[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"me":3,"catalog:tr:ml-engineer\u002Ffeature-engineering":4,"config":190},null,{"field_key":5,"field_name":6,"seniority":7,"topic_key":7,"topic_name":7,"spec_key":8,"spec_name":9,"locale":10,"cell_total":11,"field_total":12,"seniorities":13,"topics":17,"specs":97,"samples":105},"ml-engineer","ML Engineer","","feature-engineering","Feature Engineering","tr",450,1950,[14,15,16],"junior","mid","senior",[18,22,25,28,31,34,37,40,43,46,49,52,55,58,61,64,67,70,73,76,79,82,85,88,91,94],{"key":19,"name":20,"count":21},"cml-distance-clustering-dimreduction","Cml Distance Clustering Dimreduction",75,{"key":23,"name":24,"count":21},"cml-gradient-boosting-mechanics","Cml Gradient Boosting Mechanics",{"key":26,"name":27,"count":21},"cml-linear-logistic-internals","Cml Linear Logistic Internals",{"key":29,"name":30,"count":21},"cml-probabilistic-models-calibration","Cml Probabilistic Models Calibration",{"key":32,"name":33,"count":21},"cml-svm-kernels-margins","Cml Svm Kernels Margins",{"key":35,"name":36,"count":21},"cml-trees-randomforest-internals","Cml Trees Randomforest Internals",{"key":38,"name":39,"count":21},"dl-architecture-layers","Dl Architecture Layers",{"key":41,"name":42,"count":21},"dl-initialization-optimizers","Dl Initialization Optimizers",{"key":44,"name":45,"count":21},"dl-losses-output-layers","Dl Losses Output Layers",{"key":47,"name":48,"count":21},"dl-normalization-regularization","Dl Normalization Regularization",{"key":50,"name":51,"count":21},"dl-sequence-attention","Dl Sequence Attention",{"key":53,"name":54,"count":21},"dl-training-dynamics-backprop","Dl Training Dynamics Backprop",{"key":56,"name":57,"count":21},"fe-binning-discretization","Fe Binning Discretization",{"key":59,"name":60,"count":21},"fe-categorical-encoding-mechanics","Fe Categorical Encoding Mechanics",{"key":62,"name":63,"count":21},"fe-interactions-basis-expansion","Fe Interactions Basis Expansion",{"key":65,"name":66,"count":21},"fe-numeric-transforms-distributions","Fe Numeric Transforms Distributions",{"key":68,"name":69,"count":21},"fe-temporal-cyclical-features","Fe Temporal Cyclical Features",{"key":71,"name":72,"count":21},"fe-text-highcardinality-features","Fe Text Highcardinality Features",{"key":74,"name":75,"count":21},"ml-data-preparation","Ml Data Preparation",{"key":77,"name":78,"count":21},"ml-deployment-serving","Ml Deployment Serving",{"key":80,"name":81,"count":21},"ml-experimentation-reproducibility","Ml Experimentation Reproducibility",{"key":83,"name":84,"count":21},"ml-model-selection-tuning","Ml Model Selection Tuning",{"key":86,"name":87,"count":21},"ml-model-training-evaluation","Ml Model Training Evaluation",{"key":89,"name":90,"count":21},"ml-monitoring-drift","Ml Monitoring Drift",{"key":92,"name":93,"count":21},"ml-problem-framing","Ml Problem Framing",{"key":95,"name":96,"count":21},"ml-scaling-performance","Ml Scaling Performance",[98,101,104],{"key":99,"name":100,"count":11},"classical-ml","Classical ML",{"key":102,"name":103,"count":11},"deep-learning","Deep Learning",{"key":8,"name":9,"count":11},[106,124,137,151,164,177],{"id":107,"topic":57,"difficulty":108,"body":109,"options":110,"correct_key":121,"explanation":123},"01a04b40-dcaf-76f4-ae84-7284b499a561",1,"Sayısal bir sütun eşit genişlikli (equal-width) binning ile 4 kovaya ayrılıyor. Kesim noktaları nasıl belirlenir?",[111,114,117,120],{"key":112,"text":113},"a","Sütun sıralanır ve satırların her çeyreğinden sonra kesilir, böylece her kova aynı sayıda gözlem tutar",{"key":115,"text":116},"b","Oluşan her kovanın içindeki hedef değişkenin varyansı olabildiğince küçük olacak şekilde kesim noktaları aranır",{"key":118,"text":119},"c","Sıralı ardışık değerler arasındaki en büyük dört boşluk bulunur ve kesimler bu boşlukların içine yerleştirilir",{"key":121,"text":122},"d","Sütunun minimumu ile maksimumu arasındaki aralık aynı uzunlukta dört parçaya bölünür; her parçaya kaç satır düştüğü tamamen veriye kalır","Eşit genişlikli binning yalnızca sütunun uçlarına bakar: max - min açıklığı k eşit genişlikte parçaya dilimlenir. Doluluk hiç hesaba katılmadığı için kova sayımları çok dengesiz çıkabilir. Hedefe dayalı ve boşluğa dayalı kesim yerleştirmeleri, sabit genişlik kısıtını tamamen görmezden gelen farklı kural aileleridir.",{"id":125,"topic":57,"difficulty":108,"body":126,"options":127,"correct_key":121,"explanation":136},"01a04b40-dcf7-74fe-b3be-f23b79af5aa6","Aynı sayısal sütun bu kez eşit dolulukta (quantile) binning ile 4 kovaya ayrılıyor. Oluşan kovaları ne nitelendirir?",[128,130,132,134],{"key":112,"text":129},"4 kova da aynı sayısal genişliği kaplar, içlerindeki sayımlar da bunun yan etkisi olarak yaklaşık eşitlenir",{"key":115,"text":131},"Kova genişlikleri soldan sağa geometrik olarak büyür, sayımları dengeleyen de budur",{"key":118,"text":133},"Kovalar sütunun en yoğun 4 bölgesinin etrafına yerleştirilir, seyrek bölgeler atanmadan kalır",{"key":121,"text":135},"Kesim noktaları ampirik 25., 50. ve 75. yüzdeliklerdir; sayımlar da birbirine oldukça yakın çıkar","Quantile binning eşit genişlik kuralını tersine çevirir: kova başına satır sayısını sabitler, genişliği serbest bırakır. Kesim noktaları eğitim sütununun örneklem yüzdelikleridir; bu yüzden yoğun bölge dar kovalar, uzun kuyruk ise tek bir çok geniş kova alır.",{"id":138,"topic":57,"difficulty":139,"body":140,"options":141,"correct_key":118,"explanation":150},"01a04b40-dcfa-7c41-b185-0810e7e2c290",2,"scikit-learn 1.6 ile [0, 1, 2, 3, 10] değerlerini tutan tek sütun KBinsDiscretizer(n_bins=2, encode='ordinal', strategy='uniform', subsample=None) nesnesine veriliyor. fit_transform ne döndürür?",[142,144,146,148],{"key":112,"text":143},"[0, 0, 0, 1, 1] — ortalamadan en uzak iki değer üst kovada bir araya getirilir",{"key":115,"text":145},"[0, 0, 1, 1, 1] — kesim noktası medyan olan 2,0'da olduğu için üst kovaya üç değer ulaşır",{"key":118,"text":147},"[0, 0, 0, 0, 1] — tek kesim noktası 5,0'dır; üst kovaya yalnızca 10 ulaşır",{"key":121,"text":149},"[0, 1, 1, 1, 1] — en küçük değer alt kovayı sabitler ve üstündeki her şey yukarı taşınır","uniform stratejisi sınırları min, orta nokta, max olarak koyar; yani [0,0; 5,0; 10,0]. 0 ile 3 arasındaki değerler 5,0'ın altında kaldığı için 0 kodunu alır; üst aralığa yalnızca 10 düşer. Kuralın hiçbir yerinde iki tarafa kaç satır düştüğüne bakılmaz.",{"id":152,"topic":57,"difficulty":139,"body":153,"options":154,"correct_key":112,"explanation":163},"01a04b40-dd06-7384-ae0e-2611085b54f1","Aynı [0, 1, 2, 3, 10] sütunu bu kez scikit-learn 1.6'da KBinsDiscretizer(n_bins=2, encode='ordinal', strategy='quantile', subsample=None) nesnesine veriliyor. Bu özellik için eğitilen bin_edges_ dizisi ne içerir?",[155,157,159,161],{"key":112,"text":156},"[0,0; 2,0; 10,0]; çünkü iç sınır sütunun medyanıdır",{"key":115,"text":158},"[0,0; 3,2; 10,0]; çünkü iç sınır gözlenen beş değerin aritmetik ortalamasıdır",{"key":118,"text":160},"[0,0; 5,0; 10,0]; çünkü tek iç sınır, gözlenen aralığın aritmetik orta noktasıdır",{"key":121,"text":162},"[1,0; 2,0; 3,0]; çünkü sınır dizisi kurulurken sütunun yalnızca iç değerleri kullanılır","İki quantile kovasında tek iç kesim noktası 50. yüzdeliktir, burada 2,0'dır. Gözlenen değerlerin aritmetik ortalaması ile gözlenen aralığın orta noktası, o kesimi başka bir yere taşıyacak iki kuraldır; yüzdelik stratejisinin uyguladığı ise bunların hiçbiri değildir.",{"id":165,"topic":57,"difficulty":139,"body":166,"options":167,"correct_key":115,"explanation":176},"01a04b40-dd18-7b2a-adda-c3035ab60680","Gelir benzeri bir sütun np.random.default_rng(0).lognormal(0, 1, 1000) ile üretiliyor ve scikit-learn 1.6 ile 5 eşit genişlikli kovaya ayrılıyor. Bu tohumla ölçüldüğünde beş kovanın doluluğu nasıl görünür?",[168,170,172,174],{"key":112,"text":169},"Her kovada kabaca 200 satır; çünkü bin satır, genişlik kuralının dengelenmesi için yeterlidir",{"key":115,"text":171},"İlk kovada yaklaşık 945 satır, kalan dördünde 43, 10, 1, 1; çünkü maksimumu uzun sağ kuyruk belirler",{"key":118,"text":173},"İlk üç kovanın her birinde kabaca 340 satır, son iki kovada hiç satır yok",{"key":121,"text":175},"Orta kovada kabaca 500 satır, diğerlerinin her birinde yaklaşık 125 satır, verinin çan şeklini yansıtır","Lognormal bir şekilde maksimum, yığının çok üzerinde kalır; bu yüzden eşit genişlikli sınırlar neredeyse kimsenin bulunmadığı bir aralığa yayılır. Bu tohumda ölçülen sayımlar 945, 43, 10, 1, 1'dir. Eşitlenmiş sayımlar ise aynı sütunda yüzdelik tabanlı bir kuralın vereceği sonuçtur.",{"id":178,"topic":57,"difficulty":139,"body":179,"options":180,"correct_key":118,"explanation":189},"01a04b40-dd27-7bab-8b5e-49b817e24c01","Önceki kurulumdaki aynı lognormal sütun bu kez strategy='quantile' ile yine 5 kovaya ayrılıyor. Sayımlar kova başına 200 oluyor. Kova genişliklerine ne olur?",[181,183,185,187],{"key":112,"text":182},"Eşit genişlik durumundakiyle birebir aynı kalır; çünkü yalnızca atama kuralı değişti, 6 sınır değeri değişmedi",{"key":115,"text":184},"Birbirine eşitlenir ama genel olarak daralır; çünkü uç değerler sınır hesabının dışında bırakılır",{"key":118,"text":186},"Aşırı dengesizleşir: ilk kova kabaca 0,02 ile 0,43 arasını kaplar, sonuncusu ise yaklaşık 2,17'den 21,46'ya uzanır",{"key":121,"text":188},"Hepsi 0,5 gibi sabit bir çarpanla küçülür, birbirlerine oranları değişmeden kalır","Doluluğu eşitlemek, genişliklerin yoğunluğu emmesine yol açar: verinin yoğun olduğu yerde kovalar dar olur, seyrek kuyruk ise tek bir çok geniş kova tarafından yutulur. Bu tohumda ölçülen sınırlar yaklaşık 0,02; 0,43; 0,74; 1,19; 2,17; 21,46'dır.",{"fields":191,"seniorities":414,"interview_shapes":415,"locales":420,"oauth":422,"question_count":425,"coach_enabled":426,"jd_match_enabled":426},[192,217,237,254,278,291,310,329,351,370,385,407],{"key":193,"name_tr":194,"name_en":194,"sort":108,"specializations":195},"backend","Backend",[196,199,202,205,208,211,214],{"key":197,"name":198,"field":193},"general","Genel",{"key":200,"name":201,"field":193},"go","Go",{"key":203,"name":204,"field":193},"python","Python",{"key":206,"name":207,"field":193},"java","Java",{"key":209,"name":210,"field":193},"csharp","C#\u002F.NET",{"key":212,"name":213,"field":193},"nodejs","Node.js",{"key":215,"name":216,"field":193},"php","PHP",{"key":218,"name_tr":219,"name_en":219,"sort":139,"specializations":220},"frontend","Frontend",[221,222,225,228,231,234],{"key":197,"name":198,"field":218},{"key":223,"name":224,"field":218},"javascript","JavaScript",{"key":226,"name":227,"field":218},"typescript","TypeScript",{"key":229,"name":230,"field":218},"react","React",{"key":232,"name":233,"field":218},"vue","Vue",{"key":235,"name":236,"field":218},"angular","Angular",{"key":238,"name_tr":239,"name_en":239,"sort":240,"specializations":241},"fullstack","Fullstack",3,[242,243,244,245,246,247,248,249,250,251,252,253],{"key":197,"name":198,"field":238},{"key":200,"name":201,"field":193},{"key":203,"name":204,"field":193},{"key":206,"name":207,"field":193},{"key":209,"name":210,"field":193},{"key":212,"name":213,"field":193},{"key":215,"name":216,"field":193},{"key":223,"name":224,"field":218},{"key":226,"name":227,"field":218},{"key":229,"name":230,"field":218},{"key":232,"name":233,"field":218},{"key":235,"name":236,"field":218},{"key":255,"name_tr":256,"name_en":256,"sort":257,"specializations":258},"devops-cloud","DevOps \u002F Cloud",4,[259,260,263,266,269,272,275],{"key":197,"name":198,"field":255},{"key":261,"name":262,"field":255},"aws","AWS",{"key":264,"name":265,"field":255},"gcp","GCP",{"key":267,"name":268,"field":255},"azure","Azure",{"key":270,"name":271,"field":255},"kubernetes","Kubernetes",{"key":273,"name":274,"field":255},"terraform","Terraform",{"key":276,"name":277,"field":255},"linux","Linux",{"key":279,"name_tr":280,"name_en":280,"sort":281,"specializations":282},"ai-engineer","AI Engineer",5,[283,284,285,288],{"key":197,"name":198,"field":279},{"key":203,"name":204,"field":279},{"key":286,"name":287,"field":279},"llm-rag","LLM\u002FRAG",{"key":289,"name":290,"field":279},"mlops","MLOps",{"key":292,"name_tr":293,"name_en":294,"sort":295,"specializations":296},"database","Veritabanı","Database",6,[297,298,301,304,307],{"key":197,"name":198,"field":292},{"key":299,"name":300,"field":292},"postgresql","PostgreSQL",{"key":302,"name":303,"field":292},"mysql","MySQL",{"key":305,"name":306,"field":292},"mongodb","MongoDB",{"key":308,"name":309,"field":292},"redis","Redis",{"key":311,"name_tr":312,"name_en":313,"sort":314,"specializations":315},"mobile","Mobil","Mobile",7,[316,317,320,323,326],{"key":197,"name":198,"field":311},{"key":318,"name":319,"field":311},"ios-swift","iOS (Swift)",{"key":321,"name":322,"field":311},"android-kotlin","Android (Kotlin)",{"key":324,"name":325,"field":311},"flutter","Flutter",{"key":327,"name":328,"field":311},"react-native","React Native",{"key":330,"name_tr":331,"name_en":332,"sort":333,"specializations":334},"security","Güvenlik","Security",8,[335,336,339,342,345,348],{"key":197,"name":198,"field":330},{"key":337,"name":338,"field":330},"appsec","AppSec",{"key":340,"name":341,"field":330},"offensive-pentest","Offensive \u002F Pentest",{"key":343,"name":344,"field":330},"cloud-security","Cloud Security",{"key":346,"name":347,"field":330},"devsecops","DevSecOps",{"key":349,"name":350,"field":330},"blue-team-incident","Blue Team \u002F Incident",{"key":352,"name_tr":353,"name_en":354,"sort":355,"specializations":356},"qa-test-automation","QA \u002F Test Otomasyonu","QA \u002F Test Automation",9,[357,358,361,364,367],{"key":197,"name":198,"field":352},{"key":359,"name":360,"field":352},"test-automation","Test Automation",{"key":362,"name":363,"field":352},"sdet","SDET",{"key":365,"name":366,"field":352},"performance-testing","Performance Testing",{"key":368,"name":369,"field":352},"mobile-qa","Mobile QA",{"key":371,"name_tr":372,"name_en":372,"sort":373,"specializations":374},"data-engineer","Data Engineer",10,[375,376,379,382],{"key":197,"name":198,"field":371},{"key":377,"name":378,"field":371},"pipelines-etl","Pipelines \u002F ETL",{"key":380,"name":381,"field":371},"streaming","Streaming",{"key":383,"name":384,"field":371},"warehousing","Warehousing",{"key":386,"name_tr":387,"name_en":388,"sort":389,"specializations":390},"game-dev","Oyun Geliştirme","Game Development",11,[391,392,395,398,401,404],{"key":197,"name":198,"field":386},{"key":393,"name":394,"field":386},"unity-csharp","Unity (C#)",{"key":396,"name":397,"field":386},"unreal-cpp","Unreal (C++)",{"key":399,"name":400,"field":386},"gameplay","Gameplay",{"key":402,"name":403,"field":386},"graphics-rendering","Graphics \u002F Rendering",{"key":405,"name":406,"field":386},"multiplayer-netcode","Multiplayer \u002F Netcode",{"key":5,"name_tr":6,"name_en":6,"sort":408,"specializations":409},12,[410,411,412,413],{"key":197,"name":198,"field":5},{"key":99,"name":100,"field":5},{"key":8,"name":9,"field":5},{"key":102,"name":103,"field":5},[14,15,16],{"junior":416,"mid":418,"senior":419},{"questions":417,"median_sec":3},20,{"questions":417,"median_sec":3},{"questions":417,"median_sec":3},[10,421],"en",[423,424],"google","github",28500,true]