Data-Science-For-Beginners/translations/fi

Data Science aloittelijoille - Opetussuunnitelma

Microsoftin Azure Cloud Advocates tarjoaa 10 viikon, 20 oppitunnin opetussuunnitelman, joka käsittelee data sciencea. Jokainen oppitunti sisältää esikurssi- ja jälkikurssikyselyt, kirjalliset ohjeet oppitunnin suorittamiseen, ratkaisun ja tehtävän. Projektipohjainen opetustapamme mahdollistaa oppimisen rakentamisen ohessa, mikä on todistettu tapa uusien taitojen omaksumiselle.

Sydämelliset kiitokset kirjoittajillemme: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 Erityiskiitokset 🙏 Microsoft Student Ambassador kirjoittajille, arvioijille ja sisällöntuottajille, erityisesti 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 aloittelijoille - Luonnos tekijältä @nitya

🌐 Monikielituki

Tuettu GitHub Actionin kautta (Automaattinen & aina ajan tasalla)

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

Haluatko kloonata paikallisesti?

Tämä repositorio sisältää yli 50 kielellä käännettyjä tiedostoja, mikä lisää merkittävästi latauskokoa. Jotta voit kloonata ilman käännöksiä, käytä sparse checkout -menetelmää:

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

Tämä antaa sinulle kaiken, mitä tarvitset kurssin suorittamiseen paljon nopeammin ladaten.

Jos haluat lisää tukikielivaihtoehtoja, ne löytyvät täältä here

Liity yhteisöömme

Meillä on käynnissä Discordilla Learn with AI -sarja, lue lisää ja liity mukaan osoitteessa Learn with AI Series ajalla 18. - 30. syyskuuta 2025. Saat vinkkejä ja temppuja GitHub Copilotin käyttöön Data Science -tarkoituksiin.

Oletko opiskelija?

Aloita seuraavista resursseista:

• Student Hub -sivu Tältä sivulta löydät aloittelijoille sopivia materiaaleja, opiskelijapaketteja ja jopa tapoja saada ilmainen sertifikaattihinnoittelu. Tämä on sivu, jonka haluat lisätä kirjanmerkkeihin ja tarkistaa säännöllisesti, sillä päivitämme sisältöä vähintään kuukausittain.
• Microsoft Learn Student Ambassadors Liity globaaliin opiskelijoiden lähettiläiden yhteisöön – tämä voi olla sinun polkusi Microsoftille.

Aloittaminen

📚 Dokumentaatio

• Asennusohje - Vaiheittaiset asennusohjeet aloittelijoille
• Käyttöopas - Esimerkkejä ja yleisiä työskentelyprosesseja
• Vianetsintä - Ratkaisuja yleisiin ongelmiin
• Osallistumisopas - Kuinka osallistua tähän projektiin
• Opettajille - Ohjeita opettamiseen ja luokkahuoneen resursseja

👨‍🎓 Opiskelijoille

Täysin aloittelijat: Uusi data sciencen maailmassa? Aloita meidän aloittelijaystävällisistä esimerkeistä! Nämä yksinkertaiset, hyvin kommentoidut esimerkit auttavat sinua ymmärtämään perusteet ennen kuin sukellat koko opetussuunnitelmaan. Opiskelijat: Voit käyttää tätä opetussuunnitelmaa itsenäisesti, haaroita koko repositorio ja suorita harjoitukset itsenäisesti aloittaen ennakkokyselyllä. Lue sitten oppitunti ja täytä loput tehtävistä. Yritä luoda projektit oppitunnin sisällön ymmärtämisen pohjalta sen sijaan, että kopioisit ratkaisukoodia; koodin löydät kuitenkin /solutions-kansioista jokaisessa projektiin keskittyvässä oppitunnissa. Toinen idea on muodostaa opiskeluryhmä ystävien kanssa ja käydä sisältö yhdessä läpi. Lisäopiskelua varten suosittelemme Microsoft Learn.

Nopea aloitus:

1. Tarkista Asennusohje ympäristön määrittämiseksi
2. Tutustu Käyttöoppaaseen ja opi työskentelemään opetussuunnitelman kanssa
3. Aloita Oppitunnista 1 ja etene järjestyksessä
4. Liity yhteisöömme Discordissa saadaksesi tukea

👩‍🏫 Opettajille

Opettajat: olemme lisänneet joitakin ehdotuksia tämän opetussuunnitelman käyttöön. Haluaisimme kuulla palautteesi keskustelufoorumissamme!

Tutustu tiimiin

Gifin tekijä Mohit Jaisal

🎥 Klikkaa yllä olevaa kuvaa katsoaksesi videon projektista ja sen tekijöistä!

Pedagogiikka

Olemme valinneet kaksi pedagogista periaatetta tämän opetussuunnitelman rakentamiseen: sen pitäminen projektilähtöisenä ja säännöllisten tietovisojen sisällyttäminen. Tämän sarjan lopussa opiskelijat ovat oppineet datatieteen perusperiaatteet, mukaan lukien eettiset käsitteet, datan valmistelun, erilaiset tavat työskennellä datan kanssa, datan visualisoinnin, data-analyysin, datatieteen käytännön esimerkit ja paljon muuta.

Lisäksi kevyt tietovisa ennen tuntia ohjaa opiskelijan asennetta aiheen oppimiseen, ja toinen tietovisa tunnin jälkeen varmistaa tiedon pysyvyyden. Tämä opetussuunnitelma on suunniteltu joustavaksi ja hauskaksi, ja sen voi suorittaa kokonaisuudessaan tai osittain. Projektit alkavat pieninä ja kasvavat yhä monimutkaisemmiksi 10 viikon jakson loppua kohti.

Löydät meidän Toimintakoodistomme, Osallistumisohjeet ja Käännösohjeet. Otamme mielellämme vastaan rakentavaa palautetta!

Jokainen oppitunti sisältää:

• Valinnainen luonnosmuistiinpano
• Valinnainen lisävideon
• Ennen oppituntia tehtävän lämmittelytietovisan
• Kirjallisen oppitunnin
• Projektipohjaisissa oppitunneissa vaiheittaiset ohjeet projektin rakentamiseen
• Tieto-mittauksia
• Haasteen
• Lisälukemista
• Tehtävän
• Oppitunnin jälkeisen tietovisan

Tietovisoista: Kaikki tietovisat löytyvät Quiz-App kansiosta, yhteensä 40 viitteen kolmeen kysymykseen. Ne on linkitetty oppitunneilta, mutta tietovisasovelluksen voi ajaa paikallisesti tai julkaista Azureen; seuraa ohjeita quiz-app kansiossa. Ne käännetään asteittain myös muille kielille.

🎓 Aloittelijaystävälliset esimerkit

Uusi datatieteessä? Olemme luoneet erityisen esimerkkikansion, jossa on yksinkertaisia ja hyvin kommentoituja koodeja auttamaan sinua alkuun:

• 🌟 Hello World – Ensimmäinen datatieteen ohjelmasi
• 📂 Datan lataaminen – Opettele lukemaan ja tutkimaan datasetit
• 📊 Yksinkertainen analyysi – Laske tilastoja ja löydä malleja
• 📈 Perusvisualisointi – Luo diagrammeja ja kaavioita
• 🔬 Todellinen projekti – Täysi työnkulku alusta loppuun

Jokainen esimerkki sisältää yksityiskohtaiset kommentit, jotka selittävät jokaisen vaiheen, joten ne sopivat täydellisesti aivan aloittelijoille!

👉 Aloita esimerkeistä 👈

Oppitunnit

Data Science For Beginners: Roadmap - Luonnosmuistio tekijältä @nitya

Oppitunnin numero	Aihe	Oppitunnin ryhmittely	Oppimistavoitteet	Linkitetty oppitunti	Tekijä
01	Datatieteen määrittely	Johdanto	Opettele datatieteen peruskäsitteet ja sen yhteys tekoälyyn, koneoppimiseen ja big dataan.	oppitunti video	Dmitry
02	Datatieteen etiikka	Johdanto	Datan etiikka, haasteet ja viitekehykset.	oppitunti	Nitya
03	Datan määrittely	Johdanto	Miten data luokitellaan ja sen yleiset lähteet.	oppitunti	Jasmine
04	Johdatus tilastotieteeseen ja todennäköisyyksiin	Johdanto	Todennäköisyys- ja tilastomenetelmät datan ymmärtämiseksi.	oppitunti video	Dmitry
05	Relaatiodatan käsittely	Datatyöskentely	Johdatus relaatio-tietokantoihin ja perusasiat relaatio-datan tutkimisesta ja analysoinnista Structured Query Languagella eli SQL:llä (lausutaan "see-quell").	oppitunti	Christopher
06	NoSQL-datan käsittely	Datatyöskentely	Johdatus ei-relaatio-dataan, sen eri tyyppeihin ja dokumenttitietokantojen tutkimiseen ja analysointiin.	oppitunti	Jasmine
07	Pythonin käyttö	Datatyöskentely	Pythonin perusteet datan tutkimiseen Pandas-kirjastoja käyttäen. Python-ohjelmoinnin perustuntemus suositeltavaa.	oppitunti video	Dmitry
08	Datavalmistelu	Datatyöskentely	Datan puhdistus- ja muunnostekniikat puuttuvan, epätarkan tai keskeneräisen datan käsittelemiseksi.	oppitunti	Jasmine
09	Määrien visualisointi	Datavisualisointi	Opettele käyttämään Matplotlibia lintudatan visualisointiin 🦆	oppitunti	Jen
10	Datan jakaumien visualisointi	Datavisualisointi	Havainnointien ja trendien visualisointi ajanjaksolla.	oppitunti	Jen
11	Osuuksien visualisointi	Datavisualisointi	Diskreettien ja ryhmiteltyjen prosenttiosuuksien visualisointi.	oppitunti	Jen
12	Suhteiden visualisointi	Datavisualisointi	Yhteyksien ja korrelaatioiden visualisointi datan ja muuttujien välillä.	oppitunti	Jen
13	Merkitykselliset visualisoinnit	Datavisualisointi	Tekniikoita ja ohjeita visualisointien arvon lisäämiseksi tehokkaan ongelmanratkaisun ja oivallusten tueksi.	oppitunti	Jen
14	Johdatus datatieteen elinkaareen	Elinkaari	Johdatus datatieteen elinkaareen ja sen ensimmäiseen vaiheeseen: datan hankintaan ja louhintaan.	oppitunti	Jasmine
15	Analysointi	Elinkaari	Tämä vaihe keskittyy datan analysointitekniikoihin.	oppitunti	Jasmine
16	Viestintä	Elinkaari	Tämä vaihe keskittyy datasta saatujen oivallusten esittämiseen siten, että päätöksentekijöiden on helpompi ymmärtää ne.	oppitunti	Jalen
17	Datatiede pilvessä	Pilvidata	Tämä oppituntisarja esittelee datatieteen pilvessä ja sen hyödyt.	oppitunti	Tiffany ja Maud
18	Datatiede pilvessä	Pilvidata	Mallien kouluttaminen Low Code -työkaluilla.	oppitunti	Tiffany ja Maud
19	Datatiede pilvessä	Pilvidata	Mallien käyttöönotto Azure Machine Learning Studiolla.	oppitunti	Tiffany ja Maud
20	Datatieteen sovelluksia arjessa	Arjessa	Datatieteeseen perustuvat projektit todellisessa maailmassa.	oppitunti	Nitya

GitHub Codespaces

Seuraa näitä ohjeita avataksesi tämän esimerkin Codespacessa:

1. Klikkaa Code-pudotusvalikkoa ja valitse Open with Codespaces -vaihtoehto.
2. Valitse + New codespace ikkunan alareunasta. Lisätietoja löydät GitHubin ohjeista.

VSCode Remote - Containers

Seuraa näitä ohjeita avataksesi tämän repositorion kontissa paikallisella koneellasi ja VSCodea käyttäen VS Code Remote - Containers -laajennuksella:

1. Jos käytät kehityskonttia ensimmäistä kertaa, varmista että järjestelmäsi täyttää esivaatimukset (kuten Dockerin asennuksen) aloitusdokumentaatiosta.

Tätä repositoriota voi käyttää avaamalla se eristettynä Docker-volumeen:

Huom: Tämän komennon alla käytetään Remote-Containers: Clone Repository in Container Volume... -komentoa, jolla lähdekoodi kloonataan Docker-volumeen paikallisen tiedostojärjestelmän sijaan. Voluumit ovat suositeltu tapa säilyttää konttitietoja.

Tai avaa paikallisesti kloonattu tai ladattu versio repositorista:

• Kloonaa tämä repository paikalliselle tiedostojärjestelmällesi.
• Paina F1 ja valitse Remote-Containers: Open Folder in Container... -komento.
• Valitse kloonattu kansio, odota konttien käynnistymistä ja aloita käyttö.

Offline-käyttö

Voit käyttää tätä dokumentaatiota offline-tilassa käyttäen Docsifya. Haarauta tämä repo, asenna Docsify paikalliselle koneellesi ja repo-kansion juuressa aja docsify serve. Sivusto tarjotaan portissa 3000 paikallisessa osoitteessasi: localhost:3000.

Huomioi, että muistikirjat eivät renderöidy Docsifylla, joten kun tarvitset muistikirjan ajamista, tee se erikseen VS Codessa Python-ytimellä.

Muut opetussuunnitelmat

Tiimimme tuottaa muitakin opetussuunnitelmia! Tutustu:

LangChain

---

Azure / Edge / MCP / Agentit

---

Generatiivisen tekoälyn sarja

---

Perusoppiminen

---

Copilot-sarja

Apua saatavilla

Koetko ongelmia? Katso Vianmääritysohjeemme yleisiin ongelmiin ratkaisuja.

Jos jäät jumiin tai sinulla on kysyttävää tekoälysovellusten rakentamisesta, liity muiden oppijoiden ja kokeneiden kehittäjien keskusteluihin MCP:stä. Se on kannustava yhteisö, jossa kysymyksiä voi esittää ja tietoa jaetaan vapaasti.

Jos sinulla on tuotepalautetta tai kohtaat virheitä rakentamisen aikana, käy:

---

Vastuuvapauslauseke: Tämä asiakirja on käännetty käyttämällä tekoälypohjaista käännöspalvelua Co-op Translator. Pyrimme tarkkuuteen, mutta ole hyvä ja huomioi, että automaattikäännöksissä voi esiintyä virheitä tai epätarkkuuksia. Alkuperäinen asiakirja sen omalla kielellä on virallinen lähde. Tärkeiden tietojen osalta suositellaan ammattimaista ihmiskäännöstä. Emme ota vastuuta tämän käännöksen käytöstä johtuvista väärinkäsityksistä tai tulkinnoista.