Data-Science-For-Beginners/translations/fi

Data Science for Beginners - A Curriculum

Microsoftin Azure Cloud Advocates -tiimi tarjoaa mielellään 10 viikon, 20 oppitunnin opetussuunnitelman, joka käsittelee datatiedettä. Jokainen oppitunti sisältää ennakko- ja jälkitehtävät, kirjalliset ohjeet oppitunnin suorittamiseen, ratkaisun ja tehtävän. Projektipohjainen pedagogiikkamme antaa sinun oppia rakentamalla — todistettu tapa, jonka avulla uudet taidot "juurtuvat".

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

🙏 Erityiskiitos 🙏 Microsoft Student Ambassador -kirjoittajille, tarkistajille ja sisällönavustajille, 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 For Beginners - Sketchnote tekijältä @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 lisätä tuettuja käännöskieliä, käytössä olevat kielet löytyvät täältä

Liity yhteisöömme

Meillä on käynnissä Discordissa Learn with AI -sarja; lisätietoja ja liity mukaan osoitteessa Learn with AI -sarja ajanjaksolla 18.–30. syyskuuta 2025. Saat vinkkejä ja niksejä GitHub Copilotin käyttämiseen datatieteessä.

Oletko opiskelija?

Aloita seuraavista resursseista:

• Student Hub -sivu Tältä sivulta löydät aloittelijoille suunnattuja resursseja, opiskelijapaketit ja jopa tapoja saada ilmainen sertifikaattivoucher. Tämä on yksi sivu, jonka haluat lisätä kirjanmerkkeihin ja tarkistaa säännöllisesti, sillä päivitämme sisältöä vähintään kuukausittain.
• Microsoft Learn Student Ambassadors -ohjelma Liity globaalin opiskelija-ambassadoreiden yhteisöön — tämä voi olla porttisi Microsoftiin.

Aloittaminen

📚 Dokumentaatio

• Asennusopas - Askel askeleelta -ohjeet ympäristön pystyttämiseen aloittelijoille
• Käyttöohje - Esimerkkejä ja yleisiä työnkulkumalleja
• Vianmääritys - Ratkaisuja yleisiin ongelmiin
• Osallistumisohjeet - Kuinka osallistua tähän projektiin
• Opettajille - Opetukseen liittyviä ohjeita ja luokkahuoneen resursseja

👨‍🎓 Opiskelijoille

Täydelliset aloittelijat: Uusi datatieteessä? Aloita aloittelijoille sopivista 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 ennakkokyselyllä. Lue sitten luentomateriaali ja suorita loput aktiviteeteista. Yritä luoda projektit ymmärtämällä oppitunnit sen sijaan, että kopioit ratkaisukoodin; ratkaisukoodit löytyvät kuitenkin /solutions-kansioista jokaisessa projektilähtöisessä oppitunnissa. Toinen idea on muodostaa opiskeluryhmä ystävien kanssa ja käydä sisältö yhdessä läpi. Lisäopiskelua varten suosittelemme Microsoft Learnia.

Pika-aloitus:

1. Tarkista Asennusopas asettaaksesi ympäristösi
2. Lue läpi Käyttöohje oppiaksesi työskentelemään opetussuunnitelman kanssa
3. Aloita Oppitunnista 1 ja etene järjestyksessä
4. Liity Discord-yhteisöömme saadaksesi tukea

👩‍🏫 Opettajille

Opettajat: olemme lisänneet joitain ehdotuksia siitä, miten tätä opetussuunnitelmaa voi käyttää. Haluaisimme kuulla palautteesi keskustelufoorumissamme!

Tutustu tiimiin

Gif tekijältä Mohit Jaisal

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

Pedagogiikka

Olemme valinneet kaksi pedagogista periaatetta tämän opetussuunnitelman rakentamisessa: varmistaa, että se perustuu projekteihin, ja että siihen sisältyy usein quiz-testejä. Tämän sarjan lopussa opiskelijat ovat oppineet data-analytiikan perusperiaatteet, mukaan lukien eettiset käsitteet, datan valmistelun, erilaiset tavat työskennellä datan kanssa, datan visualisoinnin, data-analyysin, data-analytiikan todelliset käyttötapaukset ja muuta.

Lisäksi matalan panoksen quiz ennen tuntia suuntaa opiskelijan aikomusta oppia aihetta, kun taas toinen quiz tunnin jälkeen varmistaa paremman mieleenpainumisen. Tämä opetussuunnitelma on suunniteltu joustavaksi ja hauskoiksi ja sen voi suorittaa kokonaan tai osittain. Projektit alkavat pienestä ja kasvavat yhä monimutkaisemmiksi 10 viikon syklin loppuun mennessä.

Löydät meidän Käyttäytymissäännöt, Osallistuminen, Käännökset ohjeet. Otamme mielellämme vastaan rakentavaa palautettasi!

Jokainen oppitunti sisältää:

• Valinnainen sketchnote
• Valinnainen lisävideon
• Ennen oppituntia oleva lämmittelyquiz
• Kirjallinen oppitunti
• Projektiperusteisissa oppitunneissa vaiheittaiset ohjeet projektin rakentamiseen
• Tiedon tarkistuksia
• Haasteen
• Lisälukemista
• Tehtävän
• Oppitunnon jälkeinen quiz

Huomautus quizeistä: Kaikki quizit sijaitsevat Quiz-App-kansiossa, yhteensä 40 quizia, joissa jokaisessa on kolme kysymystä. Ne on linkitetty oppitunneista, mutta quiz-sovellusta voi ajaa paikallisesti tai ottaa käyttöön Azureen; seuraa ohjeita quiz-app-kansiossa. Niitä lokalisoidaan vähitellen.

🎓 Aloittelijaystävälliset esimerkit

Uusi data-analytiikassa? Olemme luoneet erityisen esimerkkihakemiston, jossa on yksinkertaista ja hyvin kommentoitua koodia auttamaan sinua alkuun:

• 🌟 Hello World - Ensimmäinen data-analytiikkaohjelmasi
• 📂 Datan lataaminen - Opi lukemaan ja tutkimaan datasettejä
• 📊 Yksinkertainen analyysi - Laske tilastot ja löydä malleja
• 📈 Perusvisualisointi - Luo kaavioita ja diagrammeja
• 🔬 Todellinen projekti - Täysi työnkulku alusta loppuun

Jokainen esimerkki sisältää yksityiskohtaisia kommentteja, jotka selittävät jokaisen vaiheen, joten ne sopivat erinomaisesti aivan aloitteleville!

👉 Aloita esimerkeillä 👈

Oppitunnit

Data-analytiikka aloittelijoille: Tiekartta - Sketchnote by @nitya

Lesson Number	Topic	Lesson Grouping	Learning Objectives	Linked Lesson	Author
01	Data-analytiikan määrittely	Introduction	Tutustu data-analytiikan peruskäsitteisiin ja siihen, miten se liittyy tekoälyyn, koneoppimiseen ja big dataan.	lesson video	Dmitry
02	Datan etiikka	Introduction	Datan etiikan käsitteet, haasteet ja viitekehykset.	lesson	Nitya
03	Datan määrittely	Introduction	Miten dataa luokitellaan ja sen yleiset lähteet.	lesson	Jasmine
04	Johdatus tilastotieteeseen ja todennäköisyyslaskentaan	Introduction	Todennäköisyys- ja tilastomenetelmät datan ymmärtämiseksi.	lesson video	Dmitry
05	Relaatiotietojen käsittely	Working With Data	Johdanto relaatiotietoihin ja perustiedot relaatiotietojen tutkimisesta ja analysoinnista Structured Query Language -kielen (tunnetaan myös nimellä SQL, lausutaan “see-quell”) avulla.	lesson	Christopher
06	NoSQL-datan käsittely	Working With Data	Johdatus ei-relaatiotyyppiseen dataan, sen eri tyyppeihin ja dokumenttitietokantojen tutkimisen ja analysoinnin perusteisiin.	lesson	Jasmine
07	Pythonin käyttö	Working With Data	Perusteet Pythonin käytöstä datan tutkimiseen kirjastoilla kuten Pandas. Suositellaan perustietämystä Python-ohjelmoinnista.	lesson video	Dmitry
08	Datan valmistelu	Working With Data	Aiheita datan puhdistus- ja muuntelutekniikoista, jotta voidaan käsitellä puuttuvan, epätarkan tai keskeneräisen datan haasteita.	lesson	Jasmine
09	Määrien visualisointi	Data Visualization	Opi käyttämään Matplotlibia lintudatan visualisointiin 🦆	lesson	Jen
10	Datan jakaumien visualisointi	Data Visualization	Havaintojen ja trendien visualisointi tietyllä välillä.	lesson	Jen
11	Osuuksien visualisointi	Data Visualization	Diskreettien ja ryhmiteltyjen prosenttiosuuksien visualisointi.	lesson	Jen
12	Suhteiden visualisointi	Data Visualization	Yhteyksien ja korrelaatioiden visualisointi eri datakokonaisuuksien ja niiden muuttujien välillä.	lesson	Jen
13	Merkitykselliset visualisoinnit	Data Visualization	Tekniikat ja ohjeet, joiden avulla visualisoinnista tulee arvokas tehokkaaseen ongelmanratkaisuun ja oivalluksiin.	lesson	Jen
14	Johdanto data-analytiikan elinkaareen	Lifecycle	Johdatus data-analytiikan elinkaareen ja sen ensimmäiseen vaiheeseen, datan hankintaan ja uuttamiseen.	lesson	Jasmine
15	Analysointi	Lifecycle	Tämä vaihe data-analytiikan elinkaaresta keskittyy datan analysointitekniikoihin.	lesson	Jasmine
16	Viestintä	Lifecycle	Tämä vaihe data-analytiikan elinkaaresta keskittyy datasta saatujen oivallusten esittämiseen tavalla, joka helpottaa päätöksentekijöiden ymmärtämistä.	lesson	Jalen
17	Data-analytiikka pilvessä	Cloud Data	Tämä oppituntisarja esittelee pilvipohjaista data-analytiikkaa ja sen etuja.	lesson	Tiffany and Maud
18	Data-analytiikka pilvessä	Cloud Data	Mallien kouluttaminen Low Code -työkaluilla.	lesson	Tiffany and Maud
19	Data-analytiikka pilvessä	Cloud Data	Mallien käyttöönotto Azure Machine Learning Studiolla.	lesson	Tiffany and Maud
20	Data-analytiikka käytännössä	In the Wild	Data-analytiikkaan perustuvat projektit tosielämässä.	lesson	Nitya

GitHub Codespaces

Noudata näitä ohjeita avataksesi tämän mallin Codespacessa:

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

VSCode Remote - Containers

Noudata näitä ohjeita avataksesi tämän repositorion kontissa käyttämällä paikallista konettasi ja VS Codea VS Code Remote - Containers -laajennuksen avulla:

1. Jos käytät kehityssäilöä (development container) ensimmäistä kertaa, varmista, että järjestelmäsi täyttää ennakkoedellytykset (esim. Docker on asennettu) kohdassa aloitusohjeet.

Käyttääksesi tätä repositoriota voit joko avata repositorion eristetyssä Docker-volyymissa:

Huom. Taustalla tämä käyttää Remote-Containers: Clone Repository in Container Volume... -komentoa kloonaamaan lähdekoodin Docker-volyymiin paikallisen tiedostojärjestelmän sijaan. Volyymit ovat suositeltu tapa säilyttää säilön dataa.

Tai avaa 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 säilön käynnistymistä ja kokeile.

Offline-käyttö

Voit ajaa tämän dokumentaation offline-tilassa käyttämällä Docsify. Forkkaa tämä repo, asenna Docsify paikalliselle koneellesi, sitten tämän repositorion juurihakemistossa kirjoita docsify serve. Sivusto palvelee osoitteessa portti 3000 paikallisessa koneessasi: localhost:3000.

Huomaa, muistikirjoja (notebookeja) ei renderöidä Docsifyllä, joten kun tarvitset notebookin suorittamista, suorita se erikseen VS Codessa Python-ytimen kanssa.

Muut opetussuunnitelmat

Tiimimme tuottaa muitakin opetussuunnitelmia! Tutustu:

LangChain

---

Azure / Edge / MCP / Agents

---

Generatiivinen tekoäly -sarja

---

Perusopinnot

---

Copilot-sarja

Hanki apua

Koetko ongelmia? Katso Vianmääritysopas saadaksesi ratkaisuja yleisiin ongelmiin.

Jos jumitut tai sinulla on kysyttävää AI‑sovellusten rakentamisesta, liity muiden oppijoiden ja kokeneiden kehittäjien keskusteluihin MCP:stä. Se on kannustava yhteisö, jossa kysymyksiin suhtaudutaan avoimesti ja tietoa jaetaan vapaasti.

Jos sinulla on tuotepalautetta tai kohtaat virheitä rakentamisen aikana, käy:

---

Vastuuvapauslauseke: Tämä asiakirja on käännetty käyttämällä tekoälypohjaista käännöspalvelua Co-op Translator (https://github.com/Azure/co-op-translator). Vaikka pyrimme tarkkuuteen, huomioithan, että automaattikäännöksissä saattaa esiintyä virheitä tai epätarkkuuksia. Alkuperäistä asiakirjaa sen alkuperäisellä kielellä on pidettävä virallisena lähteenä. Tärkeiden tietojen osalta suosittelemme ammattimaista ihmiskäännöstä. Emme ole vastuussa tämän käännöksen käytöstä aiheutuvista väärinymmärryksistä tai virheellisistä tulkinnoista.