Data-Science-For-Beginners/translations/fi

Data Science aloittelijoille - Opetussuunnitelma

Azure Cloud Advocates Microsoftilta tarjoavat mielellään 10 viikon, 20 oppitunnin opetussuunnitelman, joka käsittelee data-analytiikkaa. Jokainen oppitunti sisältää ennakkokyselyn ja jälkikyselyn, kirjalliset ohjeet oppitunnin suorittamiseen, ratkaisun ja tehtävän. Projektipohjainen oppimismetodimme antaa mahdollisuuden oppia tekemällä, mikä on todistetusti tehokas tapa omaksua uusia taitoja.

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 sisällön tuottajille, 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 - Sketchnote by @nitya

🌐 Monikielinen tuki

Tuettu GitHub Actionin kautta (automaattinen ja aina ajan tasalla)

French | Spanish | German | Russian | Arabic | Persian (Farsi) | Urdu | Chinese (Simplified) | Chinese (Traditional, Macau) | Chinese (Traditional, Hong Kong) | Chinese (Traditional, Taiwan) | Japanese | Korean | Hindi | Bengali | Marathi | Nepali | Punjabi (Gurmukhi) | Portuguese (Portugal) | Portuguese (Brazil) | Italian | Polish | Turkish | Greek | Thai | Swedish | Danish | Norwegian | Finnish | Dutch | Hebrew | Vietnamese | Indonesian | Malay | Tagalog (Filipino) | Swahili | Hungarian | Czech | Slovak | Romanian | Bulgarian | Serbian (Cyrillic) | Croatian | Slovenian | Ukrainian | Burmese (Myanmar)

Jos haluat lisätä uusia kieliä, tuetut kielet löytyvät täältä

Liity yhteisöömme

Meillä on käynnissä Discordissa oppimissarja tekoälyn kanssa. Lue lisää ja liity mukaan Learn with AI Series 18.–25. syyskuuta 2025. Saat vinkkejä ja neuvoja GitHub Copilotin käytöstä data-analytiikassa.

Oletko opiskelija?

Aloita seuraavilla resursseilla:

• Student Hub -sivu Tältä sivulta löydät aloittelijaresursseja, opiskelijapaketit ja jopa tapoja saada ilmainen sertifikaattivoucher. Tämä on sivu, jonka haluat tallentaa kirjanmerkkeihin ja tarkistaa säännöllisesti, sillä sisältöä vaihdetaan vähintään kuukausittain.
• Microsoft Learn Student Ambassadors Liity maailmanlaajuiseen opiskelijalähettiläiden yhteisöön, tämä voi olla sinun tiesi Microsoftiin.

Aloittaminen

Opettajat: olemme lisänneet joitakin ehdotuksia siitä, miten tätä opetussuunnitelmaa voi käyttää. Haluaisimme kuulla palautettanne keskustelufoorumillamme!

Opiskelijat: jos haluat käyttää tätä opetussuunnitelmaa itsenäisesti, haaroita koko repo ja suorita harjoitukset itsenäisesti aloittaen ennakkokyselystä. Lue sitten oppitunti ja suorita loput tehtävät. Yritä luoda projektit ymmärtämällä oppitunnit sen sijaan, että kopioisit ratkaisukoodin; kuitenkin kyseinen koodi on saatavilla /solutions-kansioissa jokaisessa projektiin keskittyvässä oppitunnissa. Toinen idea olisi muodostaa opiskeluryhmä ystävien kanssa ja käydä sisältö läpi yhdessä. Lisäopiskelua varten suosittelemme Microsoft Learn.

Tutustu tiimiin

Gif by Mohit Jaisal

🎥 Klikkaa yllä olevaa kuvaa nähdäksesi videon projektista ja ihmisistä, jotka sen loivat!

Pedagogiikka

Olemme valinneet kaksi pedagogista periaatetta tämän opetussuunnitelman rakentamiseen: varmistaa, että se on projektipohjainen ja että se sisältää usein toistuvia kyselyitä. Tämän sarjan lopussa opiskelijat ovat oppineet data-analytiikan perusperiaatteet, mukaan lukien eettiset käsitteet, datan valmistelu, erilaiset tavat työskennellä datan kanssa, datan visualisointi, data-analyysi, data-analytiikan tosielämän käyttötapaukset ja paljon muuta.

Lisäksi matalan kynnyksen kysely ennen oppituntia ohjaa opiskelijan huomion oppimaan aihetta, kun taas toinen kysely oppitunnin jälkeen varmistaa paremman tiedon säilymisen. Tämä opetussuunnitelma on suunniteltu joustavaksi ja hauskaksi, ja sitä voi suorittaa kokonaan tai osittain. Projektit alkavat pienistä ja muuttuvat yhä monimutkaisemmiksi 10 viikon jakson loppua kohden.

Löydät käytännesäännöt, osallistumisohjeet ja käännösohjeet. Otamme mielellämme vastaan rakentavaa palautettasi!

Jokainen oppitunti sisältää:

• Valinnainen luonnoskuva
• Valinnainen lisävideo
• Lämmittelykysely ennen oppituntia
• Kirjallinen oppitunti
• Projektipohjaisissa oppitunneissa vaiheittaiset ohjeet projektin rakentamiseen
• Tietotarkistukset
• Haaste
• Lisälukemista
• Tehtävä
• Kysely oppitunnin jälkeen

Huomio kyselyistä: Kaikki kyselyt löytyvät Quiz-App-kansiosta, yhteensä 40 kyselyä, joissa on kolme kysymystä kussakin. Ne on linkitetty oppitunneista, mutta kyselysovellusta voi ajaa paikallisesti tai julkaista Azureen; seuraa ohjeita quiz-app-kansiossa. Kyselyt lokalisoidaan vähitellen.

Oppitunnit

Data Science For Beginners: Roadmap - Luonnoskuva @nitya

Oppitunnin numero	Aihe	Oppituntiryhmä	Oppimistavoitteet	Linkitetty oppitunti	Kirjoittaja
01	Mitä data-analytiikka on	Johdanto	Opettele data-analytiikan peruskäsitteet ja sen yhteys tekoälyyn, koneoppimiseen ja big dataan.	oppitunti video	Dmitry
02	Data-analytiikan etiikka	Johdanto	Dataetiikan käsitteet, haasteet ja viitekehykset.	oppitunti	Nitya
03	Datan määrittely	Johdanto	Miten data luokitellaan ja sen yleiset lähteet.	oppitunti	Jasmine
04	Johdatus tilastotieteeseen ja todennäköisyyksiin	Johdanto	Tilastotieteen ja todennäköisyyden matemaattiset tekniikat datan ymmärtämiseksi.	oppitunti video	Dmitry
05	Relaatiodatan käsittely	Datan käsittely	Johdatus relaatiodataan ja SQL:n (lausutaan "see-quell") perusteisiin relaatiodatan tutkimisessa ja analysoinnissa.	oppitunti	Christopher
06	NoSQL-datan käsittely	Datan käsittely	Johdatus ei-relaatiodataan, sen eri tyyppeihin ja dokumenttitietokantojen tutkimisen ja analysoinnin perusteisiin.	oppitunti	Jasmine
07	Pythonin käyttö datan käsittelyssä	Datan käsittely	Pythonin perusteet datan tutkimiseen Pandas-kirjaston avulla. Suositellaan Python-ohjelmoinnin perustietämystä.	oppitunti video	Dmitry
08	Datan valmistelu	Datan käsittely	Aiheita datan puhdistamisen ja muuntamisen tekniikoista, jotka auttavat käsittelemään puuttuvaa, epätarkkaa tai epätäydellistä dataa.	oppitunti	Jasmine
09	Määrien visualisointi	Datavisualisointi	Opettele käyttämään Matplotlibia lintudatan visualisointiin 🦆	oppitunti	Jen
10	Datan jakaumien visualisointi	Datavisualisointi	Havainnointien ja trendien visualisointi tietyllä aikavälillä.	oppitunti	Jen
11	Suhteiden visualisointi	Datavisualisointi	Yhteyksien ja korrelaatioiden visualisointi datan joukkojen ja niiden muuttujien välillä.	oppitunti	Jen
12	Merkitykselliset visualisoinnit	Datavisualisointi	Tekniikat ja ohjeet, joiden avulla visualisoinnit ovat arvokkaita tehokkaaseen ongelmanratkaisuun ja oivalluksiin.	oppitunti	Jen
13	Johdatus data-analytiikan elinkaareen	Elinkaari	Johdatus data-analytiikan elinkaareen ja sen ensimmäiseen vaiheeseen, datan hankintaan ja uuttamiseen.	oppitunti	Jasmine
14	Analysointi	Elinkaari	Data-analytiikan elinkaaren vaihe, joka keskittyy datan analysointitekniikoihin.	oppitunti	Jasmine
15	Viestintä	Elinkaari	Data-analytiikan elinkaaren vaihe, joka keskittyy datasta saatujen oivallusten esittämiseen päätöksentekijöille ymmärrettävällä tavalla.	oppitunti	Jalen
16	Data-analytiikka pilvessä	Pilvidata	Oppituntisarja, joka esittelee data-analytiikkaa pilvessä ja sen hyötyjä.	oppitunti	Tiffany ja Maud
17	Data-analytiikka pilvessä	Pilvidata	Mallien kouluttaminen Low Code -työkaluilla.	oppitunti	Tiffany ja Maud
18	Data-analytiikka pilvessä	Pilvidata	Mallien julkaiseminen Azure Machine Learning Studiossa.	oppitunti	Tiffany ja Maud
19	Data-analytiikka tosielämässä	Tosielämässä	Data-analytiikkalähtöiset projektit tosielämässä.	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 paneelin alareunasta. Lisätietoja löydät GitHub-dokumentaatiosta.

VSCode Remote - Containers

Seuraa näitä ohjeita avataksesi tämän repositorion kontissa paikallisella koneellasi ja VSCode-ohjelmalla käyttäen VS Code Remote - Containers -laajennusta:

1. Jos käytät kehityskonttia ensimmäistä kertaa, varmista, että järjestelmäsi täyttää vaatimukset (esim. Docker on asennettu) aloitusdokumentaation mukaisesti.

Tätä repositoriota voi käyttää joko avaamalla sen eristetyssä Docker-volyymissa:

Huomio: Taustalla käytetään Remote-Containers: Clone Repository in Container Volume... -komentoa lähdekoodin kloonaamiseen Docker-volyymiin paikallisen tiedostojärjestelmän sijaan. Volyymit ovat suositeltu tapa säilyttää konttidata.

Tai avaamalla paikallisesti kloonattu tai ladattu versio repositoriosta:

• Kloonaa tämä repositorio paikalliselle tiedostojärjestelmällesi.
• Paina F1 ja valitse Remote-Containers: Open Folder in Container... -komento.
• Valitse kloonattu kopio tästä kansiosta, odota konttia käynnistymään ja kokeile asioita.

Offline-käyttö

Voit käyttää tätä dokumentaatiota offline-tilassa käyttämällä Docsifyä. Haarauta tämä repositorio, asenna Docsify paikalliselle koneellesi, ja kirjoita tämän repositorion juurikansiossa docsify serve. Verkkosivusto palvelee portissa 3000 localhostissa: localhost:3000.

Huomio, muistikirjoja ei renderöidä Docsifyllä, joten kun tarvitset muistikirjan käyttöä, tee se erikseen VS Codessa Python-ytimen avulla.

Muut opetusohjelmat

Tiimimme tuottaa muita opetusohjelmia! Tutustu:

• Generative AI for Beginners
• Generative AI for Beginners .NET
• Generative AI with JavaScript
• Generative AI with Java
• AI for Beginners
• Data Science for Beginners
• Bash for Beginners
• ML for Beginners
• Cybersecurity for Beginners
• Web Dev for Beginners
• IoT for Beginners
• Machine Learning for Beginners
• XR Development for Beginners
• Mastering GitHub Copilot for AI Paired Programming
• XR Development for Beginners
• Mastering GitHub Copilot for C#/.NET Developers
• Choose Your Own Copilot Adventure

---

Vastuuvapauslauseke:
Tämä asiakirja on käännetty käyttämällä tekoälypohjaista käännöspalvelua Co-op Translator. Vaikka pyrimme tarkkuuteen, huomioithan, että automaattiset käännökset voivat sisältää virheitä tai epätarkkuuksia. Alkuperäistä asiakirjaa sen alkuperäisellä kielellä tulisi pitää ensisijaisena lähteenä. Kriittisen tiedon osalta suositellaan ammattimaista ihmiskäännöstä. Emme ole vastuussa väärinkäsityksistä tai virhetulkinnoista, jotka johtuvat tämän käännöksen käytöstä.