[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"me":3,"catalog:tr:ml-engineer\u002Ffe-interactions-basis-expansion":4,"config":188},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":94,"samples":105},"ml-engineer","ML Engineer","","fe-interactions-basis-expansion","Fe Interactions Basis Expansion","tr",75,1950,[14,15,16],"junior","mid","senior",[18,21,24,27,30,33,36,39,42,45,48,51,54,57,60,61,64,67,70,73,76,79,82,85,88,91],{"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":34,"name":35,"count":11},"cml-trees-randomforest-internals","Cml Trees Randomforest Internals",{"key":37,"name":38,"count":11},"dl-architecture-layers","Dl Architecture Layers",{"key":40,"name":41,"count":11},"dl-initialization-optimizers","Dl Initialization Optimizers",{"key":43,"name":44,"count":11},"dl-losses-output-layers","Dl Losses Output Layers",{"key":46,"name":47,"count":11},"dl-normalization-regularization","Dl Normalization Regularization",{"key":49,"name":50,"count":11},"dl-sequence-attention","Dl Sequence Attention",{"key":52,"name":53,"count":11},"dl-training-dynamics-backprop","Dl Training Dynamics Backprop",{"key":55,"name":56,"count":11},"fe-binning-discretization","Fe Binning Discretization",{"key":58,"name":59,"count":11},"fe-categorical-encoding-mechanics","Fe Categorical Encoding Mechanics",{"key":8,"name":9,"count":11},{"key":62,"name":63,"count":11},"fe-numeric-transforms-distributions","Fe Numeric Transforms Distributions",{"key":65,"name":66,"count":11},"fe-temporal-cyclical-features","Fe Temporal Cyclical Features",{"key":68,"name":69,"count":11},"fe-text-highcardinality-features","Fe Text Highcardinality Features",{"key":71,"name":72,"count":11},"ml-data-preparation","Ml Data Preparation",{"key":74,"name":75,"count":11},"ml-deployment-serving","Ml Deployment Serving",{"key":77,"name":78,"count":11},"ml-experimentation-reproducibility","Ml Experimentation Reproducibility",{"key":80,"name":81,"count":11},"ml-model-selection-tuning","Ml Model Selection Tuning",{"key":83,"name":84,"count":11},"ml-model-training-evaluation","Ml Model Training Evaluation",{"key":86,"name":87,"count":11},"ml-monitoring-drift","Ml Monitoring Drift",{"key":89,"name":90,"count":11},"ml-problem-framing","Ml Problem Framing",{"key":92,"name":93,"count":11},"ml-scaling-performance","Ml Scaling Performance",[95,99,102],{"key":96,"name":97,"count":98},"classical-ml","Classical ML",450,{"key":100,"name":101,"count":98},"deep-learning","Deep Learning",{"key":103,"name":104,"count":98},"feature-engineering","Feature Engineering",[106,124,138,151,162,175],{"id":107,"topic":9,"difficulty":108,"body":109,"options":110,"correct_key":118,"explanation":123},"01a04b40-de2f-77a4-a005-b2ee02b862d6",1,"Tablo biçimli bir tasarım matrisinde, x1 ve x2 sayısal sütunları arasına bir etkileşim terimi eklemek en birebir aritmetik anlamda ne demektir?",[111,114,117,120],{"key":112,"text":113},"a","İkisinin satır bazında toplamını tutan yeni bir sütun",{"key":115,"text":116},"b","Her satır için x1 ve x2'nin aritmetik ortalamasını tutan yeni bir sütun",{"key":118,"text":119},"c","x1 ile x2'nin satır bazında çarpımını tutan yeni bir sütun",{"key":121,"text":122},"d","Eğitim setinin tamamında ölçülen, x1 ile x2 arasındaki korelasyonu tutan yeni bir sütun","Etkileşim terimi düpedüz eleman bazında bir çarpmadır: yeni sütunun bir satırdaki değeri, o satırın x1'i ile o satırın x2'sinin çarpımıdır. İki sütunun toplamı ya da ortalaması hâlâ doğrusal bir kombinasyondur, dolayısıyla doğrusal bir model bunları yeni bir sütun olmadan zaten ifade edebilir. Korelasyon ise satırlar boyunca hesaplanan tek bir sayıdır, satır başına bir değer değildir; bu yüzden feature sütunu olamaz.",{"id":125,"topic":9,"difficulty":126,"body":127,"options":128,"correct_key":112,"explanation":137},"01a04b40-de38-73ba-b11e-a2a2e77dce74",2,"scikit-learn 1.6 ile, X'in şekli (200, 3) ve PolynomialFeatures(degree=2, include_bias=True).fit_transform(X) çalıştırıyorsunuz. Sonucun kaç sütunu olur?",[129,131,133,135],{"key":112,"text":130},"10",{"key":115,"text":132},"6",{"key":118,"text":134},"9",{"key":121,"text":136},"12","Genişletme, 3 girdi üzerinden toplam derecesi 0 ile 2 arasındaki her tek terimliyi üretir; bu da C(3+2, 2) = 10 sütun eder: bir bias, üç doğrusal terim, üç kare ve üç farklı ikili çarpım. Yalnız kareleri ve çarpımları ya da yalnız yeni sütunları saymak, transformer'ın koruduğu bias'ı veya orijinal doğrusal terimleri atlar.",{"id":139,"topic":9,"difficulty":108,"body":140,"options":141,"correct_key":121,"explanation":150},"01a04b40-de3a-7516-9c55-89e2ad93b4f5","scikit-learn 1.6'daki PolynomialFeatures'ta include_bias=True somut olarak çıktı matrisine ne koyar?",[142,144,146,148],{"key":112,"text":143},"Aşağıdaki tahmincinin sonradan veriden öğreneceği kesişim (intercept) değerini",{"key":115,"text":145},"Her satır için, o satırda kaç orijinal feature'ın sıfırdan farklı olduğunu kaydeden bir sütun",{"key":118,"text":147},"Orijinal, dönüştürülmemiş girdi sütunlarının matrisin başına yerleştirilmiş bir kopyasını",{"key":121,"text":149},"Her satırdaki değeri 1 olan tek bir sütun","Bias sütunu sıfırıncı dereceden tek terimlidir, dolayısıyla girdiden bağımsız olarak her satırda değeri sabit 1'dir. Kendi kesişimi olmadan fit edilen bir tahmincinin yine de bir kesişim ifade edebilmesini sağlayan bir yer tutucudur. Orijinal doğrusal terimler ise bu bayraktan bağımsız olarak birinci dereceden tek terimliler hâlinde zaten üretilir.",{"id":152,"topic":9,"difficulty":126,"body":153,"options":154,"correct_key":115,"explanation":161},"01a04b40-de42-7b91-9a82-74efdef52e4a","X'in 4 sayısal sütunu var. scikit-learn 1.6 altında PolynomialFeatures(degree=2, interaction_only=True, include_bias=False).fit_transform(X) çağırıyorsunuz. Kaç sütun geri döner?",[155,157,158,159],{"key":112,"text":156},"14",{"key":115,"text":130},{"key":118,"text":132},{"key":121,"text":160},"11","Çıktı 4 orijinal sütun artı C(4, 2) = 6 farklı ikili çarpım, yani 10 olur. On dört, dört karenin de tutulduğu durumun sayısıdır; altı yalnız çarpımları sayıp orijinal sütunları düşürür; on bir ise bu çağrının açıkça kapattığı bias sütununu ekler.",{"id":163,"topic":9,"difficulty":126,"body":164,"options":165,"correct_key":121,"explanation":174},"01a04b40-de44-7050-a73f-1d6abcd725da","Bir tasarım matrisi yalnızca 0\u002F1 gösterge sütunlarından oluşuyor. Bir arkadaşınız üzerinde interaction_only varsayılan False hâlindeyken 2. dereceden polinom genişletme çalıştırıyor. Bu gösterge sütunlarının kare terimlerine ne olur?",[166,168,170,172],{"key":112,"text":167},"Sıfır sütunları olarak çıkarlar",{"key":115,"text":169},"Göstergenin değiştiği satırları işaretlerler",{"key":118,"text":171},"Sütunun ikili olduğu fark edilince atlanırlar",{"key":121,"text":173},"Her biri geldiği gösterge sütununun birebir kopyası olur","Yalnızca 0 ya da 1 olabilen bir değer için kare almak birim dönüşümdür: 0'ın karesi 0, 1'in karesi 1'dir. Dolayısıyla her kare gösterge sütunu kaynak sütununu değer değer yeniden üretir; matrise yeni bir yön katmadan yalnızca genişlik ekler. Transformer değer aralığını incelemediği için bu kopyaları yine de üretir.",{"id":176,"topic":9,"difficulty":126,"body":177,"options":178,"correct_key":112,"explanation":187},"01a04b40-de45-7c76-aadb-51864acc7227","Bir matris, şehir (3 kategori) ve cihaz (2 kategori) için one-hot göstergeler tutuyor. şehir=istanbul sütununu cihaz=mobil sütunuyla satır satır çarpıyorsunuz. Ortaya çıkan sütun neyi temsil eder?",[179,181,183,185],{"key":112,"text":180},"Tam olarak hem istanbul hem mobil olan satırlarda tetiklenen bir gösterge",{"key":115,"text":182},"istanbul ya da mobil olan, ya da ikisi birden olan satırları işaretleyen bir gösterge",{"key":118,"text":184},"istanbul şehri için kaydedilen tüm satırlar içinde mobil satırların oranı",{"key":121,"text":186},"istanbul için bir gösterge; cihaz bayrağıyla çarpmak şehir bayrağını değiştirmez","İki 0\u002F1 sütununun çarpımı yalnızca her iki çarpan da 1 iken 1 olur, dolayısıyla iki kategorik değişkenin kesişim hücresinin göstergesidir. İki one-hot bloğunu çaprazlamanın her bileşik kategori kombinasyonu için bir sütun üretmesinin nedeni budur. Birleşim toplama tarzı bir kural gerektirirdi; oran ise satır başına bir değer değil, satırlar üzerinde bir toplulaştırmadır.",{"fields":189,"seniorities":412,"interview_shapes":413,"locales":418,"oauth":420,"question_count":423,"coach_enabled":424,"jd_match_enabled":424},[190,215,235,252,276,289,308,327,349,368,383,405],{"key":191,"name_tr":192,"name_en":192,"sort":108,"specializations":193},"backend","Backend",[194,197,200,203,206,209,212],{"key":195,"name":196,"field":191},"general","Genel",{"key":198,"name":199,"field":191},"go","Go",{"key":201,"name":202,"field":191},"python","Python",{"key":204,"name":205,"field":191},"java","Java",{"key":207,"name":208,"field":191},"csharp","C#\u002F.NET",{"key":210,"name":211,"field":191},"nodejs","Node.js",{"key":213,"name":214,"field":191},"php","PHP",{"key":216,"name_tr":217,"name_en":217,"sort":126,"specializations":218},"frontend","Frontend",[219,220,223,226,229,232],{"key":195,"name":196,"field":216},{"key":221,"name":222,"field":216},"javascript","JavaScript",{"key":224,"name":225,"field":216},"typescript","TypeScript",{"key":227,"name":228,"field":216},"react","React",{"key":230,"name":231,"field":216},"vue","Vue",{"key":233,"name":234,"field":216},"angular","Angular",{"key":236,"name_tr":237,"name_en":237,"sort":238,"specializations":239},"fullstack","Fullstack",3,[240,241,242,243,244,245,246,247,248,249,250,251],{"key":195,"name":196,"field":236},{"key":198,"name":199,"field":191},{"key":201,"name":202,"field":191},{"key":204,"name":205,"field":191},{"key":207,"name":208,"field":191},{"key":210,"name":211,"field":191},{"key":213,"name":214,"field":191},{"key":221,"name":222,"field":216},{"key":224,"name":225,"field":216},{"key":227,"name":228,"field":216},{"key":230,"name":231,"field":216},{"key":233,"name":234,"field":216},{"key":253,"name_tr":254,"name_en":254,"sort":255,"specializations":256},"devops-cloud","DevOps \u002F Cloud",4,[257,258,261,264,267,270,273],{"key":195,"name":196,"field":253},{"key":259,"name":260,"field":253},"aws","AWS",{"key":262,"name":263,"field":253},"gcp","GCP",{"key":265,"name":266,"field":253},"azure","Azure",{"key":268,"name":269,"field":253},"kubernetes","Kubernetes",{"key":271,"name":272,"field":253},"terraform","Terraform",{"key":274,"name":275,"field":253},"linux","Linux",{"key":277,"name_tr":278,"name_en":278,"sort":279,"specializations":280},"ai-engineer","AI Engineer",5,[281,282,283,286],{"key":195,"name":196,"field":277},{"key":201,"name":202,"field":277},{"key":284,"name":285,"field":277},"llm-rag","LLM\u002FRAG",{"key":287,"name":288,"field":277},"mlops","MLOps",{"key":290,"name_tr":291,"name_en":292,"sort":293,"specializations":294},"database","Veritabanı","Database",6,[295,296,299,302,305],{"key":195,"name":196,"field":290},{"key":297,"name":298,"field":290},"postgresql","PostgreSQL",{"key":300,"name":301,"field":290},"mysql","MySQL",{"key":303,"name":304,"field":290},"mongodb","MongoDB",{"key":306,"name":307,"field":290},"redis","Redis",{"key":309,"name_tr":310,"name_en":311,"sort":312,"specializations":313},"mobile","Mobil","Mobile",7,[314,315,318,321,324],{"key":195,"name":196,"field":309},{"key":316,"name":317,"field":309},"ios-swift","iOS (Swift)",{"key":319,"name":320,"field":309},"android-kotlin","Android (Kotlin)",{"key":322,"name":323,"field":309},"flutter","Flutter",{"key":325,"name":326,"field":309},"react-native","React Native",{"key":328,"name_tr":329,"name_en":330,"sort":331,"specializations":332},"security","Güvenlik","Security",8,[333,334,337,340,343,346],{"key":195,"name":196,"field":328},{"key":335,"name":336,"field":328},"appsec","AppSec",{"key":338,"name":339,"field":328},"offensive-pentest","Offensive \u002F Pentest",{"key":341,"name":342,"field":328},"cloud-security","Cloud Security",{"key":344,"name":345,"field":328},"devsecops","DevSecOps",{"key":347,"name":348,"field":328},"blue-team-incident","Blue Team \u002F Incident",{"key":350,"name_tr":351,"name_en":352,"sort":353,"specializations":354},"qa-test-automation","QA \u002F Test Otomasyonu","QA \u002F Test Automation",9,[355,356,359,362,365],{"key":195,"name":196,"field":350},{"key":357,"name":358,"field":350},"test-automation","Test Automation",{"key":360,"name":361,"field":350},"sdet","SDET",{"key":363,"name":364,"field":350},"performance-testing","Performance Testing",{"key":366,"name":367,"field":350},"mobile-qa","Mobile QA",{"key":369,"name_tr":370,"name_en":370,"sort":371,"specializations":372},"data-engineer","Data Engineer",10,[373,374,377,380],{"key":195,"name":196,"field":369},{"key":375,"name":376,"field":369},"pipelines-etl","Pipelines \u002F ETL",{"key":378,"name":379,"field":369},"streaming","Streaming",{"key":381,"name":382,"field":369},"warehousing","Warehousing",{"key":384,"name_tr":385,"name_en":386,"sort":387,"specializations":388},"game-dev","Oyun Geliştirme","Game Development",11,[389,390,393,396,399,402],{"key":195,"name":196,"field":384},{"key":391,"name":392,"field":384},"unity-csharp","Unity (C#)",{"key":394,"name":395,"field":384},"unreal-cpp","Unreal (C++)",{"key":397,"name":398,"field":384},"gameplay","Gameplay",{"key":400,"name":401,"field":384},"graphics-rendering","Graphics \u002F Rendering",{"key":403,"name":404,"field":384},"multiplayer-netcode","Multiplayer \u002F Netcode",{"key":5,"name_tr":6,"name_en":6,"sort":406,"specializations":407},12,[408,409,410,411],{"key":195,"name":196,"field":5},{"key":96,"name":97,"field":5},{"key":103,"name":104,"field":5},{"key":100,"name":101,"field":5},[14,15,16],{"junior":414,"mid":416,"senior":417},{"questions":415,"median_sec":3},20,{"questions":415,"median_sec":3},{"questions":415,"median_sec":3},[10,419],"en",[421,422],"google","github",28500,true]