NumPy Temelleri
Diziler, ndarray, indeksleme, slicing, broadcasting, vektörleştirilmiş işlemler, doğrusal cebir
1NumPy'da ndarray nedir?
NumPy'da ndarray nedir?
Cevap
Bir ndarray (N-dimensional array), NumPy'ın temel veri yapısıdır. Tüm elemanların aynı tipte olması gereken homojen bir çok boyutlu dizidir. Bu homojenlik, verilerin bellekte bitişik olarak saklanması nedeniyle çok hızlı vektörleştirilmiş işlemleri mümkün kılar; dağınık nesnelere referanslar saklayan Python listelerinin aksine.
2[1, 2, 3, 4, 5] değerlerini içeren bir NumPy dizisi nasıl oluşturulur?
[1, 2, 3, 4, 5] değerlerini içeren bir NumPy dizisi nasıl oluşturulur?
Cevap
np.array() fonksiyonu, liste veya tuple gibi bir Python dizisinden ndarray oluşturmak için standart yöntemdir. Diziyi optimize edilmiş bir NumPy dizisine dönüştürür. np.arange() gibi diğer fonksiyonlar diziler üretir ancak farklı sözdizimine (start, stop, step) sahiptir ve np.zeros()/np.ones() belirli değerlerle doldurulmuş diziler oluşturur.
30 ile 1 arasında eşit aralıklı 10 elemanlı bir dizi oluşturmak için hangi fonksiyon kullanılır?
0 ile 1 arasında eşit aralıklı 10 elemanlı bir dizi oluşturmak için hangi fonksiyon kullanılır?
Cevap
np.linspace(0, 1, 10), her iki uç noktayı dahil ederek 0 ile 1 arasında tam olarak 10 eşit aralıklı değer oluşturur. İstenen nokta sayısı bilindiğinde idealdir. np.arange() sabit bir adım kullanır ve uç noktayı içermeyebilir. np.linspace(), özellikle çizim veya sayısal integrasyon hesaplamaları için kesin sayıda nokta gerektiren aralıklar için tercih edilir.
Bir NumPy dizisinin boyutlarını (shape) sağlayan öznitelik hangisidir?
Sıfırlarla doldurulmuş 3x3 bir matris nasıl oluşturulur?
+19 mülakat soruları
Diğer Data Science & ML mülakat konuları
Python Temelleri
Python Nesne Yönelimli Programlama
Python Veri Yapıları
Git Temelleri
SQL 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
TensorFlow & Keras
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
Tüm sorulara, flashcards'a, teknik testlere, code review alıştırmalarına ve mülakat simülatörlerine eriş.
Ücretsiz başla