Yapay zekadan makale özeti
- Kısa
- Ayrıntılı
- Bu video, bir eğitmen tarafından sunulan NumPy kütüphanesi hakkında eğitim dersidir.
- Video iki ana bölümden oluşmaktadır. İlk bölümde basit istatistiksel fonksiyonlar (aritmetik ortalama, medyan ve standart sapma) tek ve iki boyutlu veri kümeleri üzerinde anlatılmakta, axis parametresi ile satır/sütun ortalamalarının nasıl hesaplanacağı gösterilmektedir. İkinci bölümde ise broadcasting kavramı detaylı olarak ele alınmakta, elementwise işlemlerin nasıl çalıştığı ve matrislerin birbirine benzetilerek nasıl toplanabileceği görsel örneklerle açıklanmaktadır.
- Videoda ayrıca tek elemanlı, çift elemanlı ve üç elemanlı matrislerin broadcast edilebilir olup olmadığı örneklerle gösterilmekte ve broadcast edilebilir matrislerin yan yana veya alt alta yerleştirilebileceği, transpose edilerek birbirine eşitlenemeyeceği vurgulanmaktadır. Video, bir sonraki derste uygulamalar yapılacağı bilgisiyle sonlanmaktadır.
- 00:10Numpy'da Basit İstatistiksel Fonksiyonlar
- Bu derste basit istatistiksel fonksiyonlar ve broadcasting konuları ele alınacak.
- Random fonksiyonu kullanılarak 1 ile 10 arasında değerler içeren 8 elemanlı bir tek boyutlu dizi oluşturuldu.
- Aritmetik ortalama (mean), medyan (median) ve standart sapma (std) fonksiyonları kullanılarak dizi değerleri hesaplandı.
- 02:20Medyan Hesaplama
- Medyan, dizinin elemanlarının küçükten büyüğe sıralandığında ortadaki elemandır.
- Çift sayıda elemanlı dizilerde medyan, ortadaki iki elemanın aritmetik ortalamasıdır.
- Standart sapma hesaplaması için önce aritmetik ortalama alınır, sonra her elemanın karesi çıkarılır ve bu değerlerin ortalaması alınır.
- 04:29İki Boyutlu Dizilerde İstatistiksel Fonksiyonlar
- İki boyutlu dizilerde de aritmetik ortalama, medyan ve standart sapma hesaplanabilir.
- Axis parametresi kullanılarak satırların veya sütunların ortalama, medyan ve standart sapmaları bulunabilir.
- Axis=0 parametresi sütunların ortalamasını, axis=1 parametresi satırların ortalamasını verir.
- 08:46Broadcasting Kavramı
- Broadcasting, Numpy'da matris işlemlerinde kullanılan bir kavramdır.
- Element-wise işlemler, aynı şekle sahip matrislerde çalışır ve her eleman teker teker etkilenir.
- Broadcast edilebilir matrisler, birbirine benzetilebilen matrislerdir ve farklı şekillerde olan matrisler de broadcast edilebilir hale getirilebilir.
- 13:22Broadcast Matris Kavramı
- Tek elemanlı ve çift elemanlı matrislerin broadcast edilebilirliği inceleniyor.
- Tek elemanlı matris, yanına ve altına eleman eklenerek 2x2 veya 3x3 matris şeklinde tasarlanabilir.
- İki elemanlı matris, yanına ve altına aynı eleman tekrarlanarak broadcast edilebilir.
- 15:06Broadcast Edilemeyen Matrisler
- Üç elemanlı matris, yanına veya altına aynı eleman tekrarlanarak broadcast edilemez.
- Transpose şeklinde çevirip eşitlemek broadcast edilebilirlik için yeterli değildir.
- Farklı boyutlardaki matrisler (örneğin 1x3 ve 3x1) ortak bir matris oluşturarak broadcast edilebilir hale getirilebilir.
- 16:51Dersin Sonu
- Konu anlatılmış olup, sonraki derste uygulamalar yapılacak.
- Ders bu noktada sonlanıyor.