Data-Science-For-Beginners/translations/fi

Data Science aloittelijoille - Opetussuunnitelma

Microsoftin Azure Cloud Advocates ilolla tarjoavat 10 viikon, 20 oppitunnin opetussuunnitelman, joka käsittelee Data Sciencea. Jokainen oppitunti sisältää ennakko- ja jälkikyselyt, kirjalliset ohjeet oppitunnin suorittamiseen, ratkaisun sekä tehtävän. Projektipohjainen opetustapamme antaa sinun oppia samalla kun rakennat, mikä on todistettu tapa saada uudet taidot "jämähtämään".

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

🙏 Erityiskiitos 🙏 Microsoftin opiskelija-ambassadoreille, erityisesti Aaryan Aroralle, 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 avulla (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 kloonata paikallisesti?

Tämä arkisto sisältää yli 50 kielen käännökset, mikä lisää merkittävästi latauskokoa. Jos haluat kloonata ilman käännöksiä, käytä tiivistettyä 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 paljon nopeammalla latauksella.

Jos haluat lisäkielitukea, tuetut kielet löytyvät täältä

Liity yhteisöömme

Meillä on käynnissä Discord-oppimissarja AI:n kanssa, opi lisää ja liity mukaan osoitteessa Learn with AI Series 18.-30. syyskuuta 2025. Saat vinkkejä ja niksejä GitHub Copilotin käyttämiseen Data Science -tehtävissä.

Oletko opiskelija?

Aloita seuraavista resursseista:

• Opiskelijakeskus-sivu Tältä sivulta löydät aloittelijaystävällisiä resursseja, opiskelijapaketteja ja jopa tapoja saada ilmainen sertifikaattikuponki. Tämä on sivu, jonka haluat tallentaa kirjanmerkkeihisi ja tarkistaa säännöllisesti, sillä sisältöä päivitetään vähintään kerran kuukaudessa.
• Microsoft Learn Student Ambassadors Liity maailmanlaajuiseen opiskelija-ambassadoreiden yhteisöön, tämä voi olla sinun tapasi päästä Microsoftille töihin.

Aloittaminen

📚 Dokumentaatio

• Asennusopas - Aloittelijoille askel askeleelta asennusohjeet
• Käyttöopas - Esimerkkejä ja yleisiä työnkulkuja
• Ongelmanratkaisu - Ratkaisuja yleisiin ongelmiin
• Osallistumisopas - Kuinka osallistua tähän projektiin
• Opettajille - Opetusohjeita ja luokkaresursseja

👨‍🎓 Opiskelijoille

Täysin aloittelijat: Uusi data sciencen parissa? Ala meidän aloittelijaystävällisistä esimerkeistä! Nämä yksinkertaiset, hyvin kommentoidut esimerkit auttavat sinua ymmärtämään perusteet ennen täyden opetussuunnitelman aloittamista. Opiskelijat: käyttääksesi tätä opetussuunnitelmaa itsenäisesti, tee repo forkiksi ja suorita harjoitukset itse, aloittaen ennakkotestillä. Lue sitten luento ja suorita loput tehtävistä. Yritä luoda projektit ymmärtämällä oppitunnit, älä vain kopioimalla ratkaisukoodia; se on kuitenkin saatavilla /solutions-kansioissa jokaisessa projektilähtöisessä oppitunnissa. Toinen idea on perustaa opiskeluryhmä ystävien kanssa ja käydä sisältö yhdessä läpi. Syvempään opiskeluun suosittelemme Microsoft Learnia.

Nopea aloitus:

1. Katso Asennusopas ympäristösi perustamiseksi
2. Käy läpi Käyttöopas opetussuunnitelman käyttötapoja varten
3. Aloita Oppitunnista 1 ja etene järjestyksessä
4. Liity meidän Discord-yhteisöömme saadaksesi tukea

👩‍🏫 Opettajille

Opettajat: olemme lisänneet joitain ehdotuksia opetussuunnitelman käyttämiseen. Toivomme palautettasi keskustelufoorumissamme!

Tutustu tiimiin

Gif: Mohit Jaisal

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

Pedagogiikka

Olemme valinneet tämän opetussuunnitelman rakentamisessa kaksi pedagogista periaatetta: varmistamme, että se perustuu projekteihin ja että siihen sisältyy usein kyselyitä. Sarjan lopuksi opiskelijat ovat oppineet data-analytiikan perusperiaatteet, mukaan lukien eettiset käsitteet, datan valmistelun, erilaiset tavat työskennellä datan kanssa, datan visualisoinnin, datan analysoinnin, data-analytiikan käytännön käyttötapaukset ja paljon muuta.

Lisäksi matalan panoksen ennakkokysely ennen oppituntia asettaa opiskelijan oppimistavoitteen, kun taas toinen kysely oppitunnin jälkeen varmistaa tiedon pysyvyyden. Tämä opetussuunnitelma on suunniteltu joustavaksi ja hauskaksi ja sen voi käydä kokonaan tai osittain. Projektit alkavat pieninä ja monimutkaistuvat vähitellen 10 viikon jakson loppua kohden.

Löydät käyttäytymissääntömme, osallistumisohjeet ja käännösohjeet. Otamme mielellämme vastaan rakentavaa palautettasi!

Jokainen oppitunti sisältää:

• Valinnainen luonnosmuistiinpano
• Valinnainen lisävideo
• Ennakkokysely lämmittelyksi
• Kirjallinen oppitunti
• Projektipohjaisissa oppitunneissa askel askeleelta ohjeet projektin rakentamiseen
• Tiedon tarkistuksia
• Haasteen
• Lisälukemista
• Tehtävän
• Jälkikysely

Huomio kyselyistä: Kaikki kyselyt ovat Quiz-App-kansiossa, yhteensä 40 kyselyä, joissa jokaisessa on kolme kysymystä. Ne linkitetään oppitunneissa, mutta kyselyohjelman voi ajaa paikallisesti tai ottaa käyttöön Azureen; noudata ohjeita quiz-app-kansiossa. Ne ovat asteittain lokalisoitumassa.

🎓 Aloittelijaystävälliset esimerkit

Uusi data-analytiikassa? Olemme laatineet erityisen esimerkkihakemiston, jossa on yksinkertaista ja hyvin kommentoitua koodia auttamassa alkuun:

• 🌟 Hei maailma – Ensimmäinen data-analytiikkaohjelmasi
• 📂 Datan lataaminen – Opettele lukemaan ja tutkimaan aineistoja
• 📊 Yksinkertainen analyysi – Laske tilastoja ja etsi kuvioita
• 📈 Perusvisualisointi – Luo kaavioita ja graafeja
• 🔬 Todellinen projekti – Täysi työnkulku alusta loppuun

Jokainen esimerkki sisältää yksityiskohtaiset kommentit, jotka selittävät jokaisen vaiheen, joten se sopii täydellisesti aivan aloitteleville!

👉 Aloita esimerkeistä 👈

Oppitunnit

Data Science for Beginners: Roadmap - Luonnosmuistiinpano tekijältä @nitya

Oppitunnin numero	Aihe	Oppituntiryhmä	Oppimistavoitteet	Linkitetty oppitunti	Tekijä
01	Data-analytiikan määrittely	Johdanto	Opettele data-analytiikan peruskäsitteet ja sen yhteydet tekoälyyn, koneoppimiseen ja big dataan.	oppitunti video	Dmitry
02	Data-analytiikan etiikka	Johdanto	Dataetiikan 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	Matemaattiset menetelmät todennäköisyyslaskennassa ja tilastotieteessä datan ymmärtämiseksi.	oppitunti video	Dmitry
05	Työskentely relaatiotietojen kanssa	Datan käsittely	Johdatus relaatiotietoihin ja perusmenetelmät tutkia ja analysoida niitä Structured Query Languagella, eli SQL:llä (lausutaan ”sikuell”).	oppitunti	Christopher
06	Työskentely NoSQL-datan kanssa	Datan käsittely	Johdatus ei-relaatiodataan, sen erilaisiin tyyppeihin ja dokumenttitietokantojen tutkimisen ja analysoinnin perusteisiin.	oppitunti	Jasmine
07	Työskentely Pythonilla	Datan käsittely	Pythonin perusteet datan tutkimiseen Pandas-kirjaston avulla. Suositellaan perustietämystä Pythonin ohjelmoinnista.	oppitunti video	Dmitry
08	Datan valmistelu	Datan käsittely	Datan käsittelyn tekniikoita puhdistukseen ja muokkaamiseen puuttuvan, epätarkan tai puutteellisen datan haasteiden ratkaisemiseksi.	oppitunti	Jasmine
09	Määrien visualisointi	Datan visualisointi	Opettele käyttämään Matplotlibia lintudatan visualisointiin 🦆	oppitunti	Jen
10	Datan jakaumien visualisointi	Datan visualisointi	Havainnollista havaintoja ja trendejä aikavälillä.	oppitunti	Jen
11	Osuuksien visualisointi	Datan visualisointi	Visualisoi diskreettejä ja ryhmiteltyjä prosenttiosuuksia.	oppitunti	Jen
12	Suhteiden visualisointi	Datan visualisointi	Visualisoi yhteyksiä ja korrelaatioita datan ja muuttujien välillä.	oppitunti	Jen
13	Merkitykselliset visualisoinnit	Datan visualisointi	Tekniikat ja ohjeet, joiden avulla visualisoinnistasi tulee arvokasta tehokkaaseen ongelmanratkaisuun ja oivalluksiin.	oppitunti	Jen
14	Johdatus data-analytiikan elinkaareen	Elinkaari	Johdatus data-analytiikan elinkaareen ja sen ensimmäiseen vaiheeseen, datan hankintaan ja poimintaan.	oppitunti	Jasmine
15	Analysointi	Elinkaari	Tämä data-analytiikan elinkaaren vaihe keskittyy datan analysointitekniikoihin.	oppitunti	Jasmine
16	Viestintä	Elinkaari	Tämä data-analytiikan elinkaaren vaihe keskittyy datasta saatujen oivallusten esittämiseen niin, että päätöksentekijöiden on helpompi ymmärtää ne.	oppitunti	Jalen
17	Data-analytiikka pilvessä	Pilvidata	Tämä oppituntisarja esittelee data-analytiikan pilvessä ja sen hyödyt.	oppitunti	Tiffany ja Maud
18	Data-analytiikka pilvessä	Pilvidata	Mallien kouluttaminen Low Code -työkaluilla.	oppitunti	Tiffany ja Maud
19	Data-analytiikka pilvessä	Pilvidata	Mallien käyttöönotto Azure Machine Learning Studio -ympäristössä.	oppitunti	Tiffany ja Maud
20	Data-analytiikka luonnossa	Luonnossa	Data-analytiikkaa hyödyntävät projektit todellisessa maailmassa.	oppitunti	Nitya

GitHub Codespaces

Noudata näitä ohjeita avataksesi tämän esimerkin Codespacessa:

1. Klikkaa Code-valikkoa ja valitse Open with Codespaces -vaihtoehto.
2. Valitse + New codespace paneelin alalaidasta. Lisätietoja löydät GitHub-dokumentaatiosta.

VSCode Remote - Containers

Noudata näitä ohjeita avataksesi tämän repositorion säiliössä paikallisella koneellasi VSCode-työkalulla ja käyttämällä VS Code Remote - Containers -laajennusta:

1. Jos käytät kehityssäiliötä ensimmäistä kertaa, varmista, että järjestelmäsi täyttää esivaatimukset (eli Dockerin asennuksen) aloitusohjeiden mukaisesti.

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

Huom: Taustalla tämä käyttää Remote-Containers: Clone Repository in Container Volume... -käskyä kloonatakseen lähdekoodin Docker-tilavuuteen paikallisen tiedostojärjestelmän sijaan. Tilavuudet ovat suositeltu mekanismi säiliötietojen tallentamiseen.

Tai avaa paikallisesti kloonattu tai ladattu versio repositoriosta:

• Kloonaa tämä repositorio paikalliselle koneellesi.
• Paina F1 ja valitse Remote-Containers: Open Folder in Container... -komento.
• Valitse kloonattu versio tästä kansiosta, odota säiliön käynnistymistä ja ala kokeilla.

Offline-käyttö

Voit käyttää tätä dokumentaatiota offline-tilassa Docsify-ohjelmalla (Docsify). Haarauta tämä repo, asenna Docsify paikalliselle koneellesi, ja kirjoita sitten tämän repositorion juurikansiossa komento docsify serve. Sivusto palvellaan portissa 3000 paikallisessa hostissasi: localhost:3000.

Huomaa, että muistikirjat (notebooks) eivät renderöidy Docsifylla, joten kun tarvitset suorittaa muistikirjan, tee se erikseen VS Codessa Python-ytimen avulla.

Muut opetussuunnitelmat

Tiimimme tuottaa myös muita opetussuunnitelmia! Tutustu:

LangChain

Azure / Edge / MCP / Agentit

---

Generatiivisen tekoälyn sarja

---

Perusopetus

---

Copilot-sarja

Apua saamaan

Koetko ongelmia? Tarkista Vianmääritysohjeemme yleisimpien ongelmien ratkaisuille.

Jos jäit jumiin tai sinulla on kysymyksiä tekoälysovellusten rakentamisesta, liity MCP-yhteisön keskusteluihin muiden oppijoiden ja kokeneiden kehittäjien kanssa. Se on tukea antava yhteisö, jossa kysymyksiä saa esittää ja tietoa jaetaan vapaasti.

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

---

Vastuuvapauslauseke: Tämä asiakirja on käännetty tekoälypohjaisella käännöspalvelulla Co-op Translator. Pyrimme tarkkuuteen, mutta huomioithan, että automaattikäännöksissä saattaa esiintyä virheitä tai epätarkkuuksia. Alkuperäistä asiakirjaa sen alkuperäiskielellä tulee pitää virallisena lähteenä. Tärkeissä tiedoissa suositellaan ammattimaista ihmiskäännöstä. Emme ole vastuussa tämän käännöksen käytöstä aiheutuvista väärinkäsityksistä tai tulkinnoista.