :--------------------------------------------------: |
|
|
| 01 | Introduktion til maskinlæring | [Introduktion](1-Introduction/README.md) | Lær de grundlæggende begreber bag maskinlæring | [Lektion](1-Introduction/1-intro-to-ML/README.md) | Muhammad |
|
|
| 02 | Historien om maskinlæring | [Introduktion](1-Introduction/README.md) | Lær historien bag dette felt | [Lektion](1-Introduction/2-history-of-ML/README.md) | Jen og Amy |
|
|
| 03 | Retfærdighed og maskinlæring | [Introduktion](1-Introduction/README.md) | Hvilke vigtige filosofiske spørgsmål omkring retfærdighed bør studerende overveje, når de bygger og anvender ML-modeller? | [Lektion](1-Introduction/3-fairness/README.md) | Tomomi |
|
|
| 04 | Teknikker til maskinlæring | [Introduktion](1-Introduction/README.md) | Hvilke teknikker bruger ML-forskere til at bygge ML-modeller? | [Lektion](1-Introduction/4-techniques-of-ML/README.md) | Chris og Jen |
|
|
| 05 | Introduktion til regression | [Regression](2-Regression/README.md) | Kom i gang med Python og Scikit-learn til regressionsmodeller | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau |
|
|
| 06 | Nordamerikanske græskarpriser 🎃 | [Regression](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 | Nordamerikanske græskarpriser 🎃 | [Regression](2-Regression/README.md) | Byg lineære og polynomiske regressionsmodeller | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen og Dmitry • Eric Wanjau |
|
|
| 08 | Nordamerikanske græskarpriser 🎃 | [Regression](2-Regression/README.md) | Byg en logistisk regressionsmodel | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau |
|
|
| 09 | En webapp 🔌 | [Webapp](3-Web-App/README.md) | Byg en webapp til at bruge din trænet model | [Python](3-Web-App/1-Web-App/README.md) | Jen |
|
|
| 10 | Introduktion til klassifikation | [Klassifikation](4-Classification/README.md) | Rens, forbered og visualiser dine data; introduktion til klassifikation | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen og Cassie • Eric Wanjau |
|
|
| 11 | Lækre asiatiske og indiske retter 🍜 | [Klassifikation](4-Classification/README.md) | Introduktion 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 | Lækre asiatiske og indiske retter 🍜 | [Klassifikation](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 | Lækre asiatiske og indiske retter 🍜 | [Klassifikation](4-Classification/README.md) | Byg en anbefalingswebapp ved hjælp af din model | [Python](4-Classification/4-Applied/README.md) | Jen |
|
|
| 14 | Introduktion til clustering | [Clustering](5-Clustering/README.md) | Rens, forbered og visualiser dine data; introduktion til clustering | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau |
|
|
| 15 | Udforskning af nigerianske musiksmag 🎧 | [Clustering](5-Clustering/README.md) | Udforsk K-Means clustering-metoden | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau |
|
|
| 16 | Introduktion til naturlig sprogbehandling ☕️ | [Naturlig sprogbehandling](6-NLP/README.md) | Lær det grundlæggende om NLP ved at bygge en simpel bot | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen |
|
|
| 17 | Almindelige NLP-opgaver ☕️ | [Naturlig sprogbehandling](6-NLP/README.md) | Uddyb din NLP-viden ved at forstå almindelige opgaver, der kræves, når man arbejder med sproglige strukturer | [Python](6-NLP/2-Tasks/README.md) | Stephen |
|
|
| 18 | Oversættelse og sentimentanalyse ♥️ | [Naturlig sprogbehandling](6-NLP/README.md) | Oversættelse og sentimentanalyse med Jane Austen | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen |
|
|
| 19 | Romantiske hoteller i Europa ♥️ | [Naturlig sprogbehandling](6-NLP/README.md) | Sentimentanalyse med hotelanmeldelser 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen |
|
|
| 20 | Romantiske hoteller i Europa ♥️ | [Naturlig sprogbehandling](6-NLP/README.md) | Sentimentanalyse med hotelanmeldelser 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen |
|
|
| 21 | Introduktion til tidsserieprognoser | [Tidsserier](7-TimeSeries/README.md) | Introduktion til tidsserieprognoser | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca |
|
|
| 22 | ⚡️ Verdens energiforbrug ⚡️ - tidsserieprognoser med ARIMA | [Tidsserier](7-TimeSeries/README.md) | Tidsserieprognoser med ARIMA | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca |
|
|
| 23 | ⚡️ Verdens energiforbrug ⚡️ - tidsserieprognoser med SVR | [Tidsserier](7-TimeSeries/README.md) | Tidsserieprognoser med Support Vector Regressor | [Python](7-TimeSeries/3-SVR/README.md) | Anirban |
|
|
| 24 | Introduktion til forstærkningslæring | [Forstærkningslæring](8-Reinforcement/README.md) | Introduktion til forstærkningslæring med Q-Learning | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry |
|
|
| 25 | Hjælp Peter med at undgå ulven! 🐺 | [Forstærkningslæring](8-Reinforcement/README.md) | Forstærkningslæring Gym | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry |
|
|
| Postscript | Virkelige ML-scenarier og -applikationer | [ML i praksis](9-Real-World/README.md) | Interessante og afslørende virkelige applikationer af klassisk ML | [Lektion](9-Real-World/1-Applications/README.md) | Team |
|
|
| Postscript | Fejlfinding af ML-modeller med RAI-dashboard | [ML i praksis](9-Real-World/README.md) | Fejlfinding af maskinlæringsmodeller ved hjælp af Responsible AI-dashboard komponenter | [Lektion](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu |
|
|
|
|
> [find alle ekstra ressourcer til dette kursus i vores Microsoft Learn-samling](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum)
|
|
|
|
## Offline adgang
|
|
|
|
Du kan køre denne dokumentation offline ved at bruge [Docsify](https://docsify.js.org/#/). Fork dette repo, [installer Docsify](https://docsify.js.org/#/quickstart) på din lokale maskine, og skriv derefter `docsify serve` i rodmappen af dette repo. Websitet vil blive serveret på port 3000 på din localhost: `localhost:3000`.
|
|
|
|
## PDF'er
|
|
|
|
Find en pdf af pensum med links [her](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf).
|
|
|
|
|
|
## 🎒 Andre kurser
|
|
|
|
Vores team producerer andre kurser! Tjek:
|
|
|
|
- [Edge AI for Beginners](https://aka.ms/edgeai-for-beginners)
|
|
- [AI Agents for Beginners](https://aka.ms/ai-agents-beginners)
|
|
- [Generative AI for Beginners](https://aka.ms/genai-beginners)
|
|
- [Generative AI for Beginners .NET](https://github.com/microsoft/Generative-AI-for-beginners-dotnet)
|
|
- [Generative AI med JavaScript](https://github.com/microsoft/generative-ai-with-javascript)
|
|
- [Generative AI med Java](https://github.com/microsoft/Generative-AI-for-beginners-java)
|
|
- [AI for Beginners](https://aka.ms/ai-beginners)
|
|
- [Data Science for Beginners](https://aka.ms/datascience-beginners)
|
|
- [ML for Beginners](https://aka.ms/ml-beginners)
|
|
- [Cybersecurity for Beginners](https://github.com/microsoft/Security-101)
|
|
- [Webudvikling for begyndere](https://aka.ms/webdev-beginners)
|
|
- [IoT for Beginners](https://aka.ms/iot-beginners)
|
|
- [XR-udvikling for begyndere](https://github.com/microsoft/xr-development-for-beginners)
|
|
- [Mastering GitHub Copilot for Paired Programming](https://github.com/microsoft/Mastering-GitHub-Copilot-for-Paired-Programming)
|
|
- [Mastering GitHub Copilot for C#/.NET Developers](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers)
|
|
- [Choose Your Own Copilot Adventure](https://github.com/microsoft/CopilotAdventures)
|
|
|
|
---
|
|
|
|
**Ansvarsfraskrivelse**:
|
|
Dette dokument er blevet oversat ved hjælp af AI-oversættelsestjenesten [Co-op Translator](https://github.com/Azure/co-op-translator). Selvom vi bestræber os på at sikre nøjagtighed, skal det bemærkes, at automatiserede oversættelser kan indeholde fejl eller unøjagtigheder. Det originale dokument på dets oprindelige sprog bør betragtes som den autoritative kilde. For kritisk information anbefales professionel menneskelig oversættelse. Vi påtager os ikke ansvar for eventuelle misforståelser eller fejltolkninger, der måtte opstå som følge af brugen af denne oversættelse. |