AI-For-Beginners/translations/da

Kunstig intelligens for begyndere - Et pensum

AI For Beginners - Sketchnote af @girlie_mac

Udforsk verden af kunstig intelligens (AI) med vores 12-ugers, 24-lektioners pensum! Det inkluderer praktiske lektioner, quizzer og laboratorieøvelser. Pensum er begynder-venligt og dækker værktøjer som TensorFlow og PyTorch samt etik i AI.

🌐 Multisprogunderstøttelse

Understøttet via GitHub Action (Automatiseret & Altid Opdateret)

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

Foretrækker du at klone lokalt?

Dette repository inkluderer over 50 sprogoversættelser, hvilket væsentligt øger downloadstørrelsen. For at klone uden oversættelser, brug sparse checkout:

git clone --filter=blob:none --sparse https://github.com/microsoft/AI-For-Beginners.git
cd AI-For-Beginners
git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'

Dette giver dig alt, hvad du behøver for at gennemføre kurset med en meget hurtigere download.

Hvis du ønsker yderligere oversættelser, findes understøttede sprog her

Deltag i fællesskabet

Hvad du vil lære

Kursusets tankekort

I dette pensum vil du lære:

• Forskellige tilgange til kunstig intelligens, herunder den "gode gamle" symbolske tilgang med vidensrepræsentation og ræsonnering (GOFAI).
• Neurale netværk og dyb læring, som er kernen i moderne AI. Vi vil illustrere koncepterne bag disse vigtige emner med kode i to af de mest populære frameworks - TensorFlow og PyTorch.
• Neurale arkitekturer til arbejde med billeder og tekst. Vi vil dække nyere modeller, men det kan være lidt mangelfuldt ift. state-of-the-art.
• Mindre populære AI-tilgange, såsom genetiske algoritmer og multi-agent systemer.

Hvad vi ikke vil dække i dette pensum:

Find alle yderligere ressourcer til dette kursus i vores Microsoft Learn-samling

• Forretningssager for brug af AI i erhvervslivet. Overvej at tage Introduktion til AI for erhvervsbrugere læringssti på Microsoft Learn eller AI Business School, udviklet i samarbejde med INSEAD.
• Klassisk maskinlæring, som er godt beskrevet i vores Machine Learning for Beginners Curriculum.
• Praktiske AI-applikationer bygget ved hjælp af Cognitive Services. Til dette anbefaler vi at starte med Microsoft Learn moduler for vision, naturlig sprogbehandling, Generativ AI med Azure OpenAI Service og andre.
• Specifikke ML Cloud Frameworks, såsom Azure Machine Learning, Microsoft Fabric, eller Azure Databricks. Overvej at bruge Build and operate machine learning solutions with Azure Machine Learning og Build and Operate Machine Learning Solutions with Azure Databricks læringsstier.
• Konversationel AI og chatbots. Der findes en separat Create conversational AI solutions læringssti, og du kan også henvise til dette blogindlæg for mere detaljeret information.
• Dyb matematik bag dyb læring. Til dette anbefaler vi Deep Learning af Ian Goodfellow, Yoshua Bengio og Aaron Courville, som også er tilgængelig online på https://www.deeplearningbook.org/.

For en blid introduktion til AI i skyen-emner kan du overveje at tage Get started with artificial intelligence on Azure læringssti.

Indhold

	Lektion Link	PyTorch/Keras/TensorFlow	Laboratorium
0	Kursusopsætning	Opsæt dit udviklingsmiljø
I	Introduktion til AI
01	Introduktion og AI's historie	-	-
II	Symbolsk AI
02	Vidensrepræsentation og ekspert-systemer	Ekspertsystemer / Ontologi /Konceptgraf
III	Introduktion til Neurale Netværk
03	Perceptron	Notebook	Lab
04	Multi-Laget Perceptron og Oprettelse af vores eget Framework	Notebook	Lab
05	Introduktion til Frameworks (PyTorch/TensorFlow) og Overfitting	PyTorch / Keras / TensorFlow	Lab
IV	Computersyn	PyTorch / TensorFlow	Udforsk Computersyn på Microsoft Azure
06	Introduktion til Computersyn. OpenCV	Notebook	Lab
07	Konvolutionelle Neurale Netværk & CNN Arkitekturer	PyTorch /TensorFlow	Lab
08	Fortrænede Netværk og Transfer Learning og Træningstricks	PyTorch / TensorFlow	Lab
09	Autoenkodere og VAEs	PyTorch / TensorFlow
10	Generative Adversarielle Netværk & Kunstnerisk Stil Transfer	PyTorch / TensorFlow
11	Objektdetektion	TensorFlow	Lab
12	Semantisk Segmentering. U-Net	PyTorch / TensorFlow
V	Naturlig Sprogbearbejdning	PyTorch /TensorFlow	Udforsk Naturlig Sprogbearbejdning på Microsoft Azure
13	Tekstrepræsentation. Bow/TF-IDF	PyTorch / TensorFlow
14	Semantiske ordindlejringer. Word2Vec og GloVe	PyTorch / TensorFlow
15	Sprogmodellering. Træn dine egne indlejringer	PyTorch / TensorFlow	Lab
16	Rekurrente Neurale Netværk	PyTorch / TensorFlow
17	Generative Rekurrente Netværk	PyTorch / TensorFlow	Lab
18	Transformers. BERT.	PyTorch /TensorFlow
19	Navngiven Entitetsgenkendelse	TensorFlow	Lab
20	Store Sprogmodeller, Prompt-programmering og Få-skuds-opgaver	PyTorch
VI	Andre AI-teknikker
21	Genetiske Algoritmer	Notebook
22	Dyb Forstærkningslæring	PyTorch /TensorFlow	Lab
23	Multi-Agent Systemer
VII	AI-etik
24	AI-etik og Ansvarlig AI	Microsoft Learn: Ansvarlige AI-principper
IX	Ekstra
25	Multi-modale Netværk, CLIP og VQGAN	Notebook

Hver lektion indeholder

• Forudlæsningsmateriale
• Eksekverbare Jupyter Notebooks, som ofte er specifikke for frameworket (PyTorch eller TensorFlow). Den eksekverbare notebook indeholder også meget teoretisk materiale, så for at forstå emnet skal du gennemgå mindst en version af notebook’en (enten PyTorch eller TensorFlow).
• Labs tilgængelige for nogle emner, som giver dig mulighed for at prøve at anvende det lærte materiale på et specifikt problem.
• Nogle sektioner indeholder links til MS Learn moduler, der dækker relaterede emner.

Kom i gang

🎯 Ny til AI? Start her!

Hvis du er helt ny til AI og vil have hurtige, praktiske eksempler, så tjek vores Begyndervenlige Eksempler ud! De inkluderer:

• 🌟 Hej AI-verden - Dit første AI-program (mønster-genkendelse)
• 🧠 Simpelt Neuralt Netværk - Byg et neuralt netværk fra bunden
• 🖼️ Billedklassificerer - Klassificer billeder med detaljerede kommentarer
• 💬 Tekstfølelse - Analyser positiv/negativ tekst

Disse eksempler er designet til at hjælpe dig med at forstå AI-koncepter, inden du dykker ned i det fulde pensum.

📚 Opsætning af fuldt pensum

• Vi har lavet en opsætningslektion til at hjælpe dig med at sætte dit udviklingsmiljø op. - For undervisere har vi også lavet en pensumopsætningslektion!
• Hvordan man kører koden i VSCode eller en Codespace

Følg disse trin:

Fork Repository: Klik på "Fork" knappen øverst til højre på denne side.

Klon Repository: git clone https://github.com/microsoft/AI-For-Beginners.git

Glem ikke at give en stjerne (🌟) til dette repo, så du nemmere kan finde det senere.

Mød andre lærende

Deltag i vores officielle AI Discord-server for at møde og netværke med andre lærende, der tager dette kursus, og få support.

Hvis du har produktfeedback eller spørgsmål under opbygningen, besøg vores Azure AI Foundry Developer Forum

Quizzer

En note om quizzer: Alle quizzer findes i Quiz-app mappen i etc\quiz-app, eller Online her De er linket inde fra lektionerne, quiz appen kan køres lokalt eller deployeres til Azure; følg instruktionen i quiz-app mappen. De bliver gradvist lokaliseret.

Hjælp ønskes

Har du forslag eller fundet stave- eller kodefejl? Opret en issue eller send en pull request.

Særlige tak

• ✍️ Hovedforfatter: Dmitry Soshnikov, PhD
• 🔥 Redaktør: Jen Looper, PhD
• 🎨 Sketchnote-illustrator: Tomomi Imura
• ✅ Quizskaber: Lateefah Bello, MLSA
• 🙏 Kernemedarbejdere: Evgenii Pishchik

Andre pensum

Vores team producerer andre pensum! Tjek disse ud:

LangChain

Azure / Edge / MCP / Agenter

---

Generativ AI Serie

---

Kerne Læring

---

Copilot Serie

Få hjælp

Hvis du sidder fast eller har spørgsmål om at bygge AI-apps, så deltag med andre lærende og erfarne udviklere i diskussioner om MCP. Det er et støttende fællesskab, hvor spørgsmål er velkomne, og viden deles frit.

Hvis du har produktfeedback eller oplever fejl under opbygningen, besøg:

---

Ansvarsfraskrivelse:
Dette dokument er blevet oversat ved hjælp af AI-oversættelsestjenesten Co-op Translator. Selvom vi bestræber os på nøjagtighed, bedes du være opmærksom på, at automatiserede oversættelser kan indeholde fejl eller unøjagtigheder. Det oprindelige dokument på dets modersmål bør betragtes som den autoritative kilde. For vigtig information anbefales professionel menneskelig oversættelse. Vi påtager os intet ansvar for misforståelser eller fejltolkninger, der måtte opstå som følge af brugen af denne oversættelse.