Data-Science-For-Beginners/translations/fi

Data Science aloittelijoille - Opetussuunnitelma

Microsoftin Azure Cloud Advocates -tiimi tarjoaa ilolla 10 viikon, 20 oppitunnin opetussuunnitelman, joka käsittelee data-analytiikkaa. Jokainen oppitunti sisältää ennakkokyselyn ja jälkikyselyn, kirjalliset ohjeet oppitunnin suorittamiseen, ratkaisun ja tehtävän. Projektipohjainen oppimismenetelmämme auttaa sinua oppimaan rakentamisen kautta, mikä on todistetusti tehokas tapa omaksua uusia taitoja.

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

🙏 Erityiskiitos 🙏 Microsoft Student Ambassador -kirjoittajille, arvioijille ja sisällöntuottajille, kuten 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 by @nitya

🌐 Monikielinen tuki

Tuettu GitHub-toiminnon 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 kielikäännöksiä, tuetut kielet löytyvät täältä

Liity yhteisöömme

Meillä on käynnissä Discordissa oppimissarja tekoälyn kanssa. Lue lisää ja liity mukaan Learn with AI Series 18.–30. 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 vaihdamme sisältöä vähintään kuukausittain.
• Microsoft Learn Student Ambassadors Liity maailmanlaajuiseen opiskelijalähettiläiden yhteisöön, tämä voi olla sinun tiesi Microsoftiin.

Aloittaminen

Täysin aloittelijat: Uusi data-analytiikassa? Aloita aloittelijaystävällisistä esimerkeistä! Nämä yksinkertaiset ja hyvin kommentoidut esimerkit auttavat sinua ymmärtämään perusteet ennen kuin sukellat koko opetussuunnitelmaan.

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

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

Tutustu tiimiin

Gif by Mohit Jaisal

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

Pedagogiikka

Olemme valinneet kaksi pedagogista periaatetta tätä opetussuunnitelmaa rakentaessamme: 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 loppuun mennessä.

Löydä Code of Conduct, Contributing, Translation ohjeet. Otamme mielellämme vastaan rakentavaa palautettasi!

Jokainen oppitunti sisältää:

• Valinnainen sketchnote
• Valinnainen lisävideo
• Ennakkokysely
• Kirjallinen oppitunti
• Projektipohjaisissa oppitunneissa vaiheittaiset ohjeet projektin rakentamiseen
• Tietotarkistukset
• Haaste
• Lisälukemista
• Tehtävä
• Jälkikysely

Huomio visailuista: Kaikki visailut löytyvät Quiz-App-kansiosta, yhteensä 40 visailua, joissa on kolme kysymystä kussakin. Ne on linkitetty oppituntien sisälle, mutta visailusovellusta voi ajaa paikallisesti tai julkaista Azureen; seuraa ohjeita quiz-app-kansiossa. Visailut lokalisoidaan vähitellen.

🎓 Aloittelijaystävälliset esimerkit

Uusi datatieteessä? Olemme luoneet erityisen esimerkkikansion, jossa on yksinkertaista ja hyvin kommentoitua koodia, joka auttaa sinua pääsemään alkuun:

• 🌟 Hello World - Ensimmäinen datatiedeohjelmasi
• 📂 Datan lataaminen - Opettele lukemaan ja tutkimaan datasetit
• 📊 Yksinkertainen analyysi - Laske tilastoja ja löydä kuvioita
• 📈 Perusvisualisointi - Luo kaavioita ja grafiikoita
• 🔬 Reaaliaikainen projekti - Koko työnkulku alusta loppuun

Jokainen esimerkki sisältää yksityiskohtaisia kommentteja, jotka selittävät jokaisen vaiheen, joten ne sopivat täydellisesti aloittelijoille!

👉 Aloita esimerkeistä 👈

Oppitunnit

Datatiede aloittelijoille: Reittikartta - Sketchnote by @nitya

Oppitunnin numero	Aihe	Oppituntiryhmä	Oppimistavoitteet	Linkitetty oppitunti	Kirjoittaja
01	Datatieteen määrittely	Johdanto	Opettele datatieteen peruskäsitteet ja sen yhteys tekoälyyn, koneoppimiseen ja big dataan.	oppitunti video	Dmitry
02	Datatieteen etiikka	Johdanto	Datan etiikan käsitteet, haasteet ja viitekehykset.	oppitunti	Nitya
03	Datan määrittely	Johdanto	Miten data luokitellaan ja sen yleiset lähteet.	oppitunti	Jasmine
04	Johdatus tilastotieteeseen ja todennäköisyyteen	Johdanto	Matematiikan tekniikat todennäköisyyden ja tilastotieteen avulla datan ymmärtämiseksi.	oppitunti video	Dmitry
05	Työskentely relaatiodatan kanssa	Työskentely datan kanssa	Johdatus relaatiodataan ja SQL:n (lausutaan "see-quell") perusteet relaatiodatan tutkimiseen ja analysointiin.	oppitunti	Christopher
06	Työskentely NoSQL-datan kanssa	Työskentely datan kanssa	Johdatus ei-relaatiodataan, sen eri tyyppeihin ja dokumenttitietokantojen tutkimisen ja analysoinnin perusteisiin.	oppitunti	Jasmine
07	Työskentely Pythonin kanssa	Työskentely datan kanssa	Pythonin käyttö datan tutkimiseen Pandas-kirjaston avulla. Suositellaan Python-ohjelmoinnin perustietämystä.	oppitunti video	Dmitry
08	Datan valmistelu	Työskentely datan kanssa	Aiheita datan puhdistamisen ja muuntamisen tekniikoista, jotka käsittelevät puuttuvan, epätarkan tai puutteellisen datan haasteita.	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	Suhteiden visualisointi	Datan visualisointi	Yhteyksien ja korrelaatioiden visualisointi datan joukkojen ja niiden muuttujien välillä.	oppitunti	Jen
12	Merkitykselliset visualisoinnit	Datan visualisointi	Tekniikat ja ohjeet, jotka tekevät visualisoinneistasi arvokkaita tehokkaaseen ongelmanratkaisuun ja oivalluksiin.	oppitunti	Jen
13	Johdatus datatieteen elinkaareen	Elinkaari	Johdatus datatieteen elinkaareen ja sen ensimmäiseen vaiheeseen, datan hankintaan ja uuttamiseen.	oppitunti	Jasmine
14	Analysointi	Elinkaari	Datatieteen elinkaaren vaihe, joka keskittyy datan analysointitekniikoihin.	oppitunti	Jasmine
15	Viestintä	Elinkaari	Datatieteen elinkaaren vaihe, joka keskittyy datasta saatujen oivallusten esittämiseen päätöksentekijöille ymmärrettävällä tavalla.	oppitunti	Jalen
16	Datatiede pilvessä	Pilvidata	Oppituntisarja, joka esittelee datatieteen pilvessä ja sen hyödyt.	oppitunti	Tiffany ja Maud
17	Datatiede pilvessä	Pilvidata	Mallien kouluttaminen Low Code -työkaluilla.	oppitunti	Tiffany ja Maud
18	Datatiede pilvessä	Pilvidata	Mallien julkaiseminen Azure Machine Learning Studiossa.	oppitunti	Tiffany ja Maud
19	Datatiede tosielämässä	Tosielämässä	Datatieteen ohjaamat 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) aloitusdokumentaatiossa.

Voit käyttää tätä repositoriota joko avaamalla sen eristetyssä Docker-volyymissa:

Huomio: Tämä käyttää taustalla Remote-Containers: Clone Repository in Container Volume... -komentoa kloonatakseen lähdekoodin Docker-volyymiin paikallisen tiedostojärjestelmän sijaan. Volyymit ovat suositeltu tapa säilyttää konttidata.

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 kopio tästä kansiosta, odota konttia käynnistymään ja kokeile asioita.

Offline-käyttö

Voit käyttää tätä dokumentaatiota offline-tilassa käyttämällä Docsifyä. Haaroita 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 suorittamista, tee se erikseen VS Codessa Python-ytimen avulla.

Muut opetusohjelmat

Tiimimme tuottaa muita opetusohjelmia! Tutustu:

• Edge AI aloittelijoille
• AI-agentit aloittelijoille
• Generatiivinen AI aloittelijoille
• Generatiivinen AI aloittelijoille .NET
• Generatiivinen AI JavaScriptillä
• Generatiivinen AI Javalla
• AI aloittelijoille
• Datatiede aloittelijoille
• Bash aloittelijoille
• ML aloittelijoille
• Kyberturvallisuus aloittelijoille
• Web-kehitys aloittelijoille
• IoT aloittelijoille
• Koneoppiminen aloittelijoille
• XR-kehitys aloittelijoille
• GitHub Copilotin hallinta AI-pariohjelmointiin
• XR-kehitys aloittelijoille
• GitHub Copilotin hallinta C#/.NET-kehittäjille
• Valitse oma Copilot-seikkailusi

Apua saatavilla

Jos jäät jumiin tai sinulla on kysymyksiä AI-sovellusten rakentamisesta, liity:

Jos sinulla on tuotepalautetta tai virheitä rakentamisen aikana, vieraile:

---

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.