[](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 yhteisöömme [](https://aka.ms/ml4beginners/discord) Meillä on käynnissä Discordissa AI-oppimissarja, jossa voit oppia lisää ja liittyä mukaan [Learn with AI Series](https://aka.ms/learnwithai/discord) -tapahtumaan 18.–30. syyskuuta 2025. Saat vinkkejä ja neuvoja GitHub Copilotin käytöstä data-analytiikassa.  # Koneoppiminen aloittelijoille - Opetussuunnitelma > 🌍 Matkusta ympäri maailmaa tutustuessasi koneoppimiseen maailman kulttuurien kautta 🌍 Microsoftin Cloud Advocates -tiimi tarjoaa 12 viikon ja 26 oppitunnin opetussuunnitelman, joka käsittelee **koneoppimista**. Tässä opetussuunnitelmassa opit niin sanottua **klassista koneoppimista**, pääasiassa Scikit-learn-kirjastoa käyttäen ja välttäen syväoppimista, joka käsitellään [AI for Beginners -opetussuunnitelmassa](https://aka.ms/ai4beginners). Yhdistä nämä oppitunnit myös ['Data Science for Beginners' -opetussuunnitelmaan](https://aka.ms/ds4beginners)! Matkusta kanssamme ympäri maailmaa soveltaessamme näitä klassisia tekniikoita eri alueiden dataan. Jokainen oppitunti sisältää ennen ja jälkeen oppitunnin tehtävät, kirjalliset ohjeet oppitunnin suorittamiseen, ratkaisun, tehtävän ja paljon muuta. Projektipohjainen oppimismetodimme auttaa sinua oppimaan rakentamisen kautta, mikä on todistetusti tehokas tapa omaksua uusia taitoja. **✍️ Suuret kiitokset kirjoittajille** 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 kuvittajille** Tomomi Imura, Dasani Madipalli ja Jen Looper **🙏 Erityiskiitokset 🙏 Microsoft Student Ambassador -kirjoittajille, arvioijille ja sisällöntuottajille**, 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 repositorio**: Klikkaa "Fork"-painiketta tämän sivun oikeassa yläkulmassa. 2. **Kloonaa repositorio**: `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)**, haarauttakaa koko repositorio omaan GitHub-tiliinne ja suorittakaa harjoitukset itsenäisesti tai ryhmässä: - Aloita oppitunnin aloituskyselyllä. - Lue oppitunti ja suorita aktiviteetit, pysähdy ja pohdi jokaisen tietotarkistuksen kohdalla. - Yritä luoda projektit ymmärtämällä oppitunnit sen sijaan, että suorittaisit ratkaisukoodin; kuitenkin kyseinen koodi on saatavilla `/solution`-kansioissa jokaisessa projektipohjaisessa oppitunnissa. - Suorita oppitunnin jälkeinen 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 rubriikki, 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 opetussuunnitelmaa. --- ## 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) **Gif by** [Mohit Jaisal](https://linkedin.com/in/mohitjaisal) > 🎥 Klikkaa yllä olevaa kuvaa nähdäksesi videon projektista ja sen tekijöistä! --- ## Pedagogiikka Olemme valinneet kaksi pedagogista periaatetta tätä opetussuunnitelmaa rakentaessamme: varmistamme, että se on käytännönläheinen **projektipohjainen** ja että se sisältää **usein kyselyitä**. Lisäksi opetussuunnitelmalla 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 ohjaa opiskelijan huomion oppiaiheeseen, kun taas toinen kysely oppitunnin jälkeen varmistaa lisämuistamisen. Tämä opetussuunnitelma on suunniteltu joustavaksi ja hauskaksi, ja sen voi suorittaa kokonaan tai osittain. Projektit alkavat pienistä ja muuttuvat yhä monimutkaisemmiksi 12 viikon jakson loppuun mennessä. Opetussuunnitelma sisältää myös jälkikirjoituksen koneoppimisen käytännön sovelluksista, joita voidaan käyttää lisäpisteinä tai keskustelun pohjana. > Löydä [Code of Conduct](CODE_OF_CONDUCT.md), [Contributing](CONTRIBUTING.md) ja [Translation](TRANSLATIONS.md) ohjeet. Otamme mielellämme vastaan rakentavaa palautettasi! ## Jokainen oppitunti sisältää - valinnainen sketchnote - valinnainen lisävideo - video-opastus (vain joissakin oppitunneissa) - [lämmittelykysely ennen oppituntia](https://ff-quizzes.netlify.app/en/ml/) - kirjallinen oppitunti - projektipohjaisissa oppitunneissa vaiheittaiset ohjeet projektin rakentamiseen - tietotarkistukset - haaste - lisälukemista - tehtävä - [oppitunnin jälkeinen 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, joka voidaan yksinkertaisesti määritellä sisältävän `koodilohkoja` (R- tai muilla kielillä) ja `YAML-otsikon` (joka ohjaa, miten tulosteet kuten PDF muotoillaan) `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 tulostusmuotoihin, kuten PDF, HTML tai Word. > **Huomio kyselyistä**: Kaikki kyselyt löytyvät [Quiz App -kansiosta](../../quiz-app), yhteensä 52 kyselyä, joissa on kolme kysymystä kussakin. Ne on linkitetty oppitunneista, mutta kyselysovellus voidaan ajaa paikallisesti; seuraa ohjeita `quiz-app`-kansiossa paikallisen isännöinnin tai Azureen julkaisemisen osalta. | 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 historia | [Oppitunti](1-Introduction/2-history-of-ML/README.md) | Jen ja Amy | | 03 | Reiluus ja koneoppiminen | [Johdanto](1-Introduction/README.md) | Mitkä ovat tärkeimmät filosofiset kysymykset reiluudesta, jotka opiskelijoiden tulisi huomioida rakentaessaan ja soveltaessaan koneoppimismalleja? | [Oppitunti](1-Introduction/3-fairness/README.md) | Tomomi | | 04 | Koneoppimisen tekniikat | [Johdanto](1-Introduction/README.md) | Mitä tekniikoita koneoppimistutkijat käyttävät rakentaessaan koneoppimismalleja? | [Oppitunti](1-Introduction/4-techniques-of-ML/README.md) | Chris ja Jen | | 05 | Johdanto regressioon | [Regressio](2-Regression/README.md) | Aloita Pythonin ja Scikit-learnin käyttö regressiomalleja varten | [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 puhdista data 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) | Puhdista, valmistele ja visualisoi data; 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 | Herkulliset aasialaiset ja intialaiset ruoat 🍜 | [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 | Herkulliset aasialaiset ja intialaiset ruoat 🍜 | [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 | Herkulliset aasialaiset ja intialaiset ruoat 🍜 | [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) | Puhdista, valmistele ja visualisoi data; 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 ☕️ | [Luonnollinen kieli](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 ☕️ | [Luonnollinen kieli](6-NLP/README.md) | Syvennä NLP-osaamistasi ymmärtämällä yleisiä tehtäviä, joita tarvitaan kielirakenteiden käsittelyssä | [Python](6-NLP/2-Tasks/README.md) | Stephen | | 18 | Käännös ja sentimenttianalyysi ♥️ | [Luonnollinen kieli](6-NLP/README.md) | Käännös ja sentimenttianalyysi Jane Austenin tekstien avulla | [Python](6-NLP/3-Translation-Sentiment/README.md) | Stephen | | 19 | Romanttiset hotellit Euroopassa ♥️ | [Luonnollinen kieli](6-NLP/README.md) | Sentimenttianalyysi hotelliarvosteluilla 1 | [Python](6-NLP/4-Hotel-Reviews-1/README.md) | Stephen | | 20 | Romanttiset hotellit Euroopassa ♥️ | [Luonnollinen kieli](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 ⚡️ - ARIMA-aikasarjaennuste | [Aikasarjat](7-TimeSeries/README.md) | Aikasarjaennuste ARIMA-menetelmällä | [Python](7-TimeSeries/2-ARIMA/README.md) | Francesca | | 23 | ⚡️ Maailman energiankulutus ⚡️ - SVR-aikasarjaennuste | [Aikasarjat](7-TimeSeries/README.md) | Aikasarjaennuste 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-ympäristössä | [Python](8-Reinforcement/2-Gym/README.md) | Dmitry | | Jälkikirjoitus | Todelliset koneoppimisen sovellukset | [ML tosielämässä](9-Real-World/README.md) | Mielenkiintoisia ja paljastavia todellisia sovelluksia klassisesta koneoppimisesta | [Oppitunti](9-Real-World/1-Applications/README.md) | Tiimi | | Jälkikirjoitus | Mallin virheenkorjaus RAI-hallintapaneelilla | [ML tosielämässä](9-Real-World/README.md) | Mallin virheenkorjaus koneoppimisessa vastuullisen tekoälyn hallintapaneelikomponentteja käyttäen | [Oppitunti](9-Real-World/2-Debugging-ML-Models/README.md) | Ruth Yakubu | > [löydä kaikki lisäresurssit tälle kurssille 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 [Docsifyä](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 ympäristössäsi: `localhost:3000`. ## PDF-tiedostot Löydä opetussuunnitelman PDF-linkkeineen [täältä](https://microsoft.github.io/ML-For-Beginners/pdf/readme.pdf). ## 🎒 Muut kurssit Tiimimme tuottaa myös muita kursseja! Tutustu: - [Generatiivinen tekoäly aloittelijoille](https://aka.ms/genai-beginners) - [Generatiivinen tekoäly aloittelijoille .NET](https://github.com/microsoft/Generative-AI-for-beginners-dotnet) - [Generatiivinen tekoäly JavaScriptillä](https://github.com/microsoft/generative-ai-with-javascript) - [Generatiivinen tekoäly Javalla](https://github.com/microsoft/Generative-AI-for-beginners-java) - [Tekoäly aloittelijoille](https://aka.ms/ai-beginners) - [Data-analytiikka aloittelijoille](https://aka.ms/datascience-beginners) - [Koneoppiminen aloittelijoille](https://aka.ms/ml-beginners) - [Kyberturvallisuus aloittelijoille](https://github.com/microsoft/Security-101) - [Web-kehitys aloittelijoille](https://aka.ms/webdev-beginners) - [IoT aloittelijoille](https://aka.ms/iot-beginners) - [XR-kehitys aloittelijoille](https://github.com/microsoft/xr-development-for-beginners) - [GitHub Copilotin hallinta pariohjelmointiin](https://github.com/microsoft/Mastering-GitHub-Copilot-for-Paired-Programming) - [GitHub Copilotin hallinta C#/.NET-kehittäjille](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers) - [Valitse oma Copilot-seikkailusi](https://github.com/microsoft/CopilotAdventures) ---