1
00:00:00,000 --> 00:00:02,018
[Sebastian Thrun] Miten hakukone pitäisi sinun mielestäsi tehdä,

2
00:00:02,018 --> 00:00:03,077
olet tehnyt sellaisen aiemmin, eikö totta?

3
00:00:03,077 --> 00:00:06,008
[Sergey Brin - yksi Googlen perustajista] Kyllä. Minusta tärkein asia

4
00:00:06,008 --> 00:00:08,013
hakukonetta rakentaessa

5
00:00:08,013 --> 00:00:12,051
on aloittaa todella hyvän kieliaineiston kanssa.

6
00:00:12,051 --> 00:00:19,020
Me käytimme WWW:tä, joka siihen aikaan todella oli pienempi, mitä nykyään.

7
00:00:19,020 --> 00:00:21,036
Mutta se oli myös hyvin uusi ja jännittävä.

8
00:00:21,036 --> 00:00:23,081
Siellä oli kaikenlaisia yllättäviä asioita.

9
00:00:23,081 --> 00:00:26,099
[David Evans] Joten ensimmäisen kolmen oppitunnin aiheena on rakentaa tämä kieliaineisto.

10
00:00:27,003 --> 00:00:30,009
Haluamme rakentaa tämän aineiston hakukonettamme varten

11
00:00:30,009 --> 00:00:32,090
käymällä verkkoa läpi, mikä on hakurobotin tehtävä.

12
00:00:32,090 --> 00:00:36,038
Hakurobotti on ohjelma, joka kerää verkkosivuilta sisältöä.

13
00:00:36,038 --> 00:00:40,054
Ajattele webbisivua selaimessasi, se näyttää tältä.

14
00:00:40,054 --> 00:00:43,099
Käytämme udacityn sivustoa esimerkkinä webbisivusta.

15
00:00:43,099 --> 00:00:47,097
Siellä on paljon sisältöä, muutamia kuvia ja jonkin verran tekstiä.

16
00:00:47,097 --> 00:00:51,038
Kaikki tämä tulee selaimeesi, kun pyydät sivua.

17
00:00:51,038 --> 00:00:53,066
Tärkeä asia on, että sivulla on linkkejä.

18
00:00:53,066 --> 00:00:57,093
Linkki view toiselle sivulle.

19
00:00:57,093 --> 00:01:00,050
Joten meillä on linkki usein kysyttyihin kysymyksiin,

20
00:01:00,050 --> 00:01:02,046
ja linkki CS 101 sivulle.

21
00:01:02,046 --> 00:01:04,043
Ja myös joitain muita linkkejä.

22
00:01:04,043 --> 00:01:07,054
Linkki voi näkyä selaimessasi alleviivattuna,

23
00:01:07,054 --> 00:01:09,094
tai ei, riippuen selaimesi asetuksista.

24
00:01:09,094 --> 00:01:11,095
Mutta tärkeintä on,

25
00:01:11,095 --> 00:01:13,088
että se ohjaa jollekin toiselle sivulle.

26
00:01:13,088 --> 00:01:16,043
Ja noilla muilla sivuilla voi myös olla linkkejä,

27
00:01:16,043 --> 00:01:19,073
joten meillä on uusi linkki.

28
00:01:19,073 --> 00:01:23,052
Se on ehkä nimeni, jota voit seurata kotisivulleni.

29
00:01:23,052 --> 00:01:26,091
Ja kaikki sivut mitä löydämme hakurobotillamme

30
00:01:26,091 --> 00:01:29,009
löytyvät linkkejä seuraamalla.

31
00:01:29,009 --> 00:01:31,067
Ei ole tarpeen löytää jokaista sivua webistä.

32
00:01:31,067 --> 00:01:33,059
Jos aloitamme hyvällä siemensivulla,

33
00:01:33,059 --> 00:01:35,003
löydämme kuitenkin paljon sivuja.

34
00:01:35,003 --> 00:01:37,050
Ja robotti aloittaa yhdeltä sivulta,

35
00:01:37,050 --> 00:01:41,056
etsii kaikki linkit sillä sivulla, seuraa niitä muille sivuille

36
00:01:41,056 --> 00:01:45,013
ja etsii niillä olevat linkit

37
00:01:45,013 --> 00:01:48,031
löytääkseen taas uusia sivuja, joilla on paljon lisää linkkejä.

38
00:01:48,031 --> 00:01:51,043
Ja lopulta meillä on suuri kokoelma sivuja webissä.

39
00:01:51,043 --> 00:01:54,007
Tämän me haluamme tehdä rakentamalla hakurobotin.

40
00:01:54,007 --> 00:01:56,095
Haluamme keksiä jonkin tavan aloittaa siemensivulta,

41
00:01:56,095 --> 00:01:59,056
erottaa sivun linkit,

42
00:01:59,056 --> 00:02:01,078
seurata noita linkkejä muille sivuille,

43
00:02:01,078 --> 00:02:03,067
sitten kerätä linkit näiltä sivuilta,

44
00:02:03,067 --> 00:02:05,024
seurata niitä, kerätä tämä kaikki.

45
00:02:05,024 --> 00:02:07,038
Tämä kuulostaa isolta tehtävältä.

46
00:02:07,038 --> 00:02:09,014
Emme käy kaikkea läpi tällä ensimmäisellä oppitunnilla.

47
00:02:09,014 --> 00:02:12,072
Tällä kertaa vain erottelemme yhden linkin.

48
00:02:12,072 --> 00:02:14,058
Joten aloitetaan tekstinpätkällä.

49
00:02:14,058 --> 00:02:17,033
Siinä on linkki URL:n kera.

50
00:02:17,033 --> 00:02:19,064
Haluamme löytää tämän URL:n,

51
00:02:19,064 --> 00:02:21,089
jotta voimme pyytää seuraavaa sivua.

52
00:02:21,089 --> 00:02:23,082
Toisen oppitunnin tavoite

53
00:02:23,082 --> 00:02:25,016
on pystyä jatkamaan tästä.

54
00:02:25,016 --> 00:02:28,049
Jos yhdellä sivulla on monta linkkiä, haluat pystyä löytämään ne kaikki.

55
00:02:28,049 --> 00:02:30,014
Joten sen teemme toisella oppitunnilla.

56
00:02:30,014 --> 00:02:32,069
Keksimme miten voimme jatkaa kaikkien keräämiseksi.

57
00:02:32,069 --> 00:02:36,061
Kolmannella tunnilla jatkamme yhdestä sivusta eteenpäin.

58
00:02:36,061 --> 00:02:40,033
Toisen oppitunnin jälkeen voimme tulostaa kaikki linkit yhdellä sivulla.

59
00:02:40,033 --> 00:02:44,002
Kolmannella keräämme kaikki nämä linkit jatkaaksemme,

60
00:02:44,002 --> 00:02:47,018
ja päädymme keräämään, monia, monia sivuja.

61
00:02:47,018 --> 00:02:50,013
Joten kolmannen oppitunnin jälkeen olemme rakentaneet hakurobotin.

62
00:02:50,013 --> 00:02:52,033
Meillä on keino kieliaineiston rakentamiseksi.

63
00:02:52,033 --> 00:02:57,079
Loppujen kolmen oppitunnin aikana tutkimme miten vastata kyselyihin.

64
00:02:57,079 --> 00:03:01,034
Joten neljännen tunnin jälkeen mietimme miten antaa hyvä vastaus.

65
00:03:01,034 --> 00:03:08,022
Joten jos etsit hakusanalla, haluat vastauksen joka on lista sivuja,

66
00:03:08,022 --> 00:03:10,063
joilla tämä hakusana esiintyy.

67
00:03:10,063 --> 00:03:15,090
Viidennellä oppitunnilla mietimme miten voimme tehdä tämän laajemmin, jos meillä on iso aineisto.

68
00:03:15,090 --> 00:03:19,083
Ja kuudennella tunnilla haluamme, no, emme halua vain listan,

69
00:03:19,083 --> 00:03:21,069
vaan haluamme parhaan vastauksen.

70
00:03:21,069 --> 00:03:24,084
Joten meidän pitää miettiä miten voimme järjestää kaikki sivut, joilla hakusana esiintyy.

71
00:03:24,084 --> 00:03:27,068
Edistämme nyt vähän tässä,

72
00:03:27,068 --> 00:03:30,035
koska kaikki mitä teemme tällä tunnilla,

73
00:03:30,035 --> 00:03:32,064
on miettiä miten saamme erotettua yhden linkin sivulta.

74
00:03:32,064 --> 00:03:35,073
Kaiken lopuksi rakentamamme hakukone

75
00:03:35,073 --> 00:03:37,034
tulee olemaan toimiva.

76
00:03:37,034 --> 00:03:40,061
Siinä on kaikki samat osat mitä Googlen kaltaisessa hakukoneessa on.

77
00:03:40,061 --> 00:03:43,014
Se ei tule kylläkään olemaan yhtä tehokas kuin Google,

78
00:03:43,014 --> 00:03:44,029
koska haluamme pitää asiat yksinkertaisina.

79
00:03:44,029 --> 00:03:46,060
Haluamme kirjoittaa vain pienen määrän koodia.

80
00:03:46,060 --> 00:03:48,010
Ja meidän pitää muistaa, että päämäärämme

81
00:03:48,010 --> 00:03:50,024
ei ole hakukoneen rakentaminen,

82
00:03:50,024 --> 00:03:52,078
vaan tietojenkäsittelyn oppiminen

83
00:03:52,078 --> 00:03:55,018
rakentamisen ohessa.

84
00:03:55,018 --> 00:03:56,075
Ja ohjelmoinnin opettelu,

85
00:03:56,075 --> 00:03:58,018
jotta tekemällä oppimamme asiat

86
00:03:58,018 --> 99:59:59,999
antavat meille kyvyn ratkaista monia, monia muita ongelmia.