Azure Cloud Advocates på Microsoft är glada att erbjuda en 10-veckors, 20-lektions kursplan om Data Science. Varje lektion innehåller quiz före och efter lektionen, skriftliga instruktioner för att slutföra lektionen, en lösning och en uppgift. Vår projektbaserade pedagogik låter dig lära dig genom att bygga, ett beprövat sätt för nya färdigheter att fastna.
Stort tack till våra författare: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.
🙏 Speciellt 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 |
Arabiska | Bengali | Bulgariska | Burmesiska (Myanmar) | Kinesiska (Förenklad) | Kinesiska (Traditionell, Hong Kong) | Kinesiska (Traditionell, Macau) | Kinesiska (Traditionell, Taiwan) | Kroatiska | Tjeckiska | Danska | Holländska | Estniska | Finska | Franska | Tyska | Grekiska | Hebreiska | Hindi | Ungerska | Indonesiska | Italienska | Japanska | Koreanska | Litauiska | Malajiska | Marathi | Nepalesiska | Norska | Persiska (Farsi) | Polska | Portugisiska (Brasilien) | Portugisiska (Portugal) | Punjabi (Gurmukhi) | Rumänska | Ryska | Serbiska (Kyrilliska) | Slovakiska | Slovenska | Spanska | Swahili | Svenska | Tagalog (Filipino) | Tamil | Thailändska | Turkiska | Ukrainska | Urdu | Vietnamesiska
Om du vill ha ytterligare översättningar finns stödda språk listade här
Vi har en pågående Discord-serie om att lära sig med AI, lär dig mer och gå med oss på Learn with AI Series från 18 - 30 september, 2025. Du får tips och tricks om att använda GitHub Copilot för Data Science.
Kom igång med följande resurser:
- Student Hub-sida På denna sida hittar du resurser för nybörjare, studentpaket och till och med sätt att få en gratis certifikatvoucher. 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 en global community av studentambassadörer, detta kan vara din väg in i Microsoft.
- Installationsguide - Steg-för-steg installationsinstruktioner för nybörjare
- Användningsguide - Exempel och vanliga arbetsflöden
- Felsökning - Lösningar på vanliga problem
- Bidragsguide - Hur du bidrar till detta projekt
- För Lärare - Undervisningsvägledning och klassrumsresurser
Helt 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 kursplanen. Studenter: för att använda denna kursplan på egen hand, fork hela repot och slutför övningarna själv, börja med ett quiz före lektionen. Läs sedan lektionen 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. Ett annat förslag är att bilda en studiegrupp med vänner och gå igenom innehållet tillsammans. För vidare studier rekommenderar vi Microsoft Learn.
Snabbstart:
- Kolla Installationsguiden för att ställa in din miljö
- Granska Användningsguiden för att lära dig hur du arbetar med kursplanen
- Börja med Lektion 1 och arbeta dig igenom i ordning
- Gå med i vår Discord-community för stöd
Lärare: vi har inkluderat några förslag på hur man använder denna kursplan. Vi skulle uppskatta din feedback i vårt diskussionsforum!
Gif av Mohit Jaisal
🎥 Klicka på bilden ovan för en video om projektet och personerna som skapade det!
Vi har valt två pedagogiska principer när vi byggde denna läroplan: att säkerställa att den är projektbaserad och att den innehåller frekventa quiz. Vid slutet av denna serie kommer studenterna ha lärt sig grundläggande principer inom datavetenskap, inklusive etiska koncept, databeredning, olika sätt att arbeta med data, datavisualisering, dataanalys, verkliga användningsområden för datavetenskap och mycket mer.
Dessutom hjälper ett lågintensivt quiz före en lektion studenten att fokusera på att lära sig ett ämne, medan ett andra quiz efter lektionen säkerställer ytterligare inlärning. Denna läroplan är utformad för att vara flexibel och rolig och kan genomföras i sin helhet eller delvis. Projekten börjar små och blir alltmer komplexa vid slutet av den 10-veckors cykeln.
Hitta vår Uppförandekod, Bidragsriktlinjer, Översättningsriktlinjer. Vi välkomnar din konstruktiva feedback!
- Valfri sketchnote
- Valfri kompletterande video
- Uppvärmningsquiz före lektionen
- 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 mappen Quiz-App, 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.
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 att 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 innehåller detaljerade kommentarer som förklarar varje steg, vilket gör dem perfekta för absoluta nybörjare!
 |
|---|
| Datavetenskap för nybörjare: Vägkarta - Sketchnote av @nitya |
| Lektion Nummer | Ämne | Lektion Grupp | Lärandemål | Länkad Lektion | Författare |
|---|---|---|---|---|---|
| 01 | Definiera datavetenskap | Introduktion | Lär dig grundläggande begrepp inom datavetenskap och hur det är relaterat till artificiell intelligens, maskininlärning och big data. | lektion video | Dmitry |
| 02 | Etik inom datavetenskap | Introduktion | Koncept, utmaningar och ramverk för dataetik. | lektion | Nitya |
| 03 | Definiera data | Introduktion | Hur data klassificeras och dess vanliga källor. | lektion | Jasmine |
| 04 | Introduktion till statistik och sannolikhet | Introduktion | Matematiska tekniker för sannolikhet och statistik för att förstå data. | lektion video | Dmitry |
| 05 | Arbeta med relationell data | Arbeta med data | Introduktion till relationell data och grunderna i att utforska och analysera relationell data med Structured Query Language, även känt som SQL (uttalas "see-quell"). | lektion | Christopher |
| 06 | Arbeta med NoSQL-data | Arbeta med data | Introduktion till icke-relationell data, 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 | Databeredning | 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 att använda Matplotlib för att visualisera fågeldata 🦆 | lektion | Jen |
| 10 | Visualisera datafördelningar | 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 dataset 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 av datavetenskapens livscykel fokuserar på tekniker för att analysera data. | lektion | Jasmine |
| 16 | Kommunikation | Livscykel | Denna fas av datavetenskapens livscykel fokuserar på att presentera insikter från data på ett sätt som gör det lättare för beslutsfattare att förstå. | lektion | Jalen |
| 17 | Datavetenskap i molnet | Molndata | Denna serie av 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 det vilda | I det vilda | Datavetenskapsdrivna projekt i verkligheten. | lektion | Nitya |
Följ dessa steg för att öppna detta exempel i en Codespace:
- Klicka på Code-rullgardinsmenyn och välj alternativet Open with Codespaces.
- Välj + New codespace längst ner i panelen. För mer information, kolla in GitHub-dokumentationen.
Följ dessa steg för att öppna detta repo i en container med din lokala dator och VSCode med VS Code Remote - Containers-tillägget:
- Om detta är första gången du använder en utvecklingscontainer, se till att ditt system uppfyller förkraven (dvs. ha Docker installerat) i dokumentationen för att komma igång.
För att använda detta repository kan du antingen öppna det i en isolerad Docker-volym:
Notera: Under huven kommer detta att 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 på F1 och välj kommandot Remote-Containers: Open Folder in Container....
- Välj den klonade kopian av denna mapp, vänta på att containern startar och testa saker.
Du kan köra denna dokumentation offline med Docsify. Forka detta repo, installera Docsify på din lokala dator, och skriv sedan docsify serve i root-mappen av detta repo. Webbplatsen kommer att köras på port 3000 på din localhost: localhost:3000.
Notera, notebooks kommer inte att renderas via Docsify, så när du behöver köra en notebook, gör det separat i VS Code med en Python-kärna.
Vårt team producerar andra läroplaner! Kolla in:
-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA){kind=icon}
-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC){kind=icon}
-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9){kind=icon}
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:
Om du har produktfeedback eller fel vid byggandet, besök:
Ansvarsfriskrivning:
Detta dokument har översatts med hjälp av AI-översättningstjänsten Co-op Translator. Även om vi strävar efter noggrannhet, bör det noteras att automatiserade översättningar kan innehålla fel eller felaktigheter. Det ursprungliga dokumentet på dess ursprungliga språk bör betraktas som den auktoritativa källan. För kritisk information rekommenderas professionell mänsklig översättning. Vi ansvarar inte för eventuella missförstånd eller feltolkningar som uppstår vid användning av denna översättning.