|
|
7 months ago | |
|---|---|---|
| .. | ||
| 1-Introduction | 8 months ago | |
| 2-Working-With-Data | 8 months ago | |
| 3-Data-Visualization | 8 months ago | |
| 4-Data-Science-Lifecycle | 8 months ago | |
| 5-Data-Science-In-Cloud | 8 months ago | |
| 6-Data-Science-In-Wild | 8 months ago | |
| docs | 8 months ago | |
| quiz-app | 8 months ago | |
| sketchnotes | 8 months ago | |
| AGENTS.md | 7 months ago | |
| CODE_OF_CONDUCT.md | 8 months ago | |
| CONTRIBUTING.md | 8 months ago | |
| README.md | 7 months ago | |
| SECURITY.md | 8 months ago | |
| SUPPORT.md | 8 months ago | |
| for-teachers.md | 8 months ago | |
README.md
Tietojenkäsittelytiede aloittelijoille - Opetussuunnitelma
Azure Cloud Advocates Microsoftilta tarjoavat 10 viikon, 20 oppitunnin opetussuunnitelman, joka käsittelee tietojenkäsittelytiedettä. Jokainen oppitunti sisältää ennakkokyselyn ja jälkikyselyn, kirjalliset ohjeet oppitunnin suorittamiseen, ratkaisun ja tehtävän. Projektipohjainen oppimismetodimme mahdollistaa oppimisen tekemisen kautta, mikä on todistetusti tehokas tapa omaksua uusia taitoja.
Sydämelliset kiitokset kirjoittajillemme: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.
🙏 Erityiskiitokset 🙏 Microsoft Student Ambassador -kirjoittajille, arvioijille 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
![]() |
|---|
| Tietojenkäsittelytiede aloittelijoille - Sketchnote by @nitya |
🌐 Monikielinen tuki
Tuettu GitHub Actionin 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 kieliä, tuetut kielet löytyvät täältä
Liity yhteisöömme
Meillä on käynnissä Discordissa oppimissarja tekoälyn kanssa, lisätietoja ja liittyminen Learn with AI Series 18.–30. syyskuuta 2025. Saat vinkkejä ja neuvoja GitHub Copilotin käytöstä tietojenkäsittelytieteessä.
Oletko opiskelija?
Aloita seuraavilla resursseilla:
- Student Hub -sivu Tältä sivulta löydät aloittelijaresursseja, opiskelijapakkauksia ja jopa tapoja saada ilmainen sertifikaattivoucher. Tämä on sivu, jonka haluat tallentaa kirjanmerkkeihin ja tarkistaa säännöllisesti, sillä sisältöä vaihdetaan vähintään kuukausittain.
- Microsoft Learn Student Ambassadors Liity maailmanlaajuiseen opiskelijalähettiläiden yhteisöön, tämä voi olla sinun tiesi Microsoftiin.
Aloittaminen
Opettajat: olemme lisänneet joitakin ehdotuksia siitä, miten käyttää tätä opetussuunnitelmaa. Haluaisimme kuulla palautettanne keskustelufoorumillamme!
Opiskelijat: jos haluat käyttää tätä opetussuunnitelmaa itsenäisesti, haaroita koko repo ja suorita tehtävät 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 sisältöä läpi yhdessä. Lisäopiskelua 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 tietojenkäsittelytieteen perusperiaatteet, mukaan lukien eettiset käsitteet, datan valmistelu, erilaiset tavat työskennellä datan kanssa, datan visualisointi, data-analyysi, tietojenkäsittelytieteen todelliset käyttötapaukset ja paljon muuta.
Lisäksi matalan kynnyksen kysely ennen oppituntia suuntaa 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 käytössäännöt, osallistumisohjeet, käännösohjeet. 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 kyselyistä: Kaikki kyselyt löytyvät Quiz-App-kansiosta, yhteensä 40 kyselyä, joissa on kolme kysymystä kussakin. Ne on linkitetty oppitunneista, mutta kyselysovelluksen voi ajaa paikallisesti tai julkaista Azureen; seuraa ohjeita
quiz-app-kansiossa. Kyselyitä lokalisoidaan vähitellen.
Oppitunnit
![]() |
|---|
| Data Science For Beginners: Roadmap - Sketchnote by @nitya |
| Oppitunnin numero | Aihe | Oppituntien ryhmittely | Oppimistavoitteet | Linkitetty oppitunti | Tekijä |
|---|---|---|---|---|---|
| 01 | Mitä on data-analytiikka? | Johdanto | Opettele data-analytiikan peruskäsitteet ja sen yhteys tekoälyyn, koneoppimiseen ja big dataan. | oppitunti video | Dmitry |
| 02 | Data-analytiikan etiikka | Johdanto | Dataetiikan käsitteet, haasteet ja viitekehykset. | oppitunti | Nitya |
| 03 | Datan määrittely | Johdanto | Kuinka 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 auttavat käsittelemään 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 | Suhteiden visualisointi | Datan visualisointi | Yhteyksien ja korrelaatioiden visualisointi datan joukkojen ja niiden muuttujien välillä. | oppitunti | Jen |
| 12 | Merkitykselliset visualisoinnit | Datan visualisointi | Tekniikat ja ohjeet, joiden avulla visualisoinnit ovat arvokkaita tehokkaaseen ongelmanratkaisuun ja oivalluksiin. | oppitunti | Jen |
| 13 | Johdatus data-analytiikan elinkaareen | Elinkaari | Johdatus data-analytiikan elinkaareen ja sen ensimmäiseen vaiheeseen, datan hankintaan ja uuttamiseen. | oppitunti | Jasmine |
| 14 | Analysointi | Elinkaari | Data-analytiikan elinkaaren vaihe, joka keskittyy datan analysointitekniikoihin. | oppitunti | Jasmine |
| 15 | Viestintä | Elinkaari | Data-analytiikan elinkaaren vaihe, joka keskittyy datasta saatujen oivallusten esittämiseen päätöksentekijöille ymmärrettävällä tavalla. | oppitunti | Jalen |
| 16 | Data-analytiikka pilvessä | Pilvidata | Oppituntisarja, joka esittelee data-analytiikkaa pilvessä ja sen hyötyjä. | oppitunti | Tiffany ja Maud |
| 17 | Data-analytiikka pilvessä | Pilvidata | Mallien kouluttaminen Low Code -työkaluilla. | oppitunti | Tiffany ja Maud |
| 18 | Data-analytiikka pilvessä | Pilvidata | Mallien käyttöönotto Azure Machine Learning Studiossa. | oppitunti | Tiffany ja Maud |
| 19 | Data-analytiikka tosielämässä | Tosielämässä | Data-analytiikkaan perustuvat projektit tosielämässä. | oppitunti | Nitya |
GitHub Codespaces
Noudata näitä ohjeita avataksesi tämän esimerkin Codespacessa:
- Klikkaa Code-pudotusvalikkoa ja valitse Open with Codespaces -vaihtoehto.
- Valitse + New codespace paneelin alareunasta. Lisätietoja löydät GitHub-dokumentaatiosta.
VSCode Remote - Containers
Noudata näitä ohjeita avataksesi tämän repositorion kontissa paikallisella koneellasi ja VSCode-ohjelmalla käyttäen VS Code Remote - Containers -laajennusta:
- Jos käytät kehityskonttia ensimmäistä kertaa, varmista, että järjestelmäsi täyttää ennakkovaatimukset (esim. Docker on asennettu) aloitusdokumentaation mukaisesti.
Tätä repositoriota voi käyttää joko avaamalla sen eristetyssä Docker-volyymissa:
Huom: Taustalla tämä käyttää Remote-Containers: Clone Repository in Container Volume... -komentoa lähdekoodin kloonaamiseen 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 tämän kansion kloonattu kopio, odota konttia käynnistymään ja kokeile asioita.
Offline-käyttö
Voit käyttää tätä dokumentaatiota offline-tilassa Docsify avulla. Forkkaa tämä repositorio, asenna Docsify paikalliselle koneellesi, ja kirjoita tämän repositorion juurikansiossa docsify serve. Verkkosivusto palvelee portilla 3000 localhostissa: localhost:3000.
Huomaa, että muistikirjoja ei renderöidä Docsifyllä, joten kun tarvitset muistikirjan käyttöä, tee se erikseen VS Codessa Python-ytimen avulla.
Muut oppimateriaalit
Tiimimme tuottaa muita oppimateriaaleja! Tutustu:
- Edge AI for Beginners
- AI Agents for Beginners
- Generative AI for Beginners
- Generative AI for Beginners .NET
- Generative AI with JavaScript
- Generative AI with Java
- AI for Beginners
- Data Science for Beginners
- Bash for Beginners
- ML for Beginners
- Cybersecurity for Beginners
- Web Dev for Beginners
- IoT for Beginners
- Machine Learning for Beginners
- XR Development for Beginners
- Mastering GitHub Copilot for AI Paired Programming
- XR Development for Beginners
- Mastering GitHub Copilot for C#/.NET Developers
- Choose Your Own Copilot Adventure
Apua saatavilla
Jos jäät jumiin tai sinulla on kysymyksiä tekoälysovellusten rakentamisesta, liity:
Jos sinulla on tuotepalautetta tai virheitä rakentamisen aikana, käy:
Vastuuvapauslauseke:
Tämä asiakirja on käännetty käyttämällä tekoälypohjaista käännöspalvelua Co-op Translator. Vaikka pyrimme tarkkuuteen, huomioithan, että automaattiset käännökset voivat sisältää virheitä tai epätarkkuuksia. Alkuperäinen asiakirja sen alkuperäisellä kielellä tulisi pitää ensisijaisena lähteenä. Kriittisen tiedon osalta suositellaan ammattimaista ihmiskäännöstä. Emme ole vastuussa väärinkäsityksistä tai virhetulkinnoista, jotka johtuvat tämän käännöksen käytöstä.



