[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"me":3,"catalog:tr:ai-engineer\u002Faipy-python-ml-packaging-environments":4,"config":193},null,{"field_key":5,"field_name":6,"seniority":7,"topic_key":8,"topic_name":9,"spec_key":7,"spec_name":7,"locale":10,"cell_total":11,"field_total":12,"seniorities":13,"topics":17,"specs":97,"samples":108},"ai-engineer","AI Engineer","","aipy-python-ml-packaging-environments","Aipy Python Ml Packaging Environments","tr",75,2025,[14,15,16],"junior","mid","senior",[18,21,24,27,30,33,36,39,42,45,48,51,52,55,58,61,64,67,70,73,76,79,82,85,88,91,94],{"key":19,"name":20,"count":11},"agents-tool-use","Agents Tool Use",{"key":22,"name":23,"count":11},"aimlops-deployment-strategies-ml","Aimlops Deployment Strategies Ml",{"key":25,"name":26,"count":11},"aimlops-experiment-tracking-reproducibility","Aimlops Experiment Tracking Reproducibility",{"key":28,"name":29,"count":11},"aimlops-feature-store-data-versioning","Aimlops Feature Store Data Versioning",{"key":31,"name":32,"count":11},"aimlops-ml-cicd-pipelines","Aimlops Ml Cicd Pipelines",{"key":34,"name":35,"count":11},"aimlops-model-monitoring-drift-detection","Aimlops Model Monitoring Drift Detection",{"key":37,"name":38,"count":11},"aimlops-model-versioning-registry","Aimlops Model Versioning Registry",{"key":40,"name":41,"count":11},"aipy-async-concurrency-ml-serving","Aipy Async Concurrency Ml Serving",{"key":43,"name":44,"count":11},"aipy-data-pipeline-dataloader","Aipy Data Pipeline Dataloader",{"key":46,"name":47,"count":11},"aipy-gpu-memory-management","Aipy Gpu Memory Management",{"key":49,"name":50,"count":11},"aipy-numpy-vectorization-broadcasting","Aipy Numpy Vectorization Broadcasting",{"key":8,"name":9,"count":11},{"key":53,"name":54,"count":11},"aipy-tensor-ops-autograd","Aipy Tensor Ops Autograd",{"key":56,"name":57,"count":11},"embeddings-vector-search","Embeddings Vector Search",{"key":59,"name":60,"count":11},"evaluation-testing","Evaluation Testing",{"key":62,"name":63,"count":11},"fine-tuning-adaptation","Fine Tuning Adaptation",{"key":65,"name":66,"count":11},"inference-serving","Inference Serving",{"key":68,"name":69,"count":11},"llm-fundamentals","Llm Fundamentals",{"key":71,"name":72,"count":11},"prompt-engineering","Prompt Engineering",{"key":74,"name":75,"count":11},"rag-chunking-indexing","Rag Chunking Indexing",{"key":77,"name":78,"count":11},"rag-embeddings-similarity","Rag Embeddings Similarity",{"key":80,"name":81,"count":11},"rag-evaluation","Rag Evaluation",{"key":83,"name":84,"count":11},"rag-generation-context","Rag Generation Context",{"key":86,"name":87,"count":11},"rag-reranking-fusion","Rag Reranking Fusion",{"key":89,"name":90,"count":11},"rag-retrieval","Rag Retrieval",{"key":92,"name":93,"count":11},"rag-retrieval-search","Rag Retrieval Search",{"key":95,"name":96,"count":11},"safety-guardrails","Safety Guardrails",[98,102,105],{"key":99,"name":100,"count":101},"llm-rag","LLM\u002FRAG",450,{"key":103,"name":104,"count":101},"mlops","MLOps",{"key":106,"name":107,"count":101},"python","Python",[109,127,140,153,167,180],{"id":110,"topic":9,"difficulty":111,"body":112,"options":113,"correct_key":118,"explanation":126},"019f9407-fd5f-762a-8c89-deb340ff9252",1,"Bir ML projesinde, torch veya numpy gibi paketleri sistem geneli Python'a kurmak yerine ayrı bir sanal ortam (venv veya conda env) oluşturmak neden yaygın bir pratiktir?",[114,117,120,123],{"key":115,"text":116},"a","Çünkü sistem geneli Python, kurulu paketlerden bağımsız olarak hiçbir makine öğrenmesi kodunu çalıştıramaz.",{"key":118,"text":119},"b","Böylece her projenin paket sürümleri izole kalır ve projeler arasında çakışma önlenir.",{"key":121,"text":122},"c","Çünkü pip, GPU ile ilgili paketleri sanal ortam dışında kurmayı reddeder.",{"key":124,"text":125},"d","Böylece işletim sistemi tüm ML kütüphanelerini her gece otomatik olarak en son sürüme günceller.","Ayrı bir ortam her projenin bağımlılık kümesini izole eder; böylece bir projenin numpy veya torch sürümü, aynı makinedeki başka bir projenin gereksinimleriyle çakışmaz. (a) yanlıştır — sistem Python'ı ML kodu çalıştırabilir, izolasyon yeteneklerle değil çakışmayla ilgilidir. (c) pip'in olmayan bir kısıtlamasını uyduruyor. (d) otomatik güncellemeyi anlatıyor, ortamların ne yaptığıyla ilgisizdir.",{"id":128,"topic":9,"difficulty":111,"body":129,"options":130,"correct_key":115,"explanation":139},"019f9407-fd63-770e-9998-bf506d05c2d8","Bir ML projesinde bağımlılıkları yönetirken `pip` ile `conda` arasındaki temel pratik fark nedir?",[131,133,135,137],{"key":115,"text":132},"conda, Python paketlerine ek olarak Python-dışı bağımlılıkları da (CUDA toolkit kütüphaneleri gibi) yönetebilir.",{"key":118,"text":134},"pip yalnızca bir Docker container içinde kullanılabilir, conda ise yalnızca bare-metal bir makinede kullanılabilir.",{"key":121,"text":136},"conda, ne istenirse istensin her zaman pip'ten kesinlikle daha yeni paket sürümlerini kurar.",{"key":124,"text":138},"pip ve conda aynı aracın iki farklı adıdır, bu yüzden aradaki farkın pratik bir etkisi yoktur.","conda, CUDA\u002FcuDNN gibi Python-dışı sistem seviyesi kütüphaneler dahil tam ikili paketleri yönetir; pip'in kapsamı yalnızca Python paketleriyle sınırlıdır. (b) var olmayan bir container-özel kısıtlama uyduruyor. (c) pip\u002Fconda'nın uymadığı bir sürüm-sıralama kuralı icat ediyor. (d) yanlıştır — bunlar farklı bağımlılık çözücülere ve paket formatlarına sahip farklı araçlardır.",{"id":141,"topic":9,"difficulty":111,"body":142,"options":143,"correct_key":121,"explanation":152},"019f9407-fd68-7c34-97f3-ea3747b1ea88","`pip freeze` komutu tipik olarak ne çıktı verir ve bu ML projeleri için neden faydalıdır?",[144,146,148,150],{"key":115,"text":145},"PyPI'de yayınlanmış tüm paketlerin listesini verir; mevcut ML kütüphanelerine göz atmak için faydalıdır.",{"key":118,"text":147},"Makineye kurulu GPU sürücü sürümünü verir; CUDA uyumluluğunu kontrol etmek için faydalıdır.",{"key":121,"text":149},"Mevcut ortamda kurulu paketlerin tam sürümlerini verir.",{"key":124,"text":151},"Mevcut ortamdaki numpy ve torch kurulumlarının bir performans benchmark'ını verir.","`pip freeze`, o an kurulu paketlerin tam sürümlerini listeler; bu genellikle bir requirements dosyasına yönlendirilerek aynı ortamın başka bir yerde yeniden oluşturulmasını sağlar. (a) bunu PyPI'nin tüm kataloğuna göz atmakla karıştırıyor. (b) ve (d), `pip freeze`'in yapmadığı sürücü-inceleme veya benchmark davranışları yüklüyor.",{"id":154,"topic":9,"difficulty":155,"body":156,"options":157,"correct_key":124,"explanation":166},"019f9407-fd69-7df6-aad0-8cfc93d4585a",2,"Bir ekibin `requirements.txt` dosyasında `numpy>=1.20` yazıyor. Altı ay sonra yapılan taze bir kurulum, bazı varsayılan davranışları değiştiren çok daha yeni bir numpy sürümü çekiyor ve daha önce çalışan bir eğitim script'ini bozuyor. Bu ne göstermektedir?",[158,160,162,164],{"key":115,"text":159},"requirements.txt dosyaları yalnızca tek bir bağımlılık içerebilir, bu yüzden proje zaten yanlış yapılandırılmıştı.",{"key":118,"text":161},"numpy sürümleri her zaman tam geriye dönük uyumludur, bu yüzden bozulma sürüm değişikliğiyle ilgisiz bir şeyden kaynaklanıyor olmalı.",{"key":121,"text":163},"pip, ilk kurulumdan sonra `>=` gibi sürüm kısıtlamalarını yok sayar, bu yüzden bu aslında bir pip hatasıdır.",{"key":124,"text":165},"`>=` gibi gevşek bir kısıtlama, davranışı değiştiren daha yeni bir sürümün sonradan kurulmasına izin verir ve reproducibility'yi zedeler.","`>=` yalnızca bir alt sınır belirler, bu yüzden daha yeni herhangi bir sürüm — kırıcı değişiklikler içeren biri dahil — bu koşulu sağlar; gevşek kısıtlamaların zamanla reproducibility'yi zedelemesinin nedeni tam olarak budur. (a) yanlıştır; requirements dosyaları birçok bağımlılık listeleyebilir. (b) tüm sürümler arasında mükemmel geriye dönük uyumluluk varsayıyor, ki yanlış. (c) normal `>=` çözümleme davranışını tanımak yerine uydurma bir pip hatası icat ediyor.",{"id":168,"topic":9,"difficulty":155,"body":169,"options":170,"correct_key":118,"explanation":179},"019f9407-fd6c-7635-861f-63dcbeaf58da","GPU hızlandırmalı bir deep learning framework'ü kurarken, önce makinenin CUDA\u002Fsürücü sürümünü kontrol etmek yerine doğrudan `pip install torch` çalıştırmak neden yeterli olmayabilir?",[171,173,175,177],{"key":115,"text":172},"Çünkü pip, manuel sürücü yapılandırması olmadan 500 MB'tan büyük hiçbir paketi kuramaz.",{"key":118,"text":174},"Önceden derlenmiş GPU wheel'leri belirli bir CUDA sürüm aralığına göre derlenir ve uyumsuz bir kurulum GPU desteğini sessizce bozabilir.",{"key":121,"text":176},"Çünkü CUDA sürümleri yalnızca eğitim için önemlidir, GPU üzerinde inference çalıştırmak için hiç önemli değildir.",{"key":124,"text":178},"Çünkü `pip install torch` her zaman tüm CUDA sürümlerini aynı anda kurar, bu yüzden uyumluluk hiçbir zaman önemli değildir.","Önceden derlenmiş GPU wheel'leri belirli bir CUDA derlemesini hedefler; kurulu sürücü\u002FCUDA runtime ile uyuşmazlık genellikle framework'ün sessizce CPU'ya düşmesine veya hata vermesine yol açar, bu yüzden önce uyumluluğu kontrol etmek önemlidir. (a) CUDA ile ilgisiz bir paket-boyutu kısıtlaması uyduruyor. (c) CUDA uyumluluğunun yalnızca eğitim için önemli olduğunu yanlış iddia ediyor. (d) pip'i tüm CUDA sürümlerini bir arada paketleyen bir araç gibi yanlış tanımlıyor.",{"id":181,"topic":9,"difficulty":155,"body":182,"options":183,"correct_key":115,"explanation":192},"019f9407-fd74-7374-871f-c7dae2652f7a","`numpy.random.seed(...)`'e ek olarak, bir eğitim script'inin neden `random.seed(...)` (Python'ın yerleşik `random` modülü) ve `torch.manual_seed(...)`'i de ayrı ayrı ayarlaması gerekebilir?",[184,186,188,190],{"key":115,"text":185},"Her kütüphane kendi bağımsız rastgele sayı üreteci durumunu tutar.",{"key":118,"text":187},"numpy'ın seed'ini ayarlamak, aynı seed'i kurulu diğer tüm kütüphanelere otomatik olarak yayar.",{"key":121,"text":189},"Python'ın yerleşik `random` modülü kullanımdan kaldırılmıştır ve seed'ini ayarlamanın modern sistemlerde hiçbir etkisi yoktur.",{"key":124,"text":191},"torch, seed'ini yalnızca işletim sistemi saatinden okur ve kendisine geçirilen herhangi bir seed'i yok sayar.","`random`, `numpy` ve `torch` her biri kendi içinde ayrı bir RNG durumu tutar, bu yüzden birine ayarlanan bir seed diğerlerini etkilemez — reproducibility, rastgelelik üreten her kütüphanenin ayrı ayrı seedlenmesini gerektirir. (b) var olmayan otomatik yayılımı uyduruyor. (c) yanlıştır; `random` standart ve halen aktif kullanılan bir modüldür. (d) `torch.manual_seed`'i yanlış tanımlıyor; bu fonksiyon kendisine geçirilen seed'i gerçekten alıp kullanır.",{"fields":194,"seniorities":372,"interview_shapes":373,"locales":378,"oauth":380,"question_count":383,"coach_enabled":384,"jd_match_enabled":384},[195,218,238,255,279,286,305,324,346,353,359,366],{"key":196,"name_tr":197,"name_en":197,"sort":111,"specializations":198},"backend","Backend",[199,202,205,206,209,212,215],{"key":200,"name":201,"field":196},"general","Genel",{"key":203,"name":204,"field":196},"go","Go",{"key":106,"name":107,"field":196},{"key":207,"name":208,"field":196},"java","Java",{"key":210,"name":211,"field":196},"csharp","C#\u002F.NET",{"key":213,"name":214,"field":196},"nodejs","Node.js",{"key":216,"name":217,"field":196},"php","PHP",{"key":219,"name_tr":220,"name_en":220,"sort":155,"specializations":221},"frontend","Frontend",[222,223,226,229,232,235],{"key":200,"name":201,"field":219},{"key":224,"name":225,"field":219},"javascript","JavaScript",{"key":227,"name":228,"field":219},"typescript","TypeScript",{"key":230,"name":231,"field":219},"react","React",{"key":233,"name":234,"field":219},"vue","Vue",{"key":236,"name":237,"field":219},"angular","Angular",{"key":239,"name_tr":240,"name_en":240,"sort":241,"specializations":242},"fullstack","Fullstack",3,[243,244,245,246,247,248,249,250,251,252,253,254],{"key":200,"name":201,"field":239},{"key":203,"name":204,"field":196},{"key":106,"name":107,"field":196},{"key":207,"name":208,"field":196},{"key":210,"name":211,"field":196},{"key":213,"name":214,"field":196},{"key":216,"name":217,"field":196},{"key":224,"name":225,"field":219},{"key":227,"name":228,"field":219},{"key":230,"name":231,"field":219},{"key":233,"name":234,"field":219},{"key":236,"name":237,"field":219},{"key":256,"name_tr":257,"name_en":257,"sort":258,"specializations":259},"devops-cloud","DevOps \u002F Cloud",4,[260,261,264,267,270,273,276],{"key":200,"name":201,"field":256},{"key":262,"name":263,"field":256},"aws","AWS",{"key":265,"name":266,"field":256},"gcp","GCP",{"key":268,"name":269,"field":256},"azure","Azure",{"key":271,"name":272,"field":256},"kubernetes","Kubernetes",{"key":274,"name":275,"field":256},"terraform","Terraform",{"key":277,"name":278,"field":256},"linux","Linux",{"key":5,"name_tr":6,"name_en":6,"sort":280,"specializations":281},5,[282,283,284,285],{"key":200,"name":201,"field":5},{"key":106,"name":107,"field":5},{"key":99,"name":100,"field":5},{"key":103,"name":104,"field":5},{"key":287,"name_tr":288,"name_en":289,"sort":290,"specializations":291},"database","Veritabanı","Database",6,[292,293,296,299,302],{"key":200,"name":201,"field":287},{"key":294,"name":295,"field":287},"postgresql","PostgreSQL",{"key":297,"name":298,"field":287},"mysql","MySQL",{"key":300,"name":301,"field":287},"mongodb","MongoDB",{"key":303,"name":304,"field":287},"redis","Redis",{"key":306,"name_tr":307,"name_en":308,"sort":309,"specializations":310},"mobile","Mobil","Mobile",7,[311,312,315,318,321],{"key":200,"name":201,"field":306},{"key":313,"name":314,"field":306},"ios-swift","iOS (Swift)",{"key":316,"name":317,"field":306},"android-kotlin","Android (Kotlin)",{"key":319,"name":320,"field":306},"flutter","Flutter",{"key":322,"name":323,"field":306},"react-native","React Native",{"key":325,"name_tr":326,"name_en":327,"sort":328,"specializations":329},"security","Güvenlik","Security",8,[330,331,334,337,340,343],{"key":200,"name":201,"field":325},{"key":332,"name":333,"field":325},"appsec","AppSec",{"key":335,"name":336,"field":325},"offensive-pentest","Offensive \u002F Pentest",{"key":338,"name":339,"field":325},"cloud-security","Cloud Security",{"key":341,"name":342,"field":325},"devsecops","DevSecOps",{"key":344,"name":345,"field":325},"blue-team-incident","Blue Team \u002F Incident",{"key":347,"name_tr":348,"name_en":349,"sort":350,"specializations":351},"qa-test-automation","QA \u002F Test Otomasyonu","QA \u002F Test Automation",9,[352],{"key":200,"name":201,"field":347},{"key":354,"name_tr":355,"name_en":355,"sort":356,"specializations":357},"data-engineer","Data Engineer",10,[358],{"key":200,"name":201,"field":354},{"key":360,"name_tr":361,"name_en":362,"sort":363,"specializations":364},"game-dev","Oyun Geliştirme","Game Development",11,[365],{"key":200,"name":201,"field":360},{"key":367,"name_tr":368,"name_en":368,"sort":369,"specializations":370},"ml-engineer","ML Engineer",12,[371],{"key":200,"name":201,"field":367},[14,15,16],{"junior":374,"mid":376,"senior":377},{"questions":375,"median_sec":3},20,{"questions":375,"median_sec":3},{"questions":375,"median_sec":3},[10,379],"en",[381,382],"google","github",21750,true]