[](https://github.com/microsoft/ML-For-Beginners/blob/master/LICENSE) [](https://GitHub.com/microsoft/ML-For-Beginners/graphs/contributors/) [](https://GitHub.com/microsoft/ML-For-Beginners/issues/) [](https://GitHub.com/microsoft/ML-For-Beginners/pulls/) [](http://makeapullrequest.com) [](https://GitHub.com/microsoft/ML-For-Beginners/watchers/) [](https://GitHub.com/microsoft/ML-For-Beginners/network/) [](https://GitHub.com/microsoft/ML-For-Beginners/stargazers/) ### 🌐 Monikielinen tuki #### Tuettu GitHub Actionin kautta (automaattinen ja aina ajan tasalla) [French](../fr/README.md) | [Spanish](../es/README.md) | [German](../de/README.md) | [Russian](../ru/README.md) | [Arabic](../ar/README.md) | [Persian (Farsi)](../fa/README.md) | [Urdu](../ur/README.md) | [Chinese (Simplified)](../zh/README.md) | [Chinese (Traditional, Macau)](../mo/README.md) | [Chinese (Traditional, Hong Kong)](../hk/README.md) | [Chinese (Traditional, Taiwan)](../tw/README.md) | [Japanese](../ja/README.md) | [Korean](../ko/README.md) | [Hindi](../hi/README.md) | [Bengali](../bn/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Portuguese (Portugal)](../pt/README.md) | [Portuguese (Brazil)](../br/README.md) | [Italian](../it/README.md) | [Polish](../pl/README.md) | [Turkish](../tr/README.md) | [Greek](../el/README.md) | [Thai](../th/README.md) | [Swedish](../sv/README.md) | [Danish](../da/README.md) | [Norwegian](../no/README.md) | [Finnish](./README.md) | [Dutch](../nl/README.md) | [Hebrew](../he/README.md) | [Vietnamese](../vi/README.md) | [Indonesian](../id/README.md) | [Malay](../ms/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Swahili](../sw/README.md) | [Hungarian](../hu/README.md) | [Czech](../cs/README.md) | [Slovak](../sk/README.md) | [Romanian](../ro/README.md) | [Bulgarian](../bg/README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Croatian](../hr/README.md) | [Slovenian](../sl/README.md) | [Ukrainian](../uk/README.md) | [Burmese (Myanmar)](../my/README.md) #### Liity yhteisöön [](https://discord.gg/kzRShWzttr) # Koneoppiminen aloittelijoille - Opintosuunnitelma > 🌍 Matkusta ympäri maailmaa tutustuessasi koneoppimiseen eri kulttuurien kautta 🌍 Microsoftin Cloud Advocates -tiimi tarjoaa ylpeänä 12 viikon ja 26 oppitunnin opintosuunnitelman, joka käsittelee **koneoppimista**. Tässä opintosuunnitelmassa opit niin sanottua **klassista koneoppimista**, pääasiassa Scikit-learn-kirjastoa käyttäen ja välttäen syväoppimista, joka käsitellään [AI for Beginners -opintosuunnitelmassa](https://aka.ms/ai4beginners). Yhdistä nämä oppitunnit [Data Science for Beginners -opintosuunnitelmaan](https://aka.ms/ds4beginners), niin saat kokonaisvaltaisen oppimiskokemuksen! Matkusta kanssamme ympäri maailmaa soveltaessamme näitä klassisia tekniikoita eri alueiden dataan. Jokainen oppitunti sisältää ennakko- ja jälkitunnin kyselyt, kirjalliset ohjeet oppitunnin suorittamiseen, ratkaisun, tehtävän ja paljon muuta. Projektipohjainen pedagogiikkamme mahdollistaa oppimisen tekemisen kautta, mikä on todistetusti tehokas tapa uusien taitojen omaksumiseen. **✍️ Suuret kiitokset kirjoittajillemme** Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu ja Amy Boyd **🎨 Kiitokset myös kuvittajillemme** Tomomi Imura, Dasani Madipalli ja Jen Looper **🙏 Erityiskiitokset 🙏 Microsoft Student Ambassador -kirjoittajillemme, arvioijillemme ja sisällöntuottajillemme**, erityisesti Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila ja Snigdha Agarwal **🤩 Erityiskiitokset Microsoft Student Ambassadors Eric Wanjau, Jasleen Sondhi ja Vidushi Gupta R-oppitunneistamme!** # Aloittaminen Noudata näitä ohjeita: 1. **Haarauta arkisto**: Klikkaa "Fork"-painiketta tämän sivun oikeassa yläkulmassa. 2. **Kloonaa arkisto**: `git clone https://github.com/microsoft/ML-For-Beginners.git` > [löydä kaikki lisäresurssit tähän kurssiin Microsoft Learn -kokoelmastamme](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) **[Opiskelijat](https://aka.ms/student-page)**, haaroittakaa koko arkisto omaan GitHub-tiliinne ja suorittakaa harjoitukset itsenäisesti tai ryhmässä: - Aloita ennakkokyselyllä. - Lue oppitunti ja suorita aktiviteetit, pysähtyen ja pohtien jokaisen tietotarkistuksen kohdalla. - Yritä luoda projektit ymmärtämällä oppitunnit sen sijaan, että suorittaisit ratkaisukoodin; kuitenkin kyseinen koodi on saatavilla `/solution`-kansioissa jokaisessa projektipohjaisessa oppitunnissa. - Tee jälkitunnin kysely. - Suorita haaste. - Suorita tehtävä. - Kun olet suorittanut oppituntiryhmän, käy [Keskustelupalstalla](https://github.com/microsoft/ML-For-Beginners/discussions) ja "opettele ääneen" täyttämällä sopiva PAT-arviointityökalu. PAT on edistymisen arviointityökalu, joka on kaavake, jonka täytät oppimisesi edistämiseksi. Voit myös reagoida muiden PAT-arviointeihin, jotta voimme oppia yhdessä. > Jatko-opiskelua varten suosittelemme seuraamaan näitä [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/k7o7tg1gp306q4?WT.mc_id=academic-77952-leestott) moduuleja ja oppimispolkuja. **Opettajat**, olemme [sisällyttäneet joitakin ehdotuksia](for-teachers.md) siitä, miten käyttää tätä opintosuunnitelmaa. --- ## Video-opastukset Osa oppitunneista on saatavilla lyhyinä videoina. Löydät ne kaikki oppituntien sisällä tai [ML for Beginners -soittolistalta Microsoft Developer YouTube -kanavalla](https://aka.ms/ml-beginners-videos) klikkaamalla alla olevaa kuvaa. [](https://aka.ms/ml-beginners-videos) --- ## Tutustu tiimiin [](https://youtu.be/Tj1XWrDSYJU) **Gifin tekijä** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) > 🎥 Klikkaa yllä olevaa kuvaa nähdäksesi videon projektista ja sen tekijöistä! --- ## Pedagogiikka Olemme valinneet kaksi pedagogista periaatetta tämän opintosuunnitelman rakentamiseen: varmistamme, että se on käytännönläheinen **projektipohjainen** ja että se sisältää **usein toistuvia kyselyitä**. Lisäksi opintosuunnitelmalla on yhteinen **teema**, joka antaa sille yhtenäisyyttä. Varmistamalla, että sisältö liittyy projekteihin, prosessi on opiskelijoille kiinnostavampi ja käsitteiden omaksuminen paranee. Lisäksi matalan kynnyksen kysely ennen oppituntia suuntaa opiskelijan huomion aiheen oppimiseen, kun taas toinen kysely oppitunnin jälkeen varmistaa lisämuistamisen. Tämä opintosuunnitelma on suunniteltu joustavaksi ja hauskaksi, ja sen voi suorittaa kokonaan tai osittain. Projektit alkavat pienistä ja muuttuvat yhä monimutkaisemmiksi 12 viikon jakson loppuun mennessä. Opintosuunnitelma sisältää myös jälkikirjoituksen koneoppimisen käytännön sovelluksista, joita voidaan käyttää lisäpisteinä tai keskustelun pohjana. > Löydä [käytössäännöt](CODE_OF_CONDUCT.md), [osallistumisohjeet](CONTRIBUTING.md) ja [käännösohjeet](TRANSLATIONS.md). Otamme mielellämme vastaan rakentavaa palautettasi! ## Jokainen oppitunti sisältää - valinnainen piirrosmuistiinpano - valinnainen lisävideo - video-opastus (vain joissakin oppitunneissa) - [ennakkokysely](https://ff-quizzes.netlify.app/en/ml/) - kirjallinen oppitunti - projektipohjaisissa oppitunneissa vaiheittaiset ohjeet projektin rakentamiseen - tietotarkistukset - haaste - lisälukemista - tehtävä - [jälkitunnin kysely](https://ff-quizzes.netlify.app/en/ml/) > **Huomio kielistä**: Nämä oppitunnit on pääasiassa kirjoitettu Pythonilla, mutta monet ovat saatavilla myös R-kielellä. R-oppitunnin suorittamiseksi siirry `/solution`-kansioon ja etsi R-oppitunnit. Ne sisältävät .rmd-päätteen, joka edustaa **R Markdown** -tiedostoa, jota voidaan yksinkertaisesti määritellä koodilohkojen (R tai muiden kielten) ja YAML-otsikon (ohjaa ulostulon muotoilua, kuten PDF) yhdistelmänä Markdown-dokumentissa. Näin ollen se toimii esimerkillisenä kirjoituskehyksenä data-analytiikalle, koska sen avulla voit yhdistää koodisi, sen tulokset ja ajatuksesi kirjoittamalla ne Markdowniin. Lisäksi R Markdown -dokumentit voidaan renderöidä ulostulomuotoihin, kuten PDF, HTML tai Word. > **Huomio kyselyistä**: Kaikki kyselyt sisältyvät [Quiz App -kansioon](../../quiz-app), yhteensä 52 kyselyä, joissa on kolme kysymystä kussakin. Ne on linkitetty oppitunneista, mutta kyselysovellusta voi käyttää paikallisesti; seuraa `quiz-app`-kansion ohjeita sovelluksen paikalliseen isännöintiin tai Azureen julkaisemiseen. | Oppitunnin numero | Aihe | Oppituntiryhmä | Oppimistavoitteet | Linkitetty oppitunti | Kirjoittaja | | :-----------: | :------------------------------------------------------------: | :-------------------------------------------------: | ------------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------------------: | :--------------------------------------------------: | | 01 | Johdatus koneoppimiseen | [Johdanto](1-Introduction/README.md) | Opi koneoppimisen peruskäsitteet | [Oppitunti](1-Introduction/1-intro-to-ML/README.md) | Muhammad | | 02 | Koneoppimisen historia | [Johdanto](1-Introduction/README.md) | Opi tämän alan taustalla oleva historia | [Oppitunti](1-Introduction/2-history-of-ML/README.md) | Jen ja Amy | | 03 | Oikeudenmukaisuus ja koneoppiminen | [Johdanto](1-Introduction/README.md) | Mitkä ovat tärkeät filosofiset kysymykset oikeudenmukaisuudesta, jotka opiskelijoiden tulisi ottaa huomioon rakentaessaan ja soveltaessaan ML-malleja? | [Oppitunti](1-Introduction/3-fairness/README.md) | Tomomi | | 04 | Koneoppimisen tekniikat | [Johdanto](1-Introduction/README.md) | Mitä tekniikoita koneoppimisen tutkijat käyttävät rakentaakseen koneoppimismalleja? | [Oppitunti](1-Introduction/4-techniques-of-ML/README.md) | Chris ja Jen | | 05 | Johdanto regressioon | [Regressio](2-Regression/README.md) | Aloita Pythonilla ja Scikit-learnilla regressiomallien parissa | [Python](2-Regression/1-Tools/README.md) • [R](../../2-Regression/1-Tools/solution/R/lesson_1.html) | Jen • Eric Wanjau | | 06 | Pohjois-Amerikan kurpitsahinnat 🎃 | [Regressio](2-Regression/README.md) | Visualisoi ja siivoa dataa koneoppimista varten | [Python](2-Regression/2-Data/README.md) • [R](../../2-Regression/2-Data/solution/R/lesson_2.html) | Jen • Eric Wanjau | | 07 | Pohjois-Amerikan kurpitsahinnat 🎃 | [Regressio](2-Regression/README.md) | Rakenna lineaarisia ja polynomisia regressiomalleja | [Python](2-Regression/3-Linear/README.md) • [R](../../2-Regression/3-Linear/solution/R/lesson_3.html) | Jen ja Dmitry • Eric Wanjau | | 08 | Pohjois-Amerikan kurpitsahinnat 🎃 | [Regressio](2-Regression/README.md) | Rakenna logistinen regressiomalli | [Python](2-Regression/4-Logistic/README.md) • [R](../../2-Regression/4-Logistic/solution/R/lesson_4.html) | Jen • Eric Wanjau | | 09 | Verkkosovellus 🔌 | [Verkkosovellus](3-Web-App/README.md) | Rakenna verkkosovellus käyttämään koulutettua malliasi | [Python](3-Web-App/1-Web-App/README.md) | Jen | | 10 | Johdanto luokitteluun | [Luokittelu](4-Classification/README.md) | Siivoa, valmistele ja visualisoi dataasi; johdanto luokitteluun | [Python](4-Classification/1-Introduction/README.md) • [R](../../4-Classification/1-Introduction/solution/R/lesson_10.html) | Jen ja Cassie • Eric Wanjau | | 11 | Herkullisia aasialaisia ja intialaisia ruokia 🍜 | [Luokittelu](4-Classification/README.md) | Johdanto luokittelijoihin | [Python](4-Classification/2-Classifiers-1/README.md) • [R](../../4-Classification/2-Classifiers-1/solution/R/lesson_11.html) | Jen ja Cassie • Eric Wanjau | | 12 | Herkullisia aasialaisia ja intialaisia ruokia 🍜 | [Luokittelu](4-Classification/README.md) | Lisää luokittelijoita | [Python](4-Classification/3-Classifiers-2/README.md) • [R](../../4-Classification/3-Classifiers-2/solution/R/lesson_12.html) | Jen ja Cassie • Eric Wanjau | | 13 | Herkullisia aasialaisia ja intialaisia ruokia 🍜 | [Luokittelu](4-Classification/README.md) | Rakenna suosittelusovellus malliasi käyttäen | [Python](4-Classification/4-Applied/README.md) | Jen | | 14 | Johdanto klusterointiin | [Klusterointi](5-Clustering/README.md) | Siivoa, valmistele ja visualisoi dataasi; johdanto klusterointiin | [Python](5-Clustering/1-Visualize/README.md) • [R](../../5-Clustering/1-Visualize/solution/R/lesson_14.html) | Jen • Eric Wanjau | | 15 | Nigerian musiikkimakujen tutkiminen 🎧 | [Klusterointi](5-Clustering/README.md) | Tutustu K-Means-klusterointimenetelmään | [Python](5-Clustering/2-K-Means/README.md) • [R](../../5-Clustering/2-K-Means/solution/R/lesson_15.html) | Jen • Eric Wanjau | | 16 | Johdanto luonnollisen kielen käsittelyyn ☕️ | [Luonnollisen kielen käsittely](6-NLP/README.md) | Opi NLP:n perusteet rakentamalla yksinkertainen botti | [Python](6-NLP/1-Introduction-to-NLP/README.md) | Stephen | | 17 | Yleisiä NLP-tehtäviä ☕️ | [Luonnollisen kielen käsittely](6-NLP/README.md) | Syvennä NLP-osaamistasi ymmärtämällä yleisiä tehtäviä, jotka liittyvät kielen rakenteisiin | [Python](6-NLP/2-Tasks/README.md) | Stephen | | 18 | Käännös ja sentimenttianalyysi ♥️ | [Luonnollisen kielen käsittely](6-NLP/README.md) | Käännös ja sentimenttianalyysi Jane Austenin teosten avulla | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen | | 19 | Romanttiset hotellit Euroopassa ♥️ | [Luonnollisen kielen käsittely](6-NLP/README.md) | Sentimenttianalyysi hotelliarvosteluilla 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen | | 20 | Romanttiset hotellit Euroopassa ♥️ | [Luonnollisen kielen käsittely](6-NLP/README.md) | Sentimenttianalyysi hotelliarvosteluilla 2 | [Python](6-NLP/5-Hotel-Reviews-2/README.md) | Stephen | | 21 | Johdanto aikasarjojen ennustamiseen | [Aikasarjat](7-TimeSeries/README.md) | Johdanto aikasarjojen ennustamiseen | [Python](7-TimeSeries/1-Introduction/README.md) | Francesca | | 22 | ⚡️ Maailman energiankulutus ⚡️ - aikasarjojen ennustaminen ARIMA-menetelmällä | [Aikasarjat](7-TimeSeries/README.md) | Aikasarjojen ennustaminen ARIMA-menetelmällä | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca | | 23 | ⚡️ Maailman energiankulutus ⚡️ - aikasarjojen ennustaminen SVR-menetelmällä | [Aikasarjat](7-TimeSeries/README.md) | Aikasarjojen ennustaminen tukivektoriregressiolla | [Python](7-TimeSeries/3-SVR/README.md) | Anirban | | 24 | Johdanto vahvistusoppimiseen | [Vahvistusoppiminen](8-Reinforcement/README.md) | Johdanto vahvistusoppimiseen Q-Learning-menetelmällä | [Python](8-Reinforcement/1-QLearning/README.md) | Dmitry | | 25 | Auta Peteriä välttämään susi! 🐺 | [Vahvistusoppiminen](8-Reinforcement/README.md) | Vahvistusoppiminen Gym-menetelmällä | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry | | Jälkikirjoitus | Todelliset koneoppimisen skenaariot ja sovellukset | [ML in the Wild](9-Real-World/README.md) | Mielenkiintoisia ja paljastavia todellisia sovelluksia klassisesta koneoppimisesta | [Oppitunti](9-Real-World/1-Applications/README.md) | Tiimi | | Jälkikirjoitus | Mallin virheenkorjaus koneoppimisessa RAI-ohjauspaneelin avulla | [ML in the Wild](9-Real-World/README.md) | Mallin virheenkorjaus koneoppimisessa vastuullisen tekoälyn ohjauspaneelikomponenttien avulla | [Oppitunti](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu | > [löydä kaikki lisäresurssit tähän kurssiin Microsoft Learn -kokoelmastamme](https://learn.microsoft.com/en-us/collections/qrqzamz1nn2wx3?WT.mc_id=academic-77952-bethanycheum) ## Offline-käyttö Voit käyttää tätä dokumentaatiota offline-tilassa käyttämällä [Docsify](https://docsify.js.org/#/). Haaroita tämä repo, [asenna Docsify](https://docsify.js.org/#/quickstart) paikalliselle koneellesi ja kirjoita tämän repon juurikansiossa `docsify serve`. Verkkosivusto palvelee portissa 3000 paikallisessa verkossasi: `localhost:3000`. ## PDF:t Löydä pdf-opetussuunnitelma linkkeineen [täältä](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf). ## 🎒 Muut kurssit Tiimimme tuottaa muita kursseja! Tutustu: - [Generative AI for Beginners](https://aka.ms/genai-beginners) - [Generative AI for Beginners .NET](https://github.com/microsoft/Generative-AI-for-beginners-dotnet) - [Generative AI with JavaScript](https://github.com/microsoft/generative-ai-with-javascript) - [Generative AI with Java](https://github.com/microsoft/Generative-AI-for-beginners-java) - [AI for Beginners](https://aka.ms/ai-beginners) - [Data Science for Beginners](https://aka.ms/datascience-beginners) - [ML for Beginners](https://aka.ms/ml-beginners) - [Cybersecurity for Beginners](https://github.com/microsoft/Security-101) - [Web Dev for Beginners](https://aka.ms/webdev-beginners) - [IoT for Beginners](https://aka.ms/iot-beginners) - [XR Development for Beginners](https://github.com/microsoft/xr-development-for-beginners) - [Mastering GitHub Copilot for Paired Programming](https://github.com/microsoft/Mastering-GitHub-Copilot-for-Paired-Programming) - [Mastering GitHub Copilot for C#/.NET Developers](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers) - [Choose Your Own Copilot Adventure](https://github.com/microsoft/CopilotAdventures) --- **Vastuuvapauslauseke**: Tämä asiakirja on käännetty käyttämällä tekoälypohjaista käännöspalvelua [Co-op Translator](https://github.com/Azure/co-op-translator). Vaikka pyrimme tarkkuuteen, huomioithan, että automaattiset käännökset voivat sisältää virheitä tai epätarkkuuksia. Alkuperäistä asiakirjaa sen alkuperäisellä kielellä tulee pitää ensisijaisena lähteenä. Kriittisen tiedon osalta suositellaan ammattimaista ihmiskääntämistä. Emme ole vastuussa tämän käännöksen käytöstä aiheutuvista väärinkäsityksistä tai virhetulkinnoista.