Yapay zekadan makale özeti
- Kısa
- Ayrıntılı
- Bu video, bir eğitmen tarafından sunulan makine öğrenmesi tabanlı bir eğitim serisinin ilk bölümüdür. Eğitmen, Jupyter ortamında Numpy kütüphanesinin kullanımını göstermektedir.
- Video, Numpy kütüphanesinin ne olduğu ve neden kullanıldığına odaklanmaktadır. Eğitmen önce Numpy'nin bilimsel hesaplamalar için temel bir paket olduğunu açıklar, ardından kütüphanenin nasıl yükleneceğini ve nasıl kullanılacağını gösterir. Daha sonra Numpy'nin üç temel avantajını (daha az bellek kaplaması, hızlı olması ve kullanışlı olması) örneklerle anlatır. Özellikle bellek kullanımı ve işlem hızı konusunda Python listeleri ile Numpy array'leri karşılaştırarak Numpy'nin avantajlarını gösterir.
- 00:01Numpy Kütüphanesi ve Makine Öğrenmesi
- Yeni bir makine öğrenmesi tabanlı seri başlatılıyor.
- Numpy, bilimsel hesaplamalar, matematiksel ve cebirsel işlemler için kullanılan çok kullanışlı bir kütüphanedir.
- Makine öğrenmesi, matris boyutlarına ve şekline çevrilmiş verilerin işlenmesi anlamına gelir.
- 01:42Numpy Kütüphanesinin Kurulumu
- Anaconda kullanıyorsanız numpy kütüphanesi yüklü olarak gelir, indirme gerekmez.
- Anaconda kullanmıyorsanız komut satırına "pip install numpy" yazarak kütüphaneyi indirebilirsiniz.
- Bilgisayarınız Anaconda'yı kaldırabilecek düzeyde ise yüklemek önerilir.
- 02:59Numpy Kütüphanesinin Kullanımı
- Numpy kütüphanesini kullanmak için "import numpy as np" şeklinde import edilir.
- Numpy array'leri normal listelere benzer bir yapıya sahip ancak daha üstün özelliklere sahiptir.
- Numpy array'leri bellekte daha az yer kaplar, hızlı çalışır ve kullanışlıdır.
- 05:14Numpy'nin Bellek Avantajları
- Normal bir liste 1000 farklı sayıdan oluştuğunda bellekte 12.024 yer kaplar.
- Numpy array'i aynı 1000 farklı sayıdan oluştuğunda bellekte sadece 8.048 yer kaplar.
- Numpy array'leri bellekte daha az yer kaplaması sayesinde daha verimli çalışır.
- 07:52Numpy'nin Hız Avantajları
- 100.000'lük bir vektörde iki listeyi toplama işlemi normal Python'da 0,70 saniye sürerken, Numpy ile 0,02 saniye sürer.
- Numpy, paralel işlem yaparak normal Python'a göre yaklaşık 10 kat daha hızlı çalışır.
- Numpy kütüphanesi, büyük veri setleriyle çalışırken bellek tasarrufu ve hız avantajı sağlar.