Data-Science-For-Beginners/translations/fi

Data-analytiikka aloittelijoille - Opetussuunnitelma

Microsoftin Azure Cloud Advocates -tiimi iloitsee tarjotessaan 10-viikkoisen, 20-oppitunnin opetussuunnitelman, joka käsittelee data-analytiikkaa. Jokainen oppitunti sisältää ennakkokokeen ja jälkikokeen, kirjalliset ohjeet oppitunnin suorittamiseen, ratkaisun ja tehtävän. Projektipohjainen pedagogiikkamme antaa sinun oppia rakentamalla — todistettu tapa, jolla uudet taidot "juurtuvat".

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

🙏 Erityiskiitokset 🙏 Microsoft Student Ambassador -kirjoittajille, tarkastajille ja sisällön tekijöille, 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-analytiikka aloittelijoille - Sketchnote, tekijä @nitya

🌐 Monikielinen tuki

Tuettu GitHub Actionin kautta (automaattinen ja aina ajan tasalla)

Arabia | Bengali | Bulgaria | Burmalainen (Myanmar) | Kiina (yksinkertaistettu) | Kiina (perinteinen, Hongkong) | Kiina (perinteinen, Makao) | Kiina (perinteinen, Taiwan) | Kroatia | Tšekki | Tanska | Hollanti | Viro | Suomi | Ranska | Saksa | Kreikka | Heprea | Hindi | Unkari | Indonesia | Italia | Japani | Kannada | Korea | Liettua | Malaiji | Malayalam | Marathi | Nepali | Nigerialainen pidgin | Norja | Persia (farsi) | Puola | Portugali (Brasilia) | Portugali (Portugali) | Pandžabi (Gurmukhi) | Romania | Venäjä | Serbia (kyrillinen) | Slovakki | Sloveeni | Espanja | Swahili | Ruotsi | Tagalog (filipino) | Tamili | Telugu | Thai | Turkki | Ukraina | Urdu | Vietnami

Jos haluat lisätä tukemia käännöskieliä, tuetut kielet on lueteltu tässä

Liity yhteisöömme

Meillä on käynnissä Discord-sarja Learn with AI, lue lisää ja liity Learn with AI Series -tapahtumaan 18.–30. syyskuuta 2025. Saat vinkkejä ja niksejä GitHub Copilotin käyttämiseen data-analytiikassa.

Oletko opiskelija?

Aloita seuraavista resursseista:

• Student Hub -sivu Tältä sivulta löydät aloittelijoille suunnattuja resursseja, opiskelijapakkauksia ja jopa tapoja saada ilmainen sertifikaattikuponki. Tämä on sivu, jonka haluat lisätä kirjanmerkkeihin ja tarkistaa aika ajoin, sillä päivitämme sisältöä vähintään kuukausittain.
• Microsoft Learn Student Ambassadors Liity maailmanlaajuiseen Student Ambassadors -yhteisöön; tämä voi olla sinun tiesi Microsoftiin.

Aloittaminen

📚 Dokumentaatio

• Asennusopas - Vaiheittaiset asennusohjeet aloittelijoille
• Käyttöopas - Esimerkkejä ja yleisiä työnkulkuja
• Vianmääritys - Ratkaisuja yleisiin ongelmiin
• Osallistumisopas - Ohjeet projektin kehittämiseen
• Opettajille - Opetusohjeet ja luokkahuoneresurssit

👨‍🎓 Opiskelijoille

Täysin aloittelijat: Uusi data-analytiikassa? 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 tee harjoitukset itse aloittaen ennakkokokeella. Lue sitten luento ja suorita loput aktiviteeteista. Yritä luoda projektit ymmärtämällä oppitunnit sen sijaan, että kopioisit ratkaisukoodia; kyseinen koodi on kuitenkin saatavilla kunkin projektilähtöisen oppitunnin /solutions-kansioissa. Toinen idea on muodostaa opiskeluryhmä ystävien kanssa ja käydä sisältö yhdessä läpi. Jatko-opiskelua varten suosittelemme Microsoft Learnia.

Pika-aloitus:

1. Tarkista Asennusopas asettaaksesi ympäristösi
2. Tutustu Käyttöoppaaseen oppiaksesi miten työskennellä opetussuunnitelman kanssa
3. Aloita Oppitunnista 1 ja etene peräkkäin
4. Liity Discord-yhteisöömme saadaksesi tukea

👩‍🏫 Opettajille

Opettajat: olemme sisällyttäneet joitakin ehdotuksia siitä, miten käyttää tätä opetussuunnitelmaa. Haluaisimme kuulla palautteesi keskustelufoorumillamme!

Tutustu tiimiin

Gif tekijä Mohit Jaisal

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

Pedagogiikka

Olemme valinneet kaksi opetuksellista periaatetta rakentaessamme tätä opetussuunnitelmaa: sen tulee olla projektipohjainen ja sen tulee sisältää usein toistuvia tietokilpailuja. Tämän sarjan loppuun mennessä opiskelijat ovat oppineet datatieteen perusperiaatteet, mukaan lukien eettiset käsitteet, datan valmistelun, erilaiset tavat työskennellä datan kanssa, datan visualisoinnin, data-analyysin, datatieteen käytännön käyttötapaukset ja muuta.

Lisäksi vähän panoksia vaativa ennakkotesti ennen tuntia suuntaa opiskelijan aikomusta oppia aihetta, ja toinen testi tunnin jälkeen varmistaa paremman muistamisen. Tämä opetussuunnitelma on suunniteltu joustavaksi ja hauskaksi, ja sen voi suorittaa kokonaan tai osittain. Projektit alkavat pienestä ja monimutkaistuvat vähitellen 10 viikon jakson loppuun mennessä.

Löydät käyttäytymisohjeemme, ohjeet osallistumiseen, käännösohjeet. Otamme mielellämme vastaan rakentavaa palautettasi!

Jokainen oppitunti sisältää:

• Valinnainen sketchnote
• Valinnainen lisävideo
• Lämmittelykysely ennen oppituntia
• Kirjallinen oppitunti
• Projektipohjaisissa oppitunneissa vaiheittaiset ohjeet projektin rakentamiseen
• Tiedon tarkistuksia
• Haaste
• Lisälukemisto
• Tehtävä
• Oppitunnin jälkeinen tietokilpailu

Huomio tietokilpailuista: Kaikki tietokilpailut ovat Quiz-App-kansiossa, yhteensä 40 tietokilpailua, joissa jokaisessa on kolme kysymystä. Ne linkitetään oppitunneista, mutta tietokilpailusovellusta voi ajaa paikallisesti tai ottaa käyttöön Azureen; noudata ohjeita quiz-app-kansiossa. Niitä lokalisoidaan vähitellen.

🎓 Aloittelijaystävälliset esimerkit

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

• 🌟 Hello World - Ensimmäinen datatieteen ohjelmasi
• 📂 Loading Data - Opi lukemaan ja tutkimaan aineistoja
• 📊 Simple Analysis - Laske tilastot ja etsi kuvioita
• 📈 Basic Visualization - Luo kaavioita ja graafeja
• 🔬 Real-World Project - Kokonainen työnkulku alusta loppuun

Jokainen esimerkki sisältää yksityiskohtaiset kommentit, jotka selittävät jokaisen vaiheen, joten ne sopivat erinomaisesti täysin aloitteleville!

👉 Aloita esimerkeistä 👈

Oppitunnit

Datatiede aloittelijoille: tiekartta - Sketchnote tekijä @nitya

Oppitunnin numero	Aihe	Oppitunnin ryhmittely	Oppimistavoitteet	Liitetty oppitunti	Tekijä
01	Datatieteen määrittely	Johdanto	Opit datatieteen peruskäsitteet ja miten se liittyy tekoälyyn, koneoppimiseen ja big dataan.	oppitunti video	Dmitry
02	Datatieteen etiikka	Johdanto	Datan eettiset käsitteet, haasteet ja viitekehykset.	oppitunti	Nitya
03	Datan määrittely	Johdanto	Miten data luokitellaan ja sen yleisimmät lähteet.	oppitunti	Jasmine
04	Johdatus tilastotieteeseen ja todennäköisyyslaskentaan	Johdanto	Todennäköisyys- ja tilastolliset matemaattiset menetelmät datan ymmärtämiseen.	oppitunti video	Dmitry
05	Relaatiotietojen käsittely	Tietojen käsittely	Johdatus relaatiotietoihin ja perusteet relaatiotietojen tutkimisesta ja analysoinnista käyttäen Structured Query Languagea, joka tunnetaan myös nimellä SQL (lausutaan “see-quell”).	oppitunti	Christopher
06	NoSQL-datan käsittely	Tietojen käsittely	Johdatus ei-relaatiotyyppiseen dataan, sen eri tyyppeihin ja perusteet dokumenttitietokantojen tutkimisesta ja analysoinnista.	oppitunti	Jasmine
07	Pythonin käyttö	Tietojen käsittely	Perusteet Pythonin käytöstä datan tutkimiseen kirjastoilla kuten Pandas. Suositellaan perustavaa ymmärrystä Python-ohjelmoinnista.	oppitunti video	Dmitry
08	Datan valmistelu	Tietojen käsittely	Aiheita datan puhdistuksesta ja muokkaamisesta, jotta voidaan käsitellä puuttuvaa, virheellistä tai epätäydellistä dataa.	oppitunti	Jasmine
09	Määrien visualisointi	Datan visualisointi	Opi käyttämään Matplotlibia lintudatan visualisointiin 🦆	oppitunti	Jen
10	Datan jakaumien visualisointi	Datan visualisointi	Havaintojen ja trendien visualisointi tietyllä välillä.	oppitunti	Jen
11	Prosenttiosuuksien visualisointi	Datan visualisointi	Diskreettisten ja ryhmiteltyjen prosenttiosuuksien visualisointi.	oppitunti	Jen
12	Suhteiden visualisointi	Datan visualisointi	Yhdistysten ja korrelaatioiden visualisointi datakokonaisuuksien ja niiden muuttujien välillä.	oppitunti	Jen
13	Merkitykselliset visualisoinnit	Datan visualisointi	Tekniikoita ja ohjeita, joiden avulla visualisoinneistasi tulee arvokkaita ongelmanratkaisulle ja oivalluksille.	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 keskittyy esittämään datasta saadut oivallukset siten, että päätöksentekijöiden on helpompi ymmärtää ne.	oppitunti	Jalen
17	Datatiede pilvessä	Pilvidata	Tämä oppituntisarja esittelee datatiedettä pilvessä ja sen hyödyt.	oppitunti	Tiffany and Maud
18	Datatiede pilvessä	Pilvidata	Mallien kouluttaminen matalakoodityökaluilla.	oppitunti	Tiffany and Maud
19	Datatiede pilvessä	Pilvidata	Mallien käyttöönotto Azure Machine Learning Studion avulla.	oppitunti	Tiffany and Maud
20	Datatiede käytännössä	Käytännön esimerkit	Datatieteen ohjaamat projektit tosielämässä.	oppitunti	Nitya

GitHub Codespaces

Follow these steps to open this sample in a Codespace:

1. Klikkaa Code-pudotusvalikkoa ja valitse Open with Codespaces -vaihtoehto.
2. Valitse + New codespace paneelin alareunasta. For more info, check out the GitHub documentation.

VSCode Remote - Containers

Follow these steps to open this repo in a container using your local machine and VSCode using the VS Code Remote - Containers extension:

1. If this is your first time using a development container, please ensure your system meets the pre-reqs (i.e. have Docker installed) in aloitusohjeet.

To use this repository, you can either open the repository in an isolated Docker volume:

Huom: Under the hood, this will use the Remote-Containers: Clone Repository in Container Volume... command to clone the source code in a Docker volume instead of the local filesystem. Volumes are the preferred mechanism for persisting container data.

Or open a locally cloned or downloaded version of the repository:

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

Offline access

Voit ajaa tämän dokumentaation offline-tilassa käyttämällä Docsify. Forkkaa tämä repositorio, asenna Docsify paikalliselle koneellesi, sitten tämän repositorion juurikansiossa suorita docsify serve. Sivusto palvellaan portissa 3000 osoitteessa localhost:3000.

Huomio: Notebookit eivät renderöidy Docsifyn kautta, joten kun sinun täytyy ajaa notebook, tee se erikseen VS Codessa Python-ytimen kanssa.

Muut opetussuunnitelmat

Tiimimme tuottaa myös muita opetussuunnitelmia! Tutustu:

LangChain

---

Azure / Edge / MCP / Agents

---

Generatiivinen tekoäly -sarja

---

Perusopinnot

---

Copilot-sarja

Apua

Koetko ongelmia? Katso Vianmääritysopas yleisten ongelmien ratkaisuja varten.

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

Jos sinulla on tuotepalautetta tai kohtaat virheitä kehityksen aikana, vieraile:

---

Vastuuvapauslauseke: Tämä asiakirja on käännetty tekoälykäännöspalvelulla Co-op Translator (https://github.com/Azure/co-op-translator). Vaikka pyrimme tarkkuuteen, huomioithan, että automaattikäännöksissä voi esiintyä virheitä tai epätarkkuuksia. Alkuperäistä asiakirjaa sen alkuperäiskielellä tulee pitää määräävänä lähteenä. Tärkeissä asioissa suositellaan ammattimaista ihmiskäännöstä. Emme ole vastuussa tämän käännöksen käytöstä aiheutuvista väärinymmärryksistä tai virhetulkinnoista.