Data-Science-For-Beginners/translations/fi/README.md

<!--
CO_OP_TRANSLATOR_METADATA:
{
  "original_hash": "627a9124f5f45e7bcea41a96e07f563a",
  "translation_date": "2025-09-18T15:11:28+00:00",
  "source_file": "README.md",
  "language_code": "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](https://www.twitter.com/paladique), [Dmitry Soshnikov](http://soshnikov.com), [Nitya Narasimhan](https://twitter.com/nitya), [Jalen McGee](https://twitter.com/JalenMcG), [Jen Looper](https://twitter.com/jenlooper), [Maud Levy](https://twitter.com/maudstweets), [Tiffany Souterre](https://twitter.com/TiffanySouterre), [Christopher Harrison](https://www.twitter.com/geektrainer).

**🙏 Erityiskiitokset 🙏 [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/) -kirjoittajille, arvioijille ja sisällön tuottajille,** erityisesti Aaryan Arora, [Aditya Garg](https://github.com/AdityaGarg00), [Alondra Sanchez](https://www.linkedin.com/in/alondra-sanchez-molina/), [Ankita Singh](https://www.linkedin.com/in/ankitasingh007), [Anupam Mishra](https://www.linkedin.com/in/anupam--mishra/), [Arpita Das](https://www.linkedin.com/in/arpitadas01/), ChhailBihari Dubey, [Dibri Nsofor](https://www.linkedin.com/in/dibrinsofor), [Dishita Bhasin](https://www.linkedin.com/in/dishita-bhasin-7065281bb), [Majd Safi](https://www.linkedin.com/in/majd-s/), [Max Blum](https://www.linkedin.com/in/max-blum-6036a1186/), [Miguel Correa](https://www.linkedin.com/in/miguelmque/), [Mohamma Iftekher (Iftu) Ebne Jalal](https://twitter.com/iftu119), [Nawrin Tabassum](https://www.linkedin.com/in/nawrin-tabassum), [Raymond Wangsa Putra](https://www.linkedin.com/in/raymond-wp/), [Rohit Yadav](https://www.linkedin.com/in/rty2423), Samridhi Sharma, [Sanya Sinha](https://www.linkedin.com/mwlite/in/sanya-sinha-13aab1200), [Sheena Narula](https://www.linkedin.com/in/sheena-narua-n/), [Tauqeer Ahmad](https://www.linkedin.com/in/tauqeerahmad5201/), Yogendrasingh Pawar, [Vidushi Gupta](https://www.linkedin.com/in/vidushi-gupta07/), [Jasleen Sondhi](https://www.linkedin.com/in/jasleen-sondhi/)

|![Sketchnote by @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Title.8af36cd35da1ac555b678627fbdc6e320c75f0100876ea41d30ea205d3b08d22.fi.png)|
|:---:|
| Data Science aloittelijoille - _Sketchnote by [@nitya](https://twitter.com/nitya)_ |

### 🌐 Monikielinen tuki

#### Tuettu GitHub Actionin kautta (automaattinen ja aina ajan tasalla)

[French](../fr/README.md) | [Spanish](../es/README.md) | [German](../de/README.md) | [Russian](../ru/README.md) | [Arabic](../ar/README.md) | [Persian (Farsi)](../fa/README.md) | [Urdu](../ur/README.md) | [Chinese (Simplified)](../zh/README.md) | [Chinese (Traditional, Macau)](../mo/README.md) | [Chinese (Traditional, Hong Kong)](../hk/README.md) | [Chinese (Traditional, Taiwan)](../tw/README.md) | [Japanese](../ja/README.md) | [Korean](../ko/README.md) | [Hindi](../hi/README.md) | [Bengali](../bn/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Portuguese (Portugal)](../pt/README.md) | [Portuguese (Brazil)](../br/README.md) | [Italian](../it/README.md) | [Polish](../pl/README.md) | [Turkish](../tr/README.md) | [Greek](../el/README.md) | [Thai](../th/README.md) | [Swedish](../sv/README.md) | [Danish](../da/README.md) | [Norwegian](../no/README.md) | [Finnish](./README.md) | [Dutch](../nl/README.md) | [Hebrew](../he/README.md) | [Vietnamese](../vi/README.md) | [Indonesian](../id/README.md) | [Malay](../ms/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Swahili](../sw/README.md) | [Hungarian](../hu/README.md) | [Czech](../cs/README.md) | [Slovak](../sk/README.md) | [Romanian](../ro/README.md) | [Bulgarian](../bg/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Croatian](../hr/README.md) | [Slovenian](../sl/README.md) | [Ukrainian](../uk/README.md) | [Burmese (Myanmar)](../my/README.md)

**Jos haluat lisätä uusia kieliä, tuetut kielet löytyvät [täältä](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)**

#### Liity yhteisöömme 
Meillä on käynnissä Discordissa oppimissarja tekoälyn kanssa. Lue lisää ja liity mukaan [Learn with AI Series](https://aka.ms/learnwithai/discord) 18.–25. syyskuuta 2025. Saat vinkkejä ja neuvoja GitHub Copilotin käytöstä data-analytiikassa.

![Learn with AI series](../../translated_images/4.8a9fb6b250e72257fcf21663c1d5e5d090f1a1bdc67577fc915c50f28e9e5ec2.fi.jpg)

# Oletko opiskelija?

Aloita seuraavilla resursseilla:

- [Student Hub -sivu](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) 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](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Liity maailmanlaajuiseen opiskelijalähettiläiden yhteisöön, tämä voi olla sinun tiesi Microsoftiin.

# Aloittaminen

> **Opettajat**: olemme [lisänneet joitakin ehdotuksia](for-teachers.md) siitä, miten tätä opetussuunnitelmaa voi käyttää. Haluaisimme kuulla palautettanne [keskustelufoorumillamme](https://github.com/microsoft/Data-Science-For-Beginners/discussions)!

> **[Opiskelijat](https://aka.ms/student-page)**: 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](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum).

## Tutustu tiimiin

[![Promo video](../../ds-for-beginners.gif)](https://youtu.be/8mzavjQSMM4 "Promo video")

**Gif by** [Mohit Jaisal](https://www.linkedin.com/in/mohitjaisal)

> 🎥 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](CODE_OF_CONDUCT.md), [osallistumisohjeet](CONTRIBUTING.md) ja [käännösohjeet](TRANSLATIONS.md). 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](https://ff-quizzes.netlify.app/en/)

> **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

|![ Luonnoskuva @sketchthedocs https://sketchthedocs.dev](../../translated_images/00-Roadmap.4905d6567dff47532b9bfb8e0b8980fc6b0b1292eebb24181c1a9753b33bc0f5.fi.png)|
|:---:|
| Data Science For Beginners: Roadmap - _Luonnoskuva [@nitya](https://twitter.com/nitya)_ |

| Oppitunnin numero | Aihe | Oppituntiryhmä | Oppimistavoitteet | Linkitetty oppitunti | Kirjoittaja |
| :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: |
| 01 | Mitä data-analytiikka on | [Johdanto](1-Introduction/README.md) | Opettele data-analytiikan peruskäsitteet ja sen yhteys tekoälyyn, koneoppimiseen ja big dataan. | [oppitunti](1-Introduction/01-defining-data-science/README.md) [video](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) |
| 02 | Data-analytiikan etiikka | [Johdanto](1-Introduction/README.md) | Dataetiikan käsitteet, haasteet ja viitekehykset. | [oppitunti](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) |
| 03 | Datan määrittely | [Johdanto](1-Introduction/README.md) | Miten data luokitellaan ja sen yleiset lähteet. | [oppitunti](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 04 | Johdatus tilastotieteeseen ja todennäköisyyksiin | [Johdanto](1-Introduction/README.md) | Tilastotieteen ja todennäköisyyden matemaattiset tekniikat datan ymmärtämiseksi. | [oppitunti](1-Introduction/04-stats-and-probability/README.md) [video](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) |
| 05 | Relaatiodatan käsittely | [Datan käsittely](2-Working-With-Data/README.md) | Johdatus relaatiodataan ja SQL:n (lausutaan "see-quell") perusteisiin relaatiodatan tutkimisessa ja analysoinnissa. | [oppitunti](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | |
| 06 | NoSQL-datan käsittely | [Datan käsittely](2-Working-With-Data/README.md) | Johdatus ei-relaatiodataan, sen eri tyyppeihin ja dokumenttitietokantojen tutkimisen ja analysoinnin perusteisiin. | [oppitunti](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)|
| 07 | Pythonin käyttö datan käsittelyssä | [Datan käsittely](2-Working-With-Data/README.md) | Pythonin perusteet datan tutkimiseen Pandas-kirjaston avulla. Suositellaan Python-ohjelmoinnin perustietämystä. | [oppitunti](2-Working-With-Data/07-python/README.md) [video](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) |
| 08 | Datan valmistelu | [Datan käsittely](2-Working-With-Data/README.md) | Aiheita datan puhdistamisen ja muuntamisen tekniikoista, jotka auttavat käsittelemään puuttuvaa, epätarkkaa tai epätäydellistä dataa. | [oppitunti](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) |
| 09 | Määrien visualisointi | [Datavisualisointi](3-Data-Visualization/README.md) | Opettele käyttämään Matplotlibia lintudatan visualisointiin 🦆 | [oppitunti](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) |
| 10 | Datan jakaumien visualisointi | [Datavisualisointi](3-Data-Visualization/README.md) | Havainnointien ja trendien visualisointi tietyllä aikavälillä. | [oppitunti](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) |
| 11 | Suhteiden visualisointi | [Datavisualisointi](3-Data-Visualization/README.md) | Yhteyksien ja korrelaatioiden visualisointi datan joukkojen ja niiden muuttujien välillä. | [oppitunti](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) |
| 12 | Merkitykselliset visualisoinnit | [Datavisualisointi](3-Data-Visualization/README.md) | Tekniikat ja ohjeet, joiden avulla visualisoinnit ovat arvokkaita tehokkaaseen ongelmanratkaisuun ja oivalluksiin. | [oppitunti](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) |
| 13 | Johdatus data-analytiikan elinkaareen | [Elinkaari](4-Data-Science-Lifecycle/README.md) | Johdatus data-analytiikan elinkaareen ja sen ensimmäiseen vaiheeseen, datan hankintaan ja uuttamiseen. | [oppitunti](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) |
| 14 | Analysointi | [Elinkaari](4-Data-Science-Lifecycle/README.md) | Data-analytiikan elinkaaren vaihe, joka keskittyy datan analysointitekniikoihin. | [oppitunti](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | |
| 15 | Viestintä | [Elinkaari](4-Data-Science-Lifecycle/README.md) | Data-analytiikan elinkaaren vaihe, joka keskittyy datasta saatujen oivallusten esittämiseen päätöksentekijöille ymmärrettävällä tavalla. | [oppitunti](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | |
| 16 | Data-analytiikka pilvessä | [Pilvidata](5-Data-Science-In-Cloud/README.md) | Oppituntisarja, joka esittelee data-analytiikkaa pilvessä ja sen hyötyjä. | [oppitunti](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) ja [Maud](https://twitter.com/maudstweets) |
| 17 | Data-analytiikka pilvessä | [Pilvidata](5-Data-Science-In-Cloud/README.md) | Mallien kouluttaminen Low Code -työkaluilla. |[oppitunti](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) ja [Maud](https://twitter.com/maudstweets) |
| 18 | Data-analytiikka pilvessä | [Pilvidata](5-Data-Science-In-Cloud/README.md) | Mallien julkaiseminen Azure Machine Learning Studiossa. | [oppitunti](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) ja [Maud](https://twitter.com/maudstweets) |
| 19 | Data-analytiikka tosielämässä | [Tosielämässä](6-Data-Science-In-Wild/README.md) | Data-analytiikkalähtöiset projektit tosielämässä. | [oppitunti](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/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](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace).

## 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](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started) 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](https://docs.docker.com/storage/volumes/) 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](https://docsify.js.org/#/). Haarauta tämä repositorio, [asenna Docsify](https://docsify.js.org/#/quickstart) 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](https://aka.ms/genai-beginners)
- [Generative AI for Beginners .NET](https://github.com/microsoft/Generative-AI-for-beginners-dotnet)
- [Generative AI with JavaScript](https://github.com/microsoft/generative-ai-with-javascript)
- [Generative AI with Java](https://aka.ms/genaijava)
- [AI for Beginners](https://aka.ms/ai-beginners)
- [Data Science for Beginners](https://aka.ms/datascience-beginners)
- [Bash for Beginners](https://github.com/microsoft/bash-for-beginners)
- [ML for Beginners](https://aka.ms/ml-beginners)
- [Cybersecurity for Beginners](https://github.com/microsoft/Security-101) 
- [Web Dev for Beginners](https://aka.ms/webdev-beginners)
- [IoT for Beginners](https://aka.ms/iot-beginners)
- [Machine Learning for Beginners](https://aka.ms/ml-beginners)
- [XR Development for Beginners](https://aka.ms/xr-dev-for-beginners)
- [Mastering GitHub Copilot for AI Paired Programming](https://aka.ms/GitHubCopilotAI)
- [XR Development for Beginners](https://github.com/microsoft/xr-development-for-beginners)
- [Mastering GitHub Copilot for C#/.NET Developers](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers)
- [Choose Your Own Copilot Adventure](https://github.com/microsoft/CopilotAdventures)

---

**Vastuuvapauslauseke**:  
Tämä asiakirja on käännetty käyttämällä tekoälypohjaista käännöspalvelua [Co-op Translator](https://github.com/Azure/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.