[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"me":3,"catalog:tr:ml-engineer\u002Fcml-probabilistic-models-calibration":4,"config":148},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":58,"samples":63},"ml-engineer","ML Engineer","","cml-probabilistic-models-calibration","Cml Probabilistic Models Calibration","tr",75,1050,[14,15,16],"junior","mid","senior",[18,21,24,27,28,31,34,37,40,43,46,49,52,55],{"key":19,"name":20,"count":11},"cml-distance-clustering-dimreduction","Cml Distance Clustering Dimreduction",{"key":22,"name":23,"count":11},"cml-gradient-boosting-mechanics","Cml Gradient Boosting Mechanics",{"key":25,"name":26,"count":11},"cml-linear-logistic-internals","Cml Linear Logistic Internals",{"key":8,"name":9,"count":11},{"key":29,"name":30,"count":11},"cml-svm-kernels-margins","Cml Svm Kernels Margins",{"key":32,"name":33,"count":11},"cml-trees-randomforest-internals","Cml Trees Randomforest Internals",{"key":35,"name":36,"count":11},"ml-data-preparation","Ml Data Preparation",{"key":38,"name":39,"count":11},"ml-deployment-serving","Ml Deployment Serving",{"key":41,"name":42,"count":11},"ml-experimentation-reproducibility","Ml Experimentation Reproducibility",{"key":44,"name":45,"count":11},"ml-model-selection-tuning","Ml Model Selection Tuning",{"key":47,"name":48,"count":11},"ml-model-training-evaluation","Ml Model Training Evaluation",{"key":50,"name":51,"count":11},"ml-monitoring-drift","Ml Monitoring Drift",{"key":53,"name":54,"count":11},"ml-problem-framing","Ml Problem Framing",{"key":56,"name":57,"count":11},"ml-scaling-performance","Ml Scaling Performance",[59],{"key":60,"name":61,"count":62},"classical-ml","Classical ML",450,[64,82,96,109,122,135],{"id":65,"topic":9,"difficulty":66,"body":67,"options":68,"correct_key":70,"explanation":81},"01a03e80-266c-7bf9-9f92-3156eba69b17",1,"Naive Bayes'e \"naif\" denmesinin sebebi tek bir modelleme varsayımıdır. Bu varsayımı hangi ifade doğru anlatır?",[69,72,75,78],{"key":70,"text":71},"a","Sınıf etiketi bilindiğinde her öznitelik diğer her öznitelikten bağımsızdır",{"key":73,"text":74},"b","Sınıf etiketi bilinmeden önce öznitelikler birbirinden bağımsızdır",{"key":76,"text":77},"c","Sınıf etiketi bilindiğinde her öznitelik aynı dağılımı izler",{"key":79,"text":80},"d","Her öznitelik sınıf skoruna aynı miktarda kanıt katkısı yapar","Varsayım koşullu bağımsızlıktır: her öznitelik için P(x_i | y, x_1, ..., x_n) = P(x_i | y). Ortak olabilirliği tek boyutlu terimlerin çarpımına indiren şey budur. Sınıf bilinmediğinde özniteliklerin bağımsız olduğunu iddia etmez, aynı dağılımı paylaşmalarını ya da eşit ağırlık taşımalarını da gerektirmez.",{"id":83,"topic":9,"difficulty":84,"body":85,"options":86,"correct_key":73,"explanation":95},"01a03e80-266d-7740-84d8-f826b44d2167",2,"Naive Bayes sınıfları P(y) çarpı P(x_i | y) çarpımıyla sıralar ve P(x_1, ..., x_n) paydasını doğrudan atar. Sınıf seçerken bu payda neden atılabilir?",[87,89,91,93],{"key":70,"text":88},"Öznitelik vektörü önceden normalize edildiyse tam olarak 1'e eşittir",{"key":73,"text":90},"Her sınıf için aynı değere sahiptir, hangi sınıfın kazandığını değiştiremez",{"key":76,"text":92},"Model uydurulurken alpha düzleştirme parametresine emilip kaybolur",{"key":79,"text":94},"Yalnızca sınıf önselleri birbirine eşit olmadığında bilgi taşır","Kanıt terimi örneğe bağlıdır ama aday sınıfa bağlı değildir; tüm sınıflar için ortak pozitif bir çarpandır ve argmax'ı etkilemez. Skorları olasılığa çevirmek için yine de gerekir; predict_proba tam olarak bunun için sınıf skorlarını toplamları bire eşit olacak şekilde yeniden normalize eder.",{"id":97,"topic":9,"difficulty":84,"body":98,"options":99,"correct_key":73,"explanation":108},"01a03e80-266e-71d1-a495-56945083de48","scikit-learn 1.6'da 0 numaralı sınıfın üç kelimelik bir sözlük üzerinde tek bir eğitim dokümanı var ve sayım vektörü [3, 2, 0]. MultinomialNB(alpha=1.0) bu sınıfta üçüncü kelimenin olasılığını kaç olarak tahmin eder?",[100,102,104,106],{"key":70,"text":101},"0.0, çünkü kelime eğitim sırasında o sınıfta hiç geçmiyor",{"key":73,"text":103},"0.125, çünkü 0 sayımı 1'e, toplam 5 ise 8'e çıkar",{"key":76,"text":105},"0.2, çünkü düzleştirilmiş sayım 1, ham sınıf toplamı 5'e bölünür",{"key":79,"text":107},"0.1667, çünkü düzleştirilmiş sayım 1, sınıf toplamı 5 artı alpha'ya bölünür","MultinomialNB theta_yi = (N_yi + alpha) \u002F (N_y + alpha * öznitelik_sayısı) kullanır; burada (0 + 1) \u002F (5 + 1 * 3) = 0.125. Paydada alpha'yı sözlük boyutu çarpar, satırın geçerli bir dağılım kalmasını sağlayan da budur; diğer değerler genellikle bu çarpanın unutulmasından çıkar.",{"id":110,"topic":9,"difficulty":84,"body":111,"options":112,"correct_key":79,"explanation":121},"01a03e80-2671-7552-9243-73b9f60f2214","Multinomial naive Bayes hiç düzleştirme olmadan eğitiliyor. Test dokümanında, eğitimde 0 numaralı sınıfta hiç geçmemiş bir kelime var. Bu sınıfın skoruna ne olur?",[113,115,117,119],{"key":70,"text":114},"Görülmemiş kelime atlanır ve sonucu belirleme işi kalan kelimelere bırakılır",{"key":73,"text":116},"Sınıf, bildirdiği nihai skor olarak yalnızca kendi önsel olasılığına geri düşer",{"key":76,"text":118},"Görülmemiş kelimeye o sınıfta görülen kelimelerin ortalama olasılığı verilir",{"key":79,"text":120},"Diğer kelimeler sınıf 0 hakkında ne derse desin, çarpımın tamamı sıfıra çöker","Kelime başına düşen çarpanların hepsi birbiriyle çarpılır; tek bir sıfır çarpan, diğer kanıtlar ne olursa olsun sınıf skorunu yok eder. scikit-learn 1.6'da alpha=0.0 ile çalıştırıldığında bu sıfır olasılığın logaritması -inf olur ve predict_proba nan döner; düzleştirme önselinin varsayılan olmasının sebebi tam olarak budur.",{"id":123,"topic":9,"difficulty":84,"body":124,"options":125,"correct_key":76,"explanation":134},"01a03e80-2673-78ab-a7a6-d5b756188fc3","Dört kelimelik bir sözlükte ekip MultinomialNB'nin alpha'sını 1.0'dan 500'e çıkarıyor. Sınıf başına tahmin edilen kelime olasılıkları [0.6, 0.2, 0.1, 0.1] iken [0.252, 0.250, 0.249, 0.249] oluyor. Ne oluyor?",[126,128,130,132],{"key":70,"text":127},"Sayımlar yeniden ölçekleniyor ve en nadir kelimeler sınıf skoruna baskın gelmeye başlıyor",{"key":73,"text":129},"Tahminler 0 ve 1'e doğru itiliyor, bu da sınıflandırıcıyı daha kararlı hâle getiriyor",{"key":76,"text":131},"Düzleştirme kütlesi sayımlara baskın gelip her kelimeyi 1\u002Fn değerine çekiyor",{"key":79,"text":133},"Sınıf önselleri düzleşiyor, kelime olasılıkları da yalnızca onları takip ediyor","(N_yi + alpha) \u002F (N_y + alpha * n) ifadesinde büyük alpha hem N_yi'yi hem N_y'yi bastırır, her giriş 1\u002Fn'e yaklaşır ve kelimeler sınıfları ayırt etmeyi bırakır. Düzleştirme, düzgün dağılıma doğru bir önseldir; şiddeti, sıfır sayıma karşı korumayı yanlılıkla takas eder.",{"id":136,"topic":9,"difficulty":84,"body":137,"options":138,"correct_key":70,"explanation":147},"01a03e80-2676-7ec4-83ab-678a9c688804","Naive Bayes implementasyonları neden olasılıkları doğrudan çarpmak yerine log P(x_i | y) değerlerini toplayarak biriktirir?",[139,141,143,145],{"key":70,"text":140},"Yüzlerce küçük olasılığın çarpımı float64'te tam olarak 0'a alt-taşar",{"key":73,"text":142},"Logaritma almak bağımsızlık varsayımını daha doğru kılar",{"key":76,"text":144},"Tek tek olabilirlik terimleri negatif çıkabileceği için toplama işlemi zorunludur",{"key":79,"text":146},"Logaritma, öğrenilmiş sınıf önselini sınıflar üzerinde düzgün bir önsele çevirir","0.001 ile 0.05 arasından çekilen dört yüz çarpan float64'te tam olarak 0.0 verir; buna karşılık logaritmaların toplamı gayet kullanışlı bir -1542'dir. Logaritma kesin artan olduğu için sınıflar üzerindeki argmax değişmez; skorlar ancak en sonda üstel alınıp yeniden normalize edilir.",{"fields":149,"seniorities":370,"interview_shapes":371,"locales":376,"oauth":378,"question_count":381,"coach_enabled":382,"jd_match_enabled":382},[150,175,195,212,236,249,268,287,309,328,343,365],{"key":151,"name_tr":152,"name_en":152,"sort":66,"specializations":153},"backend","Backend",[154,157,160,163,166,169,172],{"key":155,"name":156,"field":151},"general","Genel",{"key":158,"name":159,"field":151},"go","Go",{"key":161,"name":162,"field":151},"python","Python",{"key":164,"name":165,"field":151},"java","Java",{"key":167,"name":168,"field":151},"csharp","C#\u002F.NET",{"key":170,"name":171,"field":151},"nodejs","Node.js",{"key":173,"name":174,"field":151},"php","PHP",{"key":176,"name_tr":177,"name_en":177,"sort":84,"specializations":178},"frontend","Frontend",[179,180,183,186,189,192],{"key":155,"name":156,"field":176},{"key":181,"name":182,"field":176},"javascript","JavaScript",{"key":184,"name":185,"field":176},"typescript","TypeScript",{"key":187,"name":188,"field":176},"react","React",{"key":190,"name":191,"field":176},"vue","Vue",{"key":193,"name":194,"field":176},"angular","Angular",{"key":196,"name_tr":197,"name_en":197,"sort":198,"specializations":199},"fullstack","Fullstack",3,[200,201,202,203,204,205,206,207,208,209,210,211],{"key":155,"name":156,"field":196},{"key":158,"name":159,"field":151},{"key":161,"name":162,"field":151},{"key":164,"name":165,"field":151},{"key":167,"name":168,"field":151},{"key":170,"name":171,"field":151},{"key":173,"name":174,"field":151},{"key":181,"name":182,"field":176},{"key":184,"name":185,"field":176},{"key":187,"name":188,"field":176},{"key":190,"name":191,"field":176},{"key":193,"name":194,"field":176},{"key":213,"name_tr":214,"name_en":214,"sort":215,"specializations":216},"devops-cloud","DevOps \u002F Cloud",4,[217,218,221,224,227,230,233],{"key":155,"name":156,"field":213},{"key":219,"name":220,"field":213},"aws","AWS",{"key":222,"name":223,"field":213},"gcp","GCP",{"key":225,"name":226,"field":213},"azure","Azure",{"key":228,"name":229,"field":213},"kubernetes","Kubernetes",{"key":231,"name":232,"field":213},"terraform","Terraform",{"key":234,"name":235,"field":213},"linux","Linux",{"key":237,"name_tr":238,"name_en":238,"sort":239,"specializations":240},"ai-engineer","AI Engineer",5,[241,242,243,246],{"key":155,"name":156,"field":237},{"key":161,"name":162,"field":237},{"key":244,"name":245,"field":237},"llm-rag","LLM\u002FRAG",{"key":247,"name":248,"field":237},"mlops","MLOps",{"key":250,"name_tr":251,"name_en":252,"sort":253,"specializations":254},"database","Veritabanı","Database",6,[255,256,259,262,265],{"key":155,"name":156,"field":250},{"key":257,"name":258,"field":250},"postgresql","PostgreSQL",{"key":260,"name":261,"field":250},"mysql","MySQL",{"key":263,"name":264,"field":250},"mongodb","MongoDB",{"key":266,"name":267,"field":250},"redis","Redis",{"key":269,"name_tr":270,"name_en":271,"sort":272,"specializations":273},"mobile","Mobil","Mobile",7,[274,275,278,281,284],{"key":155,"name":156,"field":269},{"key":276,"name":277,"field":269},"ios-swift","iOS (Swift)",{"key":279,"name":280,"field":269},"android-kotlin","Android (Kotlin)",{"key":282,"name":283,"field":269},"flutter","Flutter",{"key":285,"name":286,"field":269},"react-native","React Native",{"key":288,"name_tr":289,"name_en":290,"sort":291,"specializations":292},"security","Güvenlik","Security",8,[293,294,297,300,303,306],{"key":155,"name":156,"field":288},{"key":295,"name":296,"field":288},"appsec","AppSec",{"key":298,"name":299,"field":288},"offensive-pentest","Offensive \u002F Pentest",{"key":301,"name":302,"field":288},"cloud-security","Cloud Security",{"key":304,"name":305,"field":288},"devsecops","DevSecOps",{"key":307,"name":308,"field":288},"blue-team-incident","Blue Team \u002F Incident",{"key":310,"name_tr":311,"name_en":312,"sort":313,"specializations":314},"qa-test-automation","QA \u002F Test Otomasyonu","QA \u002F Test Automation",9,[315,316,319,322,325],{"key":155,"name":156,"field":310},{"key":317,"name":318,"field":310},"test-automation","Test Automation",{"key":320,"name":321,"field":310},"sdet","SDET",{"key":323,"name":324,"field":310},"performance-testing","Performance Testing",{"key":326,"name":327,"field":310},"mobile-qa","Mobile QA",{"key":329,"name_tr":330,"name_en":330,"sort":331,"specializations":332},"data-engineer","Data Engineer",10,[333,334,337,340],{"key":155,"name":156,"field":329},{"key":335,"name":336,"field":329},"pipelines-etl","Pipelines \u002F ETL",{"key":338,"name":339,"field":329},"streaming","Streaming",{"key":341,"name":342,"field":329},"warehousing","Warehousing",{"key":344,"name_tr":345,"name_en":346,"sort":347,"specializations":348},"game-dev","Oyun Geliştirme","Game Development",11,[349,350,353,356,359,362],{"key":155,"name":156,"field":344},{"key":351,"name":352,"field":344},"unity-csharp","Unity (C#)",{"key":354,"name":355,"field":344},"unreal-cpp","Unreal (C++)",{"key":357,"name":358,"field":344},"gameplay","Gameplay",{"key":360,"name":361,"field":344},"graphics-rendering","Graphics \u002F Rendering",{"key":363,"name":364,"field":344},"multiplayer-netcode","Multiplayer \u002F Netcode",{"key":5,"name_tr":6,"name_en":6,"sort":366,"specializations":367},12,[368,369],{"key":155,"name":156,"field":5},{"key":60,"name":61,"field":5},[14,15,16],{"junior":372,"mid":374,"senior":375},{"questions":373,"median_sec":3},20,{"questions":373,"median_sec":3},{"questions":373,"median_sec":3},[10,377],"en",[379,380],"google","github",27600,true]