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 ennakko- ja jälkikokeet, kirjalliset ohjeet oppitunnin suorittamiseen, ratkaisun ja tehtävän. Projektipohjainen opetustapamme mahdollistaa oppimisen samalla kun rakennat, mikä on todistettu tapa uusien taitojen omaksumiseen.

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

🙏 Erityiskiitos 🙏 Microsoft Student Ambassador -kirjoittajille, 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 - Sketchnote by @nitya

🌐 Monikielinen tuki

Tuettu GitHub Actionin kautta (automaattinen ja 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

Jos haluat lisäkielitukea, tuetut kielet löytyvät täältä

Liity yhteisöömme

Meillä on käynnissä Discordin 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 käyttämiseen Data Sciencessa.

Oletko opiskelija?

Aloita seuraavista resursseista:

• Student Hub -sivu Tältä sivulta löydät aloittelijoille sopivia resursseja, opiskelijapakkauksia ja jopa tapoja saada ilmainen sertifikaattikuponki. Tämä on sivu, jonka haluat lisätä kirjanmerkkeihin ja tarkistaa säännöllisesti, sillä sisältöä päivitetään vähintään kuukausittain.
• Microsoft Learn Student Ambassadors Liity maailmanlaajuiseen opiskelija-ambassadoreiden yhteisöön, tämä voi olla sinun tapasi päästä Microsoftille.

Aloittaminen

📚 Dokumentaatio

• Asennusopas - Vaiheittaiset asennusohjeet aloittelijoille
• Käyttöopas - Esimerkkejä ja yleisiä työnkulkuja
• Vianmääritys - Ratkaisuja yleisiin ongelmiin
• Osallistumisopas - Kuinka osallistua tähän projektiin
• Opettajille - Opetusohjeita ja luokkahuoneen resursseja

👨‍🎓 Opiskelijoille

Täysin aloittelijat: Uusi data sciencen parissa? Aloita aloittelijaystävällisistä esimerkeistämme! Nämä yksinkertaiset, hyvin kommentoidut esimerkit auttavat sinua ymmärtämään perusteet ennen kuin sukellat koko opetussuunnitelmaan. Opiskelijat: käyttääksesi tätä opetussuunnitelmaa itsenäisesti, tee fork koko repositoriosta ja suorita harjoitukset itse, aloittaen ennakkokokeella. Lue sitten luento ja suorita loput aktiviteeteista. Yritä luoda projektit ymmärtämällä oppitunnit sen sijaan, että kopioisit ratkaisukoodin; koodi on kuitenkin saatavilla /solutions-kansioissa jokaisessa projektilähtöisessä oppitunnissa. Toinen idea on muodostaa opiskeluryhmä ystävien kanssa ja käydä sisältö yhdessä läpi. Lisäopiskelua varten suosittelemme Microsoft Learnia.

Nopea aloitus:

1. Tarkista Asennusopas ympäristön asettamiseksi
2. Tutustu Käyttöoppaaseen oppiaksesi työskentelemään opetussuunnitelman kanssa
3. Aloita Oppitunnista 1 ja etene järjestyksessä
4. Liity Discord-yhteisöömme saadaksesi tukea

👩‍🏫 Opettajille

Opettajat: olemme sisällyttäneet joitakin ehdotuksia tämän opetussuunnitelman käyttämiseen. Haluaisimme kuulla palautteesi keskustelufoorumillamme!

Tutustu tiimiin

Gif: Mohit Jaisal

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

Pedagogiikka

Olemme valinneet kaksi pedagogista periaatetta tämän opetussuunnitelman rakentamisessa: varmistaa, että se on projektipohjainen ja että siihen sisältyy usein tehtäviä tietokilpailuja. 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 tietokilpailu ennen luentoa asettaa opiskelijan aikomuksen oppia aiheesta, kun taas toinen tietokilpailu luennon jälkeen varmistaa tiedon paremman säilymisen. Tämä opetussuunnitelma on suunniteltu joustavaksi ja hauskaksi, ja sen voi suorittaa kokonaan tai osittain. Projektit alkavat pieninä ja muuttuvat yhä monimutkaisemmiksi 10 viikon jakson loppua kohden.

Löydät meidän käyttäytymissäännöt, osallistumisohjeet, käännösohjeet. Otamme mielellämme vastaan rakentavaa palautettasi!

Jokainen oppitunti sisältää:

• Valinnaisen luonnosmuistiinpanon
• Valinnaisen lisävideon
• Ennen oppituntia tehtävän lämmittelytietokilpailun
• Kirjallisen oppitunnin
• Projektipohjaisissa oppitunneissa vaiheittaiset ohjeet projektin rakentamiseen
• Tietojen tarkistukset
• Haasteen
• Lisälukemista
• Tehtävän
• Oppitunnin jälkeisen tietokilpailun

Huomautus tietokilpailuista: Kaikki tietokilpailut löytyvät Quiz-App-kansiosta, yhteensä 40 tietokilpailua, joissa jokaisessa on kolme kysymystä. Ne on linkitetty oppitunneista, mutta tietokilpailusovellusta voi ajaa paikallisesti tai ottaa käyttöön Azureen; noudata ohjeita quiz-app-kansiossa. Ne ovat asteittain lokalisoitumassa.

🎓 Aloittelijaystävälliset esimerkit

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

• 🌟 Hello World - Ensimmäinen datatieteen ohjelmasi
• 📂 Datan lataaminen - 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 siitä täydellisen aloittelijoille!

👉 Aloita esimerkeistä 👈

Oppitunnit

Datatiede aloittelijoille: tiekartta - Luonnosmuistio @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	Miten data luokitellaan ja sen yleiset lähteet.	oppitunti	Jasmine
04	Johdatus tilastotieteeseen ja todennäköisyyslaskentaan	Johdanto	Todennäköisyyslaskennan ja tilastotieteen matemaattiset menetelmät datan ymmärtämiseen.	oppitunti video	Dmitry
05	Työskentely relaatiotietojen kanssa	Työskentely datan kanssa	Johdatus relaatiotietoihin ja perusasiat relaatiotietojen tutkimisesta ja analysoinnista rakenteellisen kyselykielen (SQL) avulla.	oppitunti	Christopher
06	Työskentely NoSQL-datan kanssa	Työskentely datan kanssa	Johdatus ei-relaatiotietoihin, niiden eri tyyppeihin ja perusasiat dokumenttitietokantojen tutkimisesta ja analysoinnista.	oppitunti	Jasmine
07	Työskentely Pythonin kanssa	Työskentely datan kanssa	Pythonin perusteet datan tutkimiseen Pandas-kirjastojen avulla. Perustason Python-ohjelmointitaito suositeltavaa.	oppitunti video	Dmitry
08	Datan valmistelu	Työskentely datan kanssa	Aiheita datan puhdistamiseen ja muuntamiseen liittyen, jotta voidaan käsitellä puuttuvaa, epätarkkaa tai puutteellista dataa.	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 aikavälillä.	oppitunti	Jen
11	Osuuksien visualisointi	Datan visualisointi	Diskreettien ja ryhmiteltyjen prosenttiosuuksien visualisointi.	oppitunti	Jen
12	Suhteiden visualisointi	Datan visualisointi	Yhteyksien ja korrelaatioiden visualisointi datan ja sen muuttujien välillä.	oppitunti	Jen
13	Merkitykselliset visualisoinnit	Datan visualisointi	Tekniikoita ja ohjeita visualisointien tekemiseen arvokkaiksi 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 elinkaaresta keskittyy datan analysointitekniikoihin.	oppitunti	Jasmine
16	Viestintä	Elinkaari	Tämä vaihe datatieteen elinkaaresta keskittyy datasta saatavien 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	Datatiede luonnossa	Luonnossa	Datatieteen ohjaamat projektit tosielämässä.	oppitunti	Nitya

GitHub Codespaces

Noudata näitä ohjeita avataksesi tämän esimerkin Codespacessa:

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

VSCode Remote - Containers

Noudata 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 (esim. Dockerin asennus) aloitusdokumentaation mukaisesti.

Tämän repositorion käyttämiseksi voit joko avata repositorion eristetyssä Docker-volyymissa:

Huom: Taustalla käytetään Remote-Containers: Clone Repository in Container Volume... -komentoa lähdekoodin kloonaamiseen Docker-volyymiin paikallisen tiedostojärjestelmän sijaan. Volyymit ovat suositeltu mekanismi konttidatan säilyttämiseen.

Tai avata 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 käyttämällä Docsify. Haarauta tämä repo, asenna Docsify paikalliselle koneellesi, ja kirjoita tämän repositorion juurikansiossa docsify serve. Verkkosivusto palvelee portissa 3000 paikallisessa koneessasi: localhost:3000.

Huomaa, että muistikirjoja ei renderöidä Docsifylla, joten kun tarvitset muistikirjan suorittamista, tee se erikseen VS Codessa Python-ytimen kanssa.

Muut opetussuunnitelmat

Tiimimme tuottaa myös muita opetussuunnitelmia! Tutustu:

LangChain

---

Azure / Edge / MCP / Agents

---

Generatiivisen tekoälyn sarja

---

Perusopiskelu

---

Copilot-sarja

Apua saatavilla

Koetko ongelmia? Katso Vianmääritysohjeemme yleisimpiin 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 saa esittää ja tietoa jaetaan vapaasti.

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

---

Vastuuvapauslauseke:
Tämä asiakirja on käännetty käyttämällä tekoälypohjaista käännöspalvelua Co-op Translator. Vaikka pyrimme tarkkuuteen, automaattiset käännökset saattavat sisältää virheitä tai epätarkkuuksia. Alkuperäistä asiakirjaa sen alkuperäiskielellä tulee pitää virallisena lähteenä. Tärkeissä asioissa suositellaan ammattimaista ihmiskäännöstä. Emme ole vastuussa tämän käännöksen käytöstä aiheutuvista väärinymmärryksistä tai tulkinnoista.