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 esilukukyselyt ja jälkilukukyselyt, kirjalliset ohjeet tehtävän suorittamiseen, ratkaisun ja harjoituksen. Projektipohjainen pedagogiikkamme antaa sinun oppia rakentamisen kautta, mikä on todistettu tapa saada uudet taidot "takertumaan".

Sydämellinen kiitos tekijöillemme: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 Erityiskiitos 🙏 Microsoft Student Ambassador -tekijöillemme, tarkastajille 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 - Piirrosmuistio tekijältä @nitya

🌐 Monikielinen tuki

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 | Khmer | 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 käännöstä, mikä kasvattaa latauskokoa merkittävästi. Kloonaa ilman käännöksiä käyttämällä sparse checkoutia:

Bash / macOS / Linux:

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'

CMD (Windows):

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"

Näin saat kaiken kurssin suorittamiseen tarvittavan paljon nopeammalla latauksella.

Jos haluat tukea lisää käännöskieliä, ne löytyvät täältä

Liity yhteisöömme

Meillä on käynnissä Discordissa Learn with AI -sarja, opi lisää ja liity mukaan osoitteessa Learn with AI Series ajalla 18.-30. syyskuuta 2025. Saat vinkkejä ja niksejä GitHub Copilotin käytöstä data science -tehtävissä.

Oletko opiskelija?

Aloita seuraavista resursseista:

• Student Hub -sivu Löydät täältä aloittelijan resurssit, opiskelijapaketit ja jopa tapoja saada ilmainen sertifiointivoucher. Tämä on sivu, jonka haluat laittaa kirjanmerkkeihin ja tarkistaa aika ajoin, koska sisältöä päivitetään vähintään kuukausittain.
• Microsoft Learn Student Ambassadors Liity maailmanlaajuiseen opiskelija-ambasaddor -yhteisöön, tämä voi olla tapasi päästä Microsoftille.

Aloittaminen

📚 Dokumentaatio

• Asennusopas - Aloittelijoille suunnatut askel askeleelta -asennusohjeet
• Käyttöopas - Esimerkkejä ja yleisiä työnkulkuja
• Vianmääritys - Ratkaisuja yleisiin ongelmiin
• Osallistumisopas - Kuinka osallistua tähän projektiin
• Opettajille - Ohjeita opettamiseen ja luokkaresursseja

👨‍🎓 Opiskelijoille

Täysin aloittelijat: Data science on uusi aihe? Aloita aloittelijaystävällisistä esimerkeistämme! Nämä yksinkertaiset, hyvin kommentoidut esimerkit auttavat sinua ymmärtämään perusteet ennen koko opetussuunnitelmaan sukeltamista. Opiskelijat: käytä tätä opetussuunnitelmaa itsenäisesti kloonaamalla koko repo ja suorittamalla harjoitukset omaan tahtiin, aloittaen luennon esikyselyllä. Lue sitten luento ja tee loput tehtävistä. Yritä luoda projektit ymmärtämällä oppitunnit sen sijaan, että kopioisit ratkaisukoodin; koodi on kuitenkin saatavilla kunkin projektiin keskittyvän oppitunnin /solutions -kansiossa. Toinen idea on muodostaa opintoryhmä ystävien kanssa ja käydä sisältö läpi yhdessä. Jatko-opiskeluun suosittelemme Microsoft Learnia.

Pikakäynnistys:

1. Tutustu Asennusoppaaseen ympäristön asettamiseksi
2. Käy läpi Käyttöopas oppiaksesi, miten opetussuunnitelmaa käytetään
3. Aloita Oppitunnista 1 ja etene peräkkäin
4. Liity tukiyhteisöömme Discordissa osoitteessa Discord community

👩‍🏫 Opettajille

Opettajat: olemme sisällyttäneet muutamia ehdotuksia tämän opetussuunnitelman käyttämiseen. Arvostamme palautettanne keskustelufoorumillamme!

Tutustu tiimiin

Gifin tekijä: Mohit Jaisal

🎥 Napsauta yllä olevaa kuvaa nähdäksesi videon projektista ja sen luojista!

Pedagogiikka

Olemme valinneet kaksi pedagogista periaatetta tämän opetussuunnitelman rakentamisessa: varmistaa, että se on projekti-pohjainen ja että se sisältää säännöllisiä tietokilpailuja. Sarjan lopussa opiskelijat ovat oppineet datatieteen perusperiaatteet, mukaan lukien eettiset käsitteet, datan valmistelun, erilaiset tavat työskennellä datan kanssa, datan visualisoinnin, data-analyysin, datatieteen todelliset käyttötapaukset ja muuta.

Lisäksi matalan panoksen tietokilpailu ennen opetusta asettaa opiskelijalle oppimisen tavoitteen, kun taas toinen tietokilpailu oppitunnin jälkeen varmistaa paremman tiedon säilymisen. Tämä opetussuunnitelma on suunniteltu joustavaksi ja hauskaksi, ja se voidaan suorittaa kokonaisuudessaan tai osittain. Projektit alkavat pieninä ja monimutkaistuvat vähitellen 10 viikon syklin aikana.

Löydät käyttäytymissääntömme, osallistumisoppaat, käännösohjeet. Otamme mielellämme vastaan rakentavaa palautetta!

Jokainen oppitunti sisältää:

• Valinnainen muistiinpanokuvaus
• Valinnainen lisävideo
• Esivalmistelun tietokilpailu
• Kirjallinen oppitunti
• Projekti-pohjaisissa oppitunneissa vaiheittaiset ohjeet projektin rakentamiseen
• Tietojen tarkastukset
• Haaste
• Lisälukemista
• Tehtävän
• Oppitunnin jälkeinen tietokilpailu

Tietokilpailuihin liittyvä huomio: Kaikki tietokilpailut löytyvät Quiz-App-kansiosta, yhteensä 40 tietokilpailua, joissa jokaisessa on kolme kysymystä. Niihin on linkkejä oppitunneista, mutta tietokilpailusovellusta voi käyttää myös paikallisesti tai ottaa käyttöön Azureen; seuraa ohjeita quiz-app-kansiossa. Ne lokalisoidaan vähitellen.

🎓 Aloittelijaystävälliset esimerkit

Uusi datatieteessä? Olemme luoneet erityisen esimerkkihakemiston, jossa on yksinkertaista ja hyvin kommentoitua koodia auttamaan sinua alkuun:

• 🌟 Hei maailma - Ensimmäinen datatieteen ohjelmasi
• 📂 Datan lataus - Opettele lukemaan ja tutkimaan aineistoja
• 📊 Yksinkertainen analyysi - Laske tilastoja ja löydä kuvioita
• 📈 Perusvisualisointi - Luo kaavioita ja graafeja
• 🔬 Todellinen projekti - Täydellinen työnkulku alusta loppuun

Jokainen esimerkki sisältää yksityiskohtaiset kommentit, jotka selittävät jokaisen vaiheen, tehden niistä täydellisiä aivan aloittelijoille!

👉 Aloita esimerkeistä 👈

Oppitunnit

Data Science For Beginners: Roadmap - Muistiinpanokuvaus tekijä @nitya

Oppitunnin numero	Aihe	Oppituntiryhmä	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	Datatieteen eettiset käsitteet, haasteet ja viitekehykset.	oppitunti	Nitya
03	Datan määrittely	Johdanto	Kuinka data luokitellaan ja sen yleisimmät lähteet.	oppitunti	Jasmine
04	Johdatus tilastotieteeseen ja todennäköisyyslaskentaan	Johdanto	Todennäköisyyslaskennan ja tilastotieteen matemaattiset menetelmät datan ymmärtämiseksi.	oppitunti video	Dmitry
05	Relational datan käsittely	Datatyöskentely	Johdatus relaatiodataan ja sen perusteisiin relaatiodatan tutkimisessa ja analysoinnissa rakenteellisella kyselykielellä (SQL, lausutaan "see-quell").	oppitunti	Christopher
06	Ei-relationaalisen datan käsittely	Datatyöskentely	Johdatus ei-relationaaliseen dataan, sen erilaisiin tyyppeihin ja dokumenttitietokantojen tutkimisen ja analysoinnin perusteisiin.	oppitunti	Jasmine
07	Pythonin käyttö datan käsittelyssä	Datatyöskentely	Pythonin perusteet datan tutkimiseen, esimerkiksi Pandas-kirjastojen avulla. Perustason Python-ohjelmointitaito suositeltavaa.	oppitunti video	Dmitry
08	Datan valmistelu	Datatyöskentely	Aiheita liittyen datan puhdistamiseen ja muuntamiseen puuttuvan, virheellisen tai epätäydellisen datan käsittelemiseksi.	oppitunti	Jasmine
09	Määrien visualisointi	Datavisualisointi	Opettele käyttämään Matplotlibia lintudatan visualisointiin 🦆	oppitunti	Jen
10	Datan jakaumien visualisointi	Datavisualisointi	Havainnointien ja trendien visualisointi tietyssä aikavälissä.	oppitunti	Jen
11	Suhteellisten osuuksien visualisointi	Datavisualisointi	Diskreettien ja ryhmiteltyjen prosenttiosuuksien visualisointi.	oppitunti	Jen
12	Suhteiden visualisointi	Datavisualisointi	Yhteyksien ja korrelaatioiden visualisointi datan ja sen muuttujien välillä.	oppitunti	Jen
13	Merkitykselliset visualisoinnit	Datavisualisointi	Tekniikat ja ohjeet visualisointien arvon lisäämiseksi tehokkaaseen ongelmanratkaisuun ja oivalluksiin.	oppitunti	Jen
14	Johdatus datatieteen elinkaareen	Elinkaari	Johdatus datatieteen elinkaareen ja sen ensimmäiseen vaiheeseen, datan hankintaan ja poimintaan.	oppitunti	Jasmine
15	Analysointi	Elinkaari	Tämä vaihe datatieteen elinkaaressa keskittyy datan analysointimenetelmiin.	oppitunti	Jasmine
16	Viestintä	Elinkaari	Tämä vaihe datatieteen elinkaaressa keskittyy datasta saatujen oivallusten esittämiseen siten, että päätöksentekijöiden on helpompi ymmärtää niitä.	oppitunti	Jalen
17	Datatiede pilvessä	PilviData	Sarja oppitunteja, jotka esittelevät datatiedettä pilvessä ja sen etuja.	oppitunti	Tiffany ja Maud
18	Datatiede pilvessä	PilviData	Mallien kouluttaminen matalan koodin työkaluilla.	oppitunti	Tiffany ja Maud
19	Datatiede pilvessä	PilviData	Mallien käyttöönotto Azure Machine Learning Studion avulla.	oppitunti	Tiffany ja Maud
20	Datatiede käytännössä	Käytännössä	Datatieteeseen perustuvat projektit todellisessa maailmassa.	oppitunti	Nitya

GitHub Codespaces

Seuraa näitä ohjeita avataksesi tämän esimerkin Codespacessa:

1. Klikkaa Koodi-pudotusvalikkoa ja valitse Avaa Codespacella.
2. Valitse + Uusi kooditila ruudun alareunasta. Lisätietoja löydät GitHubin ohjeista.

VSCode Remote - Containers

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

1. Jos käytät kehityssäiliötä ensimmäistä kertaa, varmista, että järjestelmäsi täyttää vaatimukset (esim. Dockerin asentaminen) aloitusohjeissa.

Tämän repon käyttämiseen voit joko avata repohakemiston eristetyssä Docker-volyymissa:

Huom: Tämän alla käytetään Remote-Containers: Clone Repository in Container Volume... -komentoa kloonaamaan lähdekoodi Docker-volyymiin paikallisen tiedostojärjestelmän sijaan. Volyymit ovat suositeltava keino säilyttää konttien tieto.

Tai avaa paikallisesti kloonattu tai ladattu versio reposta:

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

Offline-käyttö

Voit käyttää tätä dokumentaatiota offline-tilassa käyttämällä Docsify. Forkkaa repo, asenna Docsify paikalliselle koneellesi, sitten tämän repohakemiston juuressa kirjoita docsify serve. Sivusto palvelutetaan portissa 3000 paikallisessa ympäristössä: localhost:3000.

Huomaa, että muistikirjoja (notebookeja) ei renderöidä Docsifylla, joten kun tarvitset muistikirjan suorittamista, tee se erikseen VS Codessa käyttämällä Python-ydintä.

Muut opetussuunnitelmat

Tiimimme tuottaa myös muita opetussuunnitelmia! Katso:

LangChain

Azure / Edge / MCP / Agentit

---

Generatiivisen tekoälyn sarja

---

Ydinohjaus

---

Copilot-sarja

Apua saa pyytää

Koetko ongelmia? Tarkista Vianmääritysohje yleisimpiin ongelmiin ratkaisuja.

Jos juutut tai sinulla on kysymyksiä tekoälysovellusten rakentamisesta, liity oppijoiden ja kokeneiden kehittäjien keskusteluihin MCP:stä. Se on kannustava yhteisö, jossa kysymyksiä saa esittää ja tietoa jaetaan vapaasti.

Jos sinulla on palautetta tuotteesta tai kohtaat virheitä rakentaessasi, käy:

---

Vastuuvapauslauseke: Tämä asiakirja on käännetty käyttämällä tekoälypohjaista käännöspalvelua Co-op Translator. Vaikka pyrimme tarkkuuteen, ole hyvä ja ota huomioon, että automaattikäännöksissä voi esiintyä virheitä tai epätarkkuuksia. Alkuperäistä asiakirjaa sen alkuperäiskielellä tulee pitää auktoritatiivisena lähteenä. Tärkeissä tiedoissa suositellaan ammattimaista ihmiskäännöstä. Emme ole vastuussa tämän käännöksen käytöstä aiheutuvista väärinymmärryksistä tai virhetulkinnoista.