Up next in 10
Ata Aöf Nesne Tabanlı Programlama-II 2024-2025 Final Soruları
https://lolonolo.com
Show More Show Less View Video Transcript
0:00
Herkese selam. Nesne tabanlı programlama
0:02
2 finali için hazırladığımız o yüksek
0:05
enerjili sınav haklama rehberimize,
0:07
hayatta kalma kiti incelememize hoş
0:09
geldiniz. Önümüzde devasa bir sınav var
0:12
biliyorum ama heyecan yapmaya gerek yok.
0:14
Çünkü bu rehberde o sınavı sadece geçmek
0:16
için değil tabiri caizse darmadağan
0:19
etmek için ihtiyacınız olan tüm araçları
0:21
tek tek cebimize koyacağız. Hazırsanız
0:24
doğrudan en kritik noktalara dalıyoruz.
0:26
Şimdi kendinize karşı tamamen dürüst
0:29
olun. O final kağıdı önünüze geldiğinde
0:32
gerçekten hazır hissedecek misiniz? Hani
0:34
bazen konuları sular, seller gibi
0:36
bildiğimizi sanırız ama o kafa
0:38
karıştırıcı, birbirine benzeyen
0:40
seçenekleri görünce beynimiz bir
0:42
anlığına durur ya. İşte tam da bu yüzden
0:44
buradayız. Amacımız o sınav tuzaklarını
0:47
önceden deşifre edip zihninizi bu hayati
0:50
bilgilere odaklamak. Hadi bakalım
0:52
kemerleri bağlayın. Hızlanıyoruz.
0:54
Bugünkü yol haritamız çok net. 1. Python
0:57
ve veri tabanı. 2. Mat plot lip ile
0:59
görselleştirme. 3. Pandas ve Nampi
1:02
kütüphaneleri. Ve son olarak 4. Nesne
1:05
yönelimli mimari ve ileri düzey
1:07
kavramlar. Temellerden başlayıp mimari
1:09
seviyeye kadar çıkacağız. 1inci bölüm
1:12
Python ve veri tabanı. Çekirdek dilin
1:14
dinamiklerine iniyoruz. Biliyorsunuz bu
1:16
bizim geliştirici araç çantamızın tam
1:18
merkezini oluşturuyor. Temel gerçekleri
1:20
hızla bir hatırlayalım. Python deyince
1:22
akla gelen en büyük güç ne? Tabii ki
1:24
çapraz platform olması. Yani kodunuzu
1:26
yazdığınızda Windows, Mac veya Linux
1:28
demez her yerde tıkır tıkır çalışır.
1:31
Döngülerde ise o meşhur while döngüsü o
1:34
koşul bozulana kadar durmak bilmeyen
1:36
acımasız bir motor gibidir.
1:38
Fonksiyonlarda return anahtar kelimesini
1:40
kullanıyoruz değil mi? Ama unutmayın
1:41
eğer koda return 2 yazarsanız o
1:44
fonksiyon her çağırıldığında size sabit
1:46
bir şekilde hep aynı değeri yani 2'yi
1:48
döndürür. Ve son bir detay. Dışarıdan
1:50
bir dosya mı açacaksınız? Open
1:52
fonksiyonunu kullanırken sadece okuma
1:54
yapacaksanız İngilizce read kelimesinden
1:56
gelen o R modunu kullanmanız şart. Tamam
1:59
burada biraz yavaşlayalım çünkü bu çok
2:02
kritik bir komut. Python'ın standart
2:04
hafif veri tabanı SQL Lite'tır. Bunu
2:06
biliyoruz ama iş verilerinizi fiziksel
2:08
dünyaya taşımaya veya var olan bir
2:10
dosyaya bağlanmaya geldiğinde o SQL Lite
2:13
3 connect komutu sizin dış dünyaya
2:15
açılan köprünüz oluyor. Sınavda bu
2:17
komutu gördüğünüz an zihninizde hemen
2:19
devasa bir bağlantı köprüsü canlansın.
2:22
Olay tamamen bağlantı kurmakla ilgili.
2:24
İkinci bölüme geçiyoruz. Mat plot lip
2:26
ile veri görselleştirme tuvanimizi
2:29
çıkarma vakti geldi. Verileri depoladık.
2:32
Peki bunları nasıl görselleştireceğiz?
2:34
Kendinizi bir ressam gibi düşünün.
2:36
Verilerimizi boyamak için gerçek anlamda
2:38
bir tuvale ihtiyacımız var, değil mi?
2:40
Matilot Lib'in mimarisinde istisnasız
2:42
tüm görsel öğeler, o gördüğünüz
2:44
başlıklar, kenardaki eksenler, dağılan
2:46
noktalar, çizgiler hepsi artist yani
2:49
sanatçı katmanında yaşar. Her şeyin
2:51
üzerine çizildiği asıl tual tam olarak
2:53
burasıdır. Eyvah eyvah. Bakın burası
2:55
klasik bir sınav tuzağı. Hatta
2:57
öğrencilerin en çok düştüğü o meşhur
2:59
tuzak kapısı diyebiliriz. Sınavda
3:01
karşınıza grafikleri özelleştiren
3:03
işaretleyiciler yani markerlar çıkacak
3:05
ve diyecekler ki peki H yapıcısı hangi
3:08
şekli oluşturur? Çoğu kişi o sınav
3:10
stresiyle hemen H harfinin geometrik
3:12
yapısına bakıp farklı şekillere mesela
3:15
üçgene falan gitmeye çalışır. Ama cevap
3:17
kesinlikle heksagon yani altıgen. Sakın
3:20
ola o üçgen çeldiricisine düşmeyin.
3:22
Zihninizde şu an aşılmaz bir duvar örün.
3:25
H harfi eşittir heksagon. H harfi
3:27
altıgendir. Bitti bu kadar. Bu tuzağa
3:29
artık düşmeyeceksiniz eminim. Gelin şu
3:32
eşleşmeleri hızlıca zihnimize kazıyalım
3:34
ki sınavda saniyeler içinde halledip
3:37
geçin. Çok basit. O harfi tahmin
3:40
edeceğiniz üzere daireyi çizer. Virgül
3:43
en küçük birimi yani pikseli temsil
3:45
eder. Normal nokta ise bildiğimiz
3:48
noktayı. P harfini gördüğünüzde aklınıza
3:51
hemen pentagon gelsin. Yani beşgen. Ve
3:54
az önce o kadar üstünde durduğumuz H
3:56
harfi neydi? Heksagon. Yani altıgen.
3:59
Bunların fotoğrafını çekin aklınızda.
4:01
Şipşak. Görselleştirme araç çantamızı
4:04
kapatmadan önce iki ufak ama hayat
4:06
kurtaran detaya daha değinelim.
4:09
Verinizin bir bütün içindeki
4:10
parçalarını, kesirlerini mi
4:12
göstereceksiniz? Adı üstünde pasta
4:14
dilimi yani pay metodunu yapıştırıp
4:16
geçiyorsunuz. Peki o çizim alanınızın
4:19
etrafını saran dış çerçeveyi hani o
4:21
eksen kutusunu görünmez yapmak
4:23
isterseniz ne olacak? Onun içinde box
4:25
komutunu kullanıp kutuyu açıp
4:27
kapatıyorsunuz. Tüm mesele bu. 3ün
4:30
bölüm. Pandas ve Nampi kütüphaneleri. O
4:33
steroidli Excel dünyasına adım atıyoruz.
4:36
Verimizi boyadık. Şimdi kollarımızı
4:38
sıvayıp o verinin tam içine girme, onu
4:40
yoğurma zamanı. Pandas'ın o iki boyutlu
4:42
veri yapılarına data frame'lere bakalım.
4:44
Tıpkı Excel'deki gibi üç ana omurgası
4:46
var. Veri, satır ve sütun. Tek boyutlu
4:49
seriler oluştururken kullandığımız PD
4:51
series'in de belli başlı parametreleri
4:53
var tabii. Data, die type, name ve
4:56
index. Bak burası çok önemli. Sınavda
4:58
şıklarda bir PD series parametresi
5:00
olarak true kelimesini falan görürseniz
5:02
hiç acımadan üzerini çizin. Neden mi?
5:05
Çünkü true sadece mantıksal bir
5:06
değerdir. Hiçbir zaman bir serinin
5:08
parametresi olamaz. Bu da aklınızın bir
5:10
köşesinde bulunsun. Tam bir
5:12
çeldiricidir. Hız kesmiyoruz.
5:14
Sınavcıların bayıldığı, "Kesin sorarız"
5:15
dedikleri iki son derece spesifik
5:17
fonksiyona gelelim. Diyelim ki pandas'ta
5:19
metinlerle dolu bir sütununuz var ve siz
5:22
bunu tak diye tam sayıya dönüştürmek
5:23
istiyorsunuz. Çekeceğiniz silah s
5:26
komutudur. Peki Nampi tarafında çok
5:28
boyutlu bir dizideki öğeleri belli bir
5:30
eksen etrafında böyle dairesel olarak
5:32
kaydırmak isterseniz ne olacak? İşte o
5:34
zaman da Nampi. Fonksiyonunu sahaya
5:36
süreceksiniz. Roll, yuvarlamak, dairesel
5:39
kaydırmak. Mantık çok basit. İşte burası
5:41
tam bir beyin jimnastiği. Çok boyutlu
5:43
bir diziyi düzleştirmenin mantığını
5:45
anlarsanız indeks sorularını havada
5:48
karada çözersiniz. Şu iki boyutlu diziye
5:50
bir bakın. 5 6 2 7 1 ve 4 9 2 9 3. Siz
5:56
buna npte tag fonksiyonunu vurduğunuzda
5:58
bu dizi dümdüz olur. Hepsi asker gibi
6:01
tek bir sıraya dizilir. E yazılımda
6:03
saymayı 0'dan başlıyoruz. Doğru mu? O
6:05
zaman 0 indeksimiz ilk sayı olan 5'tir.
6:08
1ci indeksimiz hemen yanındaki 6 olur.
6:10
Peki 5. indeks nereye denk gelir? İlk
6:13
beşli grup 4. indekste bittiği için
6:15
ikinci grubun o ilk sayısı olan 4 sizin
6:18
5. indeksiniz olur. Bu düzleştirilmiş
6:20
zihinsel haritayı oturtun. İndeksleme
6:23
soruları çantada keklik. Geldik 4.
6:26
bölüme. Nesne yönelimli mimari ve ileri
6:28
düzey kavramlar. Ağır topları
6:30
çıkarıyoruz. Burası işin gerçekten
6:32
mimari boyutu. Nesne yönelimli
6:34
programlamada öyle her elini kolunu
6:36
sallayan her değişkene erişemez. Bir
6:39
değişkenin başında tek bir alt çizgi
6:41
görüyorsanız mesela alt tire değişken
6:43
gibi. Bu ne demektir biliyor musunuz? Bu
6:45
tıpkı o gece kulüplerindeki viıp
6:47
güvenlik kordonu gibidir. O alana sadece
6:50
o sınıfın kendisi ve ailesi yani alt
6:52
sınıfları girebilir demektir. Biz buna
6:54
yarı gizli yani korumalı erişim diyoruz.
6:57
O alt çizgiyi gördüğünüz an o vip
6:59
kırmızı kordan aklınıza gelsin. Kimse
7:01
izinsiz giremez. Peki işin arka planı
7:04
sistemin o tuhaf huyları nasıl
7:06
çalışıyor? Python'da sınıflar
7:08
yaratıldığında arka planda kendiliğinden
7:10
çalışan hash veya size of gibi meşru
7:13
sihirli metotlar vardır. Ama olur da
7:15
sınavda şıkların arasına aldrop diye bir
7:17
şey sokuştururlarsa orada durun. O
7:19
kocaman bir kırmızı bayraktır. Aldrop
7:22
diye bir sili metot yok. Tamamen sizin
7:24
aklınızı karıştırmak için uydurulmuş bir
7:26
şey. Hatalara gelirsek sistemde var
7:28
olmayan bir modülü çekmeye, içeri
7:30
aktarmaya çalışırsanız ne olur? Python
7:32
size çok net bir şekilde o malum modül
7:35
not founder faturasını keser. İstisnayı
7:37
fırlatır. Biraz da yapay zeka ve makine
7:40
öğrenmesi dünyasına dokunalım. Sınavda
7:42
şu tanımı kesinlikle arayacaklar. Bayas
7:45
yani sapma nedir dostlar? Bayas bir
7:48
yapay sinir ağ modelinin sıfır noktasına
7:51
yani orijine çakılıp kalmasını
7:52
engelleyen özgürlük biletidir.
7:55
Fonksiyonu o sıfır noktasından kurtarıp
7:57
ona uygun esnek bir başlangıç kesişimi
8:00
vermek için eklediğimiz hayati bir
8:02
sabittir. Orijinden kurtuluş eşittir
8:04
bayas. Kapanışa doğru yapay zekadaki çok
8:07
temel bir ayrımı daha netleştirelim.
8:09
Doğal dil işleme yani NLP dediğimiz şey
8:12
genellikle yazılı metinlerle uğraşır
8:13
değil mi? İşte o çok duyduğunuz duygu
8:15
analizi, Google çeviri servisleri veya
8:18
klavyeyle konuştuğunuz sohbet botları
8:19
hep bu saf metin işleme grubundadır. Ama
8:22
cebinizdeki telefona dönüp "Hey asistan
8:24
diye seslendiğinizde işte orada işler
8:26
değişir." Arka planda artık sadece metin
8:28
değil ses dalgalarını anlayan karmaşık
8:30
bir akustik işleme yani konuşma sinyali
8:33
algılama teknolojisi devreye girer. Bir
8:35
tarafta salt yazılı metin, diğer tarafta
8:36
ses dalgaları. Bu zıtlı cebinize mutlaka
8:39
koyun. Ve bitti. İşte o ürkütücü nesne
8:42
tabanlı programlama 2 finalini hacklemek
8:44
için gereken o muhteşem araç çantasını
8:47
tam anlamıyla doldurduk. Açıkçası bu
8:49
öğrendiğiniz taktikler sadece bir sınavı
8:51
geçmek için değil veriye gerçek bir
8:53
mühendis, gerçek bir veri bilimci gibi
8:55
bakabilmek için tasarlandı. Şimdi asıl
8:58
soru şu: Bu araç kitiyle iyice ustalaşıp
9:00
o final sınavını başarıyla ezip
9:02
geçtikten sonra gerçek dünyaya adım
9:04
attığınızda hangi karmaşık veri
9:06
problemlerini çözeceksiniz? Kendinize
9:08
güvenin. Bu donanımı harika bir skorla
9:10
taçlandırın. Keşfetmeye ve kodlamaya
9:13
devam edin. Görüşmek üzere.
#Jobs & Education