Data-Science-For-Beginners/translations/fi

Data Science aloittelijoille - Opetussuunnitelma

Microsoftin Azure Cloud Advocates ovat iloisia voidessaan tarjota 10-viikkoisen, 20-opintojakson opetussuunnitelman, joka käsittelee datatiedettä. Jokainen opintojakso sisältää ennakko- ja jälkitestit, kirjalliset ohjeet opintojakson suorittamiseksi, ratkaisun ja harjoituksen. Projektipohjainen opetusmenetelmämme mahdollistaa oppimisen samalla, kun rakennat jotain, mikä on todistettu tapa uusien taitojen jäämiseen mieleen.

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

🙏 Erityiskiitokset 🙏 Microsoft Student Ambassador -kirjoittajillemme, arvostelijoille 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 - Sketchnote by @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 | 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 mieluummin kloonata paikallisesti?

Tämä repositorio sisältää yli 50 kieliversiota, mikä lisää lataustiedoston kokoa merkittävästi. Jotta voit kloonata ilman käännöksiä, käytä sparse checkoutia:

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 tarvittavan kurssin suorittamiseen huomattavasti nopeammalla latauksella.

Jos haluat saada lisäkielitukea, tuetut kielet ovat lueteltu tässä

Liity yhteisöömme

Discordillamme on menossa opiskelu AI:n kanssa -sarja, lue lisää ja liity meihin osoitteessa Learn with AI Series ajalla 18. - 30. syyskuuta 2025. Saat vinkkejä ja niksejä GitHub Copilotin käyttämiseen datatieteessä.

Oletko opiskelija?

Aloita seuraavista resursseista:

• Student Hub -sivu Tältä sivulta löydät aloittelijoille sopivia resursseja, opiskelijapaketteja ja jopa tapoja saada ilmainen sertifikaattikuponki. Tämä on sivu, jonka haluat tallentaa kirjanmerkkeihin ja tarkistaa säännöllisesti, sillä vaihdamme sisältöä vähintään kerran kuukaudessa.
• Microsoft Learn Student Ambassadors Liity globaaliin opiskelijalähettiläiden yhteisöön, tämä voi olla sinun tiesi Microsoftille.

Aloitus

📚 Dokumentaatio

• Asennusohje - Yksityiskohtaiset asennusohjeet aloittelijoille
• Käyttöohje - Esimerkkejä ja yleisiä työnkulkuja
• Vianetsintä - Ratkaisuja yleisiin ongelmiin
• Osallistumisohje - Kuinka osallistua tähän projektiin
• Opettajille - Opetusohjeita ja luokkahuoneen resursseja

👨‍🎓 Opiskelijoille

Täysin aloittelijoille: Uutena datatieteen parissa? Aloita aloittelijaystävällisillä esimerkeillämme! Nämä yksinkertaiset, hyvin kommentoidut esimerkit auttavat sinua ymmärtämään perusteet ennen kuin sukellat koko opetussuunnitelmaan. Opiskelijat: Voit käyttää tätä opetussuunnitelmaa itseksesi, haaroita koko repo ja tee harjoitukset itse aloittaen ennakkokyselyllä. Sitten lue luento ja suorita loput tehtävistä. Yritä rakentaa projektit ymmärtämällä oppitunnit sen sijaan, että kopioit ratkaisukoodin; kuitenkin tämä koodi on saatavilla kukin projektikohtaisen oppitunnin /solutions-kansiossa. Toinen idea on muodostaa opintoryhmä ystävien kanssa ja käydä sisältö yhdessä läpi. Tarkempaan opiskeluun suosittelemme Microsoft Learnia.

Nopea aloitus:

1. Tutustu Asennusohjeeseen ympäristön määrittämiseksi
2. Käy läpi Käyttöohje oppiaksesi miten opetussuunnitelmaa käytetään
3. Aloita Oppitunnista 1 ja etene järjestyksessä
4. Liity Discord-yhteisöömme tukea varten

👩‍🏫 Opettajille

Opettajille: olemme sisällyttäneet joitakin ehdotuksia siitä, miten tätä opetussuunnitelmaa voi käyttää. Haluaisimme kuulla palautetta keskustelufoorumillamme!

Tapaamme tiimin

Gif tekijä Mohit Jaisal

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

Pedagogiikka

Olemme valinneet kaksi pedagogista periaatetta tämän opetussuunnitelman rakentamisessa: varmistaa, että se perustuu projekteihin ja että siihen sisältyy usein kyselyitä. Tämän sarjan lopussa opiskelijat ovat oppineet datatieteen perusperiaatteet, mukaan lukien eettiset käsitteet, datan valmistelun, erilaiset tavat työskennellä datan kanssa, datan visualisoinnin, datan analysoinnin, datatieteen käytännön sovellukset ja paljon muuta.

Lisäksi matalan panoksen kysely ennen luentoa asettaa opiskelijan aikomuksen oppia aihe, kun taas toinen kysely luennon jälkeen varmistaa aiheen paremman muistamisen. Tämä opetussuunnitelma on suunniteltu joustavaksi ja hauskaksi, ja sen voi suorittaa kokonaan tai osittain. Projektit alkavat pieninä ja muuttuvat yhä monimutkaisemmiksi 10 viikon sykliä kohti.

Löydät ohjeistuksemme Code of Conduct, Contributing, Translation. Otamme mielellämme vastaan rakentavaa palautetta!

Jokainen oppitunti sisältää:

• Valinnainen sketchnote
• Valinnainen lisävideo
• Ennen oppituntia tehtävä lämmittelykysely
• Kirjallinen oppitunti
• Projektipohjaisissa oppitunneissa vaiheittaiset ohjeet projektin rakentamiseen
• Tietotarkistukset
• Haaste
• Lisälukemista
• Tehtävänanto
• Oppitunnin jälkeinen kysely

Huomio kyselyistä: Kaikki kyselyt ovat Quiz-App-kansiossa, yhteensä 40 kyselyä, joissa jokaisessa on kolme kysymystä. Ne on linkitetty oppitunneissa, mutta kyselysovelluksen voi ajaa paikallisesti tai ottaa käyttöön Azureen; seuraa ohjeita quiz-app -kansiossa. Kyselyitä ollaan asteittain lokalisoimassa.

🎓 Aloittelijaystävälliset esimerkit

Uusi datatieteessä? Olemme luoneet erillisen esimerkkejä sisältävän kansion, jossa on yksinkertaista, hyvin kommentoitua koodia auttamaan sinua alkuun:

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

Jokaisessa esimerkissä on yksityiskohtaiset kommentit, jotka selittävät jokaisen vaiheen, mikä tekee niistä täydellisiä aivan aloittelijoille!

👉 Aloita esimerkeistä 👈

Oppitunnit

Data Science For Beginners: Roadmap - Sketchnote by @nitya

Oppitunnin numero	Aihe	Oppitunnin ryhmittely	Oppimistavoitteet	Linkitetty oppitunti	Tekijä
01	Datatieteen määrittely	Johdanto	Opiskele datatieteen peruskäsitteitä ja sen yhteyttä tekoälyyn, koneoppimiseen ja big dataan.	oppitunti video	Dmitry
02	Datatieteen etiikka	Johdanto	Dataetiikan käsitteet, haasteet ja viitekehykset.	oppitunti	Nitya
03	Datan määrittely	Johdanto	Kuinka data luokitellaan ja sen yleisimmät lähteet.	oppitunti	Jasmine
04	Johdatus tilastotieteeseen ja todennäköisyyksiin	Johdanto	Todennäköisyys- ja tilastolliset matemaattiset tekniikat datan ymmärtämiseen.	oppitunti video	Dmitry
05	Relatiivisen datan käsittely	Datan kanssa työskentely	Johdatus relaatiodataan ja perustiedot relaatiodatan tutkimisesta ja analysoinnista SQL:llä (lausutaan "see-quell").	oppitunti	Christopher
06	NoSQL-datan käsittely	Datan kanssa työskentely	Johdatus ei-relaatiodataan, sen erilaisiin tyyppeihin ja dokumenttitietokantojen tutkimisen ja analysoinnin perusteisiin.	oppitunti	Jasmine
07	Pythonin käyttö	Datan kanssa työskentely	Perusteet Pythonin käytöstä datan tutkimiseen kirjastoilla kuten Pandas. Perustason Python-ohjelmointitaito suositeltava.	oppitunti video	Dmitry
08	Datan valmistelu	Datan kanssa työskentely	Datan puhdistus- ja muuntamistekniikat puuttuvien, virheellisten tai epä täydellisten tietojen käsittelyyn.	oppitunti	Jasmine
09	Määrien visualisointi	Datan visualisointi	Opettele käyttämään Matplotlibia lintudatan visualisointiin 🦆	oppitunti	Jen
10	Datan jakaumien visualisointi	Datan visualisointi	Havainnointien ja trendien visualisointi tietyllä väli alueella.	oppitunti	Jen
11	Prosenttiosuuksien visualisointi	Datan visualisointi	Diskreettien ja ryhmiteltyjen prosenttiosuuksien visualisointi.	oppitunti	Jen
12	Suhteiden visualisointi	Datan visualisointi	Yhdistysten ja korrelaatioiden visualisointi datan joukkojen ja niiden muuttujien välillä.	oppitunti	Jen
13	Merkitykselliset visualisoinnit	Datan visualisointi	Tekniikoita ja ohjeita visualisointien arvokkaaksi tekemiseen tehokkaassa ongelmanratkaisussa ja oivalluksissa.	oppitunti	Jen
14	Johdatus datatieteen elinkaareen	Elinkaarimalli	Johdatus datatieteen elinkaareen ja sen ensimmäiseen vaiheeseen eli datan hankintaan ja poimintaan.	oppitunti	Jasmine
15	Analysointi	Elinkaarimalli	Tämä vaihe keskittyy datan analysointitekniikoihin datatieteen elinkaaressa.	oppitunti	Jasmine
16	Viestintä	Elinkaarimalli	Tämä vaihe keskittyy datasta saatujen oivallusten esittämiseen tavalla, joka auttaa päätöksentekijöitä ymmärtämään ne helpommin.	oppitunti	Jalen
17	Datatiede pilvessä	Pilvidata	Tämä oppituntosarja esittelee datatiedettä pilvessä ja sen hyötyjä.	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 Studiossa.	oppitunti	Tiffany ja Maud
20	Datatiede luonnossa	Luonnossa	Datatieteen ohjaamat projektit käytännön vuorovaikutuksessa todellisuuden kanssa.	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 näkymän alalaidasta. Lisätietoja on GitHub-dokumentaatiossa.

VSCode Remote - Containers

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

1. Jos käytät kehityskonttia ensimmäistä kertaa, varmista järjestelmäsi vaatimusten täyttyminen (esim. Docker on asennettu) aloitusohjeista.

Tätä repositoriota voi käyttää joko avaamalla sen eristettyyn Docker-volyymiin:

Huom: Taustalla tämä käyttää Remote-Containers: Clone Repository in Container Volume... -komentoa kloonaamaan lähdekoodin Docker-volyymiin paikallisen tiedostojärjestelmän sijaan. Volyymit ovat suositeltuja säilyttämään konttien dataa.

Tai avaamalla paikallisesti kloonatun tai ladatun version repositoriosta:

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

Offline-käyttö

Voit käyttää tätä dokumentaatiota offline-tilassa Docsifyn avulla (Docsify). Forkkaa tämä repo, asenna Docsify (Install Docsify) paikalliselle koneellesi, ja samoimmassa repositorion juurikansiossa aja komento docsify serve. Sivusto aukeaa porttiin 3000 paikallisessa koneessasi: localhost:3000.

Huomioi, että vihkokirjoja (notebook) ei renderöidä Docsifyssa, joten jos sinun täytyy ajaa vihkokirja, tee se erikseen VS Codessa Python-ytimen avulla.

Muita opetussuunnitelmia

Tiimimme tuottaa myös muita opetussuunnitelmia! Tutustu:

LangChain

---

Azure / Edge / MCP / Agentit

---

Generatiivinen AI -sarja

---

Perusopetus

---

Copilot-sarja

Apua saatavilla

Koetko ongelmia? Katso Vianmääritysohje yleisimpien ongelmien ratkaisuihin.

Jos jäät jumiin tai sinulla on kysymyksiä tekoälysovellusten rakentamisesta, liity muiden oppijoiden ja kokeneiden kehittäjien keskusteluihin MCP:stä. Se on tukeva yhteisö, jossa kysymykset ovat tervetulleita ja tieto jaetaan avoimesti.

Jos sinulla on palautetta tuotteesta tai kohtaat virheitä rakentamisen aikana, käy:

---

Vastuuvapauslauseke: Tämä asiakirja on käännetty tekoälykäännöspalvelulla Co-op Translator. Vaikka pyrimme tarkkuuteen, on hyvä huomioida, että automaattisissa käännöksissä saattaa esiintyä virheitä tai epätarkkuuksia. Alkuperäistä asiakirjaa sen omalla kielellä tulee pitää virallisena lähteenä. Tärkeiden tietojen osalta suositellaan ammattimaista ihmiskäännöstä. Emme ole vastuussa tämän käännöksen käytöstä mahdollisesti aiheutuvista väärinymmärryksistä tai tulkinnoista.