[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"me":3,"catalog:tr:ml-engineer\u002Fcml-trees-randomforest-internals":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-trees-randomforest-internals","Cml Trees Randomforest Internals","tr",75,1050,[14,15,16],"junior","mid","senior",[18,21,24,27,30,33,34,37,40,43,46,49,52,55],{"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":28,"name":29,"count":11},"cml-probabilistic-models-calibration","Cml Probabilistic Models Calibration",{"key":31,"name":32,"count":11},"cml-svm-kernels-margins","Cml Svm Kernels Margins",{"key":8,"name":9,"count":11},{"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":73,"explanation":81},"01a03e80-273d-7551-94d1-8c1104c30459",1,"Bir karar ağacı düğümünde 4 eğitim örneği var: 3'ü A sınıfı, 1'i B sınıfı. Bu düğümün Gini safsızlığı kaçtır?",[69,72,75,78],{"key":70,"text":71},"a","0,250; çünkü dört örnekten biri düğümün azınlık sınıfına aittir",{"key":73,"text":74},"b","0,375; çünkü 1 eksi sınıf oranlarının karelerinin toplamıdır",{"key":76,"text":77},"c","0,750; çünkü safsızlık, düğümün çoğunluk sınıfınca tutulan payıdır",{"key":79,"text":80},"d","0,811; çünkü safsızlık her sınıf oranını 2 tabanlı logu ile çarpıp toplar","Gini safsızlığı, düğümde bulunan sınıflar üzerinden 1 - toplam(p_k^2) biçimindedir. 0,75 ve 0,25 oranlarıyla bu 1 - (0,5625 + 0,0625) = 0,375 verir. 0,811 değeri ise aynı düğümün bit cinsinden Shannon entropisidir; entropy kriteri bunu raporlar.",{"id":83,"topic":9,"difficulty":84,"body":85,"options":86,"correct_key":76,"explanation":95},"01a03e80-2740-7bb0-8741-6aec9df644d6",2,"İkili sınıflandırma ağacında hangi düğüm bileşimi Gini safsızlığını en yükseğe çıkarır ve bu en yüksek değer kaçtır?",[87,89,91,93],{"key":70,"text":88},"Bir sınıfın örneklerin yaklaşık yüzde 75'ini tuttuğu düğüm; en yüksek değer 0,75",{"key":73,"text":90},"Tek örnek içeren düğüm, çünkü yalnız bir örnek kanıt taşımaz; en yüksek değer 1,0",{"key":76,"text":92},"İki sınıf arasında eşit bölünmüş düğüm; en yüksek değer 0,5",{"key":79,"text":94},"İki sınıfı 2'ye 1 oranında olan düğüm; en yüksek değer yaklaşık 0,44","İki sınıf ve p oranı için Gini, 1 - p^2 - (1-p)^2 = 2p(1-p) olur; bu ifade p = 0,5'te 0,5 değeriyle tepe yapar. Saf bir düğüm 0 verir, her dengesizlik değeri 0,5'in altına indirir. Formüle düğüm büyüklüğü değil yalnızca sınıf oranları girer.",{"id":97,"topic":9,"difficulty":84,"body":98,"options":99,"correct_key":70,"explanation":108},"01a03e80-2741-7146-a348-066862c4fb86","Bir düğümde 8 örnek var: 4 pozitif, 4 negatif. Aday bir bölünme sol çocuğa 4 örnek (3 pozitif, 1 negatif), sağ çocuğa 4 örnek (1 pozitif, 3 negatif) gönderiyor. Bu bölünmenin Gini kazancı nedir?",[100,102,104,106],{"key":70,"text":101},"0,125; çünkü ebeveynin 0,5 değeri 0,375'lik ağırlıklı çocuk safsızlığına düşer",{"key":73,"text":103},"0,250; çünkü her çocuk ebeveyni kendi safsızlık değerinin yarısı kadar iyileştirir",{"key":76,"text":105},"0,500; çünkü düğüm bir kez bölündüğünde ebeveyn safsızlığı tamamen ortadan kalkar",{"key":79,"text":107},"0,750; çünkü kazanç, iki çocuğun ayrı ayrı kaldırdığı safsızlıkları toplar","Her iki çocuğun Gini değeri 1 - (0,75^2 + 0,25^2) = 0,375'tir ve her biri örneklerin yarısını tuttuğu için ağırlıklı çocuk safsızlığı da 0,375 çıkar. Bunu ebeveynin 0,5 değerinden çıkarınca kazanç 0,125 olur. Kazanç her zaman ebeveyn safsızlığı eksi çocukların örnek-ağırlıklı ortalamasıdır, çocuklar üzerinden bir toplam değildir.",{"id":110,"topic":9,"difficulty":84,"body":111,"options":112,"correct_key":79,"explanation":121},"01a03e80-2748-7e59-926e-653aaf1eeee5","scikit-learn 1.6'da DecisionTreeClassifier, criterion olarak \"gini\", \"entropy\" ve \"log_loss\" değerlerini kabul eder. \"entropy\" ile \"log_loss\" birbiriyle nasıl ilişkilidir?",[113,115,117,119],{"key":70,"text":114},"\"log_loss\", düğüm saflığı yerine yaprak olasılıklarının kalibrasyon hatasını ölçer",{"key":73,"text":116},"\"log_loss\", entropiyi uygular ama her sınıfı düğümdeki ters frekansıyla ağırlıklandırır",{"key":76,"text":118},"\"log_loss\", bir bölünmeyi ebeveynin tahmin dağılımına karşı çapraz entropiyle değerlendirir",{"key":79,"text":120},"İkisi aynı Shannon entropisi ölçüsünü adlandırır ve birebir aynı ağacı kurar","scikit-learn 1.6'da \"log_loss\", \"entropy\" için bir takma addır: ikisi de düğüm için -toplam(p_k * log2(p_k)) hesaplar, dolayısıyla hangi adla fit edilirse edilsin eşikler ve safsızlık dizisi aynı çıkar. Takma ad yalnızca ağaç kriteri adını kütüphanenin geri kalanındaki kayıp terminolojisiyle hizalamak için vardır.",{"id":123,"topic":9,"difficulty":84,"body":124,"options":125,"correct_key":70,"explanation":134},"01a03e80-2749-75b6-88db-87537447c439","Bir düğümde 6 örnek var ve tek bir sürekli feature üzerindeki değerleri [1, 1, 2, 2, 5, 9]. splitter=\"best\" ile scikit-learn bu düğümde bu feature için kaç aday eşik değerlendirir?",[126,128,130,132],{"key":70,"text":127},"3; komşu farklı değer çiftlerinin her biri arasında bir orta nokta",{"key":73,"text":129},"5; sıralamadan sonra komşu satır çiftlerinin her biri arasında bir sınır",{"key":76,"text":131},"6; düğümdeki her örnek değerinin tam üzerine konan birer eşik",{"key":79,"text":133},"9; gözlenen değer aralığında her tamsayı adımı için bir eşik","best splitter feature'ı sıralar ve eşiği yalnızca birbirinden farklı iki komşu değerin arasına, orta noktalarına yerleştirir; dolayısıyla 1, 2, 5 ve 9 farklı değerleri 1,5 · 3,5 · 7,0 olmak üzere üç aday üretir. Tekrarlanan değerler bir eşikle ayrılamaz, bu yüzden kopyalar aday sayısını artırmaz.",{"id":136,"topic":9,"difficulty":84,"body":137,"options":138,"correct_key":76,"explanation":147},"01a03e80-2750-7e6c-8291-575e35b17949","scikit-learn 1.6 ile:\n\n```python\nX = [[1.0], [2.0], [10.0], [20.0]]\ny = [0, 0, 1, 1]\nclf = DecisionTreeClassifier(max_depth=1).fit(X, y)\nprint(clf.tree_.threshold[0])\n```\n\nEkrana ne yazılır?",[139,141,143,145],{"key":70,"text":140},"2.0; negatif sınıfa ait olan en büyük feature değeri",{"key":73,"text":142},"5.5; düğümde bulunan dört feature değerinin aritmetik ortalaması",{"key":76,"text":144},"6.0; sınırın iki yanındaki değerlerin arasındaki orta nokta",{"key":79,"text":146},"10.0; zaten pozitif sınıfa ait olan en küçük feature değeri","En iyi bölünme 2.0 ile 10.0'ı ayırır ve scikit-learn eşiği bu komşu çiftin orta noktası olarak saklar, yani (2.0 + 10.0) \u002F 2 = 6.0 yazılır. Bölünme koşulu X \u003C= eşik biçimindedir ve iki komşu arasındaki açık aralıktaki her değer aynı satırları ayırırdı; orta nokta deterministik olarak seçilir.",{"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]