Question 1

Keras Sequential API ile Functional API arasındaki temel fark nedir?

Accepted Answer

Sequential API, her layer'ın tam olarak bir girişi ve bir çıkışı olduğu doğrusal bir şekilde modellerin layer layer oluşturulmasına olanak tanır. Functional API, karmaşık mimarileri mümkün kılarak daha fazla esneklik sunar: çoklu girişler, çoklu çıkışlar, residual connections ve paylaşılan layer grafikleri. Basit mimariler için Sequential, daha gelişmiş durumlar için Functional kullanın.

Question 2

64 nöronlu bir Dense layer ardından 10 nöronlu bir çıkış layer'ı olan bir Sequential model nasıl oluşturulur?

Accepted Answer

Standart yöntem, tf.keras.Sequential()'ı örneklemek ve ardından model.add() kullanarak layer'ları tek tek eklemek veya bir layer listesini doğrudan kurucuya geçirmektir. Her Dense layer parametre olarak units sayısını alır ve ilk layer, giriş veri şeklini tanımlamak için input_shape belirtilmesini gerektirir.

Question 3

Çıkış layer'ında 'softmax' aktivasyon fonksiyonunun rolü nedir?

Accepted Answer

softmax fonksiyonu, logits'i (ham çıktılar) toplamı 1 olan olasılıklara dönüştürür, bu da çok sınıflı sınıflandırma için idealdir. Her çıktı bir sınıfa ait olma olasılığını temsil eder. Tipik olarak one-hot etiketler için categorical_crossentropy loss ile veya tamsayı etiketler için sparse_categorical_crossentropy ile kullanılır.

TensorFlow & Keras

Keras Sequential API ile Functional API arasındaki temel fark nedir?

Cevap

64 nöronlu bir Dense layer ardından 10 nöronlu bir çıkış layer'ı olan bir Sequential model nasıl oluşturulur?

Cevap

Çıkış layer'ında 'softmax' aktivasyon fonksiyonunun rolü nedir?

Cevap

Functional API ile iki farklı girişi olan bir model nasıl tanımlanır?

Validation loss artık iyileşmediğinde eğitimi durdurmak için hangi callback kullanılır?

Diğer Data Science & ML mülakat konuları

Python Temelleri

Python Nesne Yönelimli Programlama

Python Veri Yapıları

Git Temelleri

SQL Temelleri

NumPy Temelleri

Pandas Temelleri

Jupyter & Google Colab

SQL Joins ve Gelişmiş Sorgular

İleri Pandas

Matplotlib & Seaborn ile Görselleştirme

Plotly ile Etkileşimli Görselleştirmeler

Tanımlayıcı İstatistik

Çıkarımsal İstatistik

Web Scraping

BigQuery & Cloud Data

Feature Engineering

Denetimli ML: Regresyon

Denetimli ML: Sınıflandırma

Karar Ağaçları ve Topluluk Yöntemleri

Denetimsiz ML

ML Pipeline'ları & Doğrulama

Zaman Serileri & Tahminleme

Deep Learning Temelleri

CNN ve görüntü sınıflandırma

RNN ve Diziler

Transformers ve Attention

NLP ve Hugging Face

GenAI ve LangChain

MLOps ve Dağıtım

Bir sonraki mülakatın için Data Science & ML'de uzmanlaş