Yapay zekadan makale özeti
- Kısa
- Ayrıntılı
- Bu video, bir eğitmen tarafından sunulan Python programlama dilinde NumPy kütüphanesinin kullanımını anlatan kapsamlı bir eğitim içeriğidir.
- Video, NumPy kütüphanesinin ne olduğu, nasıl yükleneceği ve temel kullanım şekilleriyle başlayıp, tek boyutlu, iki boyutlu ve üç boyutlu dizilerin oluşturulması, şekillendirilmesi ve erişilmesi konularını ele alıyor. Ardından matris işlemleri (ters çevirme, birleştirme, aritmetik işlemler, trigonometrik fonksiyonlar, çarpım), matris transpozu alma, koşul ifadeleriyle dizi oluşturma, dosya kaydetme ve yükleme, CSV dosyalarından veri çekme gibi konular örneklerle açıklanıyor.
- Eğitim boyunca eğitmen, her bir konuyu adım adım göstererek ve kod örnekleri üzerinden anlatmakta, video sonunda Pandas, Matplotlib ve Lib gibi diğer veri bilimi kütüphanelerinin de gelecekte anlatılacağı belirtilmektedir.
- 00:06Numpy Kütüphanesi Tanıtımı
- Numpy, bilimsel hesaplamaları hızlı bir şekilde yapmamızı sağlayan bir matematik kütüphanesidir.
- Python'daki listelere benzeyen numpy dizileri bulunur, ancak numpy dizileri inanılmaz daha hızlı ve tek bir veri tipi içerirken, Python listelerinde birden fazla veri tipi olabilir.
- Numpy'ı yüklemek için komut satırında "pip install numpy" yazılır ve programda kullanmak için "import numpy as np" şeklinde import edilir.
- 01:05Numpy Dizilerinin Oluşturulması
- Python listesi oluşturmak için "liste1 = [1, 2, 3, 4, 5, 6]" şeklinde yazılırken, numpy dizisi oluşturmak için "r1 = np.array([1, 2, 3, 4, 5, 6])" şeklinde yazılır.
- Numpy dizileri yazdırıldığında elemanların arasında virgül olmaz ve köşeli parantez kullanılır.
- Numpy dizilerinin veri tipi "r1.dtype" ile kontrol edilebilir ve "int32" olarak görünür, ayrıca "r1.dtype=float" veya "r1.dtype=complex" şeklinde veri tipi değiştirilebilir.
- 03:58Çok Boyutlu Numpy Dizileri
- Tek boyutlu bir numpy dizisini iki boyutlu yapmak için dışarıdan köşeli parantez kullanılır.
- Dizinin boyutunu öğrenmek için "r1.ndim" kullanılır.
- Üç boyutlu dizi oluşturmak için üç tane köşeli parantez kullanılır ve "r1.ndim" ile 3 olarak görünür.
- 06:08Dizilerin Şekillendirilmesi
- Dizinin şekli "r1.shape" ile görüntülenebilir, örneğin 3 satır 2 sütun olarak görünür.
- Diziyi yeniden şekillendirmek için "r1.reshape(2,3)" gibi kullanılır, ancak toplam eleman sayısı değişmemelidir.
- "np.arange(0,10)" ile belirli aralıklar arasında sayılar oluşturulabilir, artış miktarı belirtilebilir.
- 08:22Numpy Dizileriyle İşlemler
- Numpy dizilerini kopyalamak için "r2 = r1.copy()" şeklinde kullanılır.
- Rastgele sayılardan oluşan numpy dizisi oluşturmak için "np.random.random((3,3))" kullanılır, bu 0 ile 1 arasında ondalıklı sayılar üretir.
- Tam sayılar için "np.random.randint(2, size=30)" şeklinde kullanılır, belirtilen maksimum değerden küçük sayılar üretilir.
- 10:28Numpy Dizilerinde Eleman Erişimi
- Numpy dizilerinde eleman erişimi için indeks kullanılır, örneğin "r1[0]" ile sıfırıncı satırı, "r1[1]" ile birinci satırı alabilirsiniz.
- "r1[:2]" ile ilk iki satırı, "r1[:,1]" ile birinci sütunu alabilirsiniz.
- "r1[3,2]" şeklinde kullanarak belirli bir satır ve sütundaki elemanı alabilirsiniz, indeksler sıfırdan başlar.
- 13:12Numpy ile Matris İşlemleri
- Dizileri ters çevirmek için "r1[::-1]" kodu kullanılır.
- Sıfırlardan oluşan matris oluşturmak için "np.zeros((6,3))" kullanılır.
- Birlerden oluşan matris oluşturmak için "np.ones((6,3))" kullanılır.
- 14:37Birim Matris ve Matris Birleştirme
- Birim matris oluşturmak için "np.eye(3)" kullanılır, bu 3x3 boyutunda çapraz çubukları 1 olan bir matris oluşturur.
- Matrisleri birleştirmek için "np.concatenate((r1, r2), axis=0)" kullanılır, axis=0 olduğunda matrisler alt alta birleştirilir.
- axis=1 olduğunda matrisler yan yana birleştirilir.
- 16:43Matris Elemanlarının Özellikleri
- Dizideki en büyük elemanı bulmak için "r1.max()" kullanılır.
- Dizideki en küçük elemanı bulmak için "r1.min()" kullanılır.
- Dizideki elemanların toplamını bulmak için "r1.sum()" kullanılır.
- 17:26Satır ve Sütun Toplamları
- Satırların toplamını bulmak için "r1.sum(axis=0)" kullanılır.
- Sütunların toplamını bulmak için "r1.sum(axis=1)" kullanılır.
- Dizinin ortalamasını bulmak için "r1.mean()" kullanılır.
- 18:56Varyans ve Standart Sapma
- Dizinin varyansını bulmak için "r1.var()" kullanılır.
- Standart sapmayı bulmak için "r1.std()" kullanılır.
- Varyans, tüm sayıların ortalaması hesaplanıp, bu ortalama ile sayıların farklarının kareleri alınarak toplanıp, eleman sayısının bir eksiğine bölünerek hesaplanır.
- 19:59Aritmetik İşlemler
- Matrisler arasında toplama, çıkarma, çarpma ve bölme işlemleri yapılabilir.
- Modülüs işlemi de yapılabilir, örneğin "r2 % r1" şeklinde.
- Skaler çarpma işlemi için matrisin her elemanını belirli bir sayı ile çarpmak mümkündür.
- 21:52Matematiksel İşlemler
- Matrisin her elemanının sinüsünü bulmak için "np.sin(r1)" kullanılır.
- Kosinüsünü bulmak için "np.cos(r1)" kullanılır.
- Karekökünü bulmak için "np.sqrt(r1)" kullanılır.
- 22:49Matris Çarpımı
- İki matrisin çarpılabilmesi için ilk matrisin sütun sayısı ikinci matrisin satır sayısına eşit olmalıdır.
- Matris çarpımı için "np.dot(r1, r2)" kullanılır.
- Matris çarpımında her eleman, birinci matrisin satırı ile ikinci matrisin sütunu çarpılarak toplanarak hesaplanır.
- 25:39Numpy Dizileri ve Koşul İfadeleri
- Transpoz maddesi, satırları sütunlarla değiştirerek yeni bir matris oluşturur.
- Numpy dizileri koşul ifadeleriyle doğruluk dizilerine dönüştürülebilir.
- Doğruluk dizileri, belirli bir koşulu sağlayan elemanları gösterir ve indeksleme ile hangi elemanların koşulu sağladığını görebiliriz.
- 27:05Npy Dosyaları ile Veri Kaydetme ve Yükleme
- Npy uzantılı dosyalar kullanılarak veri kaydedilebilir ve daha sonra yüklenebilir.
- np.save() fonksiyonu ile veri dosyaya kaydedilir.
- np.load() fonksiyonu ile kaydedilen veri dosyadan yüklenir.
- 28:38CSV Dosyalarından Veri Çekme
- CSV dosyalarından veri çekmek için np.genfromtxt() fonksiyonu kullanılır.
- Virgülle ayrılmış CSV dosyalarından veri okunabilir.
- np.genfromtxt() fonksiyonu çeşitli parametreler alabilir, örneğin delimiter ve names gibi.
- 30:19Numpy Kütüphanesi Hakkında
- Numpy kütüphanesi veri biliminde önemli bir yere sahiptir.
- Bundan sonra pandas, matplotlib gibi kütüphaneler hakkında da videolar çekilecektir.