CI/CD لاختبار التعلم الآلي

تظهر الإجابات والتفسيرات أثناء إجراء الاختبار.

1. ما الذي يضيفه CI/CD للتعلم الآلي إلى ما هو أبعد من البرامج التقليدية CI/CD؟
   • أتمتة البيانات والمخاوف المتعلقة بالنماذج، وليس فقط التعليمات البرمجية
   • لا شيء — فهو مطابق لبرنامج CI/CD
   • تجميع أسرع فقط
   • لغة برمجة جديدة
2. ما الذي يرمز إليه عادةً "CT" في سياق خط أنابيب ML؟
   • نقل الكود
   • التدريب المستمر
   • اختبار الحاويات
   • القياس عن بعد المركزي
3. What is a common evaluation gate before promoting a candidate ML model?
   • Promote it whenever training completes
   • Compare only model file sizes
   • Compare it with the production baseline on agreed metrics and promote only if policy thresholds pass
   • Skip evaluation if the code tests pass
4. أي من هذه الأدوات تعتبر أداة شائعة الاستخدام لتنظيم خطوط تعلم الآلة؟
   • Microsoft كلمة
   • مشغل الوسائط في إل سي
   • وينرار
   • خطوط أنابيب كوبيفلو
5. لماذا قد يتضمن خط أنابيب ML خطوة التحقق من صحة مخطط البيانات؟
   • لالتقاط بيانات الإدخال المشوهة أو المنجرفة قبل أن تفسد التدريب
   • لجعل وحدة معالجة الرسومات تعمل بشكل أكثر برودة
   • لضغط مجموعة البيانات
   • لإعادة تسمية الأعمدة بشكل عشوائي
6. In Flux GitOps, what does reconciliation aim to do?
   • Retrain every model whenever code is committed
   • Make the deployed environment match the declared desired state
   • Automatically change a model’s evaluation labels
   • Replace version-controlled configuration with manual edits
7. What is a useful model-artifact versioning practice?
   • Ignore training inputs after a model is deployed
   • Replace validation with a deployment timestamp
   • Version model artifacts with source data, code, and evaluation metadata
   • Use a schema check as a guarantee of model quality
8. What is a typical trigger for continuous training in an ML pipeline?
   • Every inference request must retrain the model
   • A model file being downloaded by a user
   • A CPU core reaching a particular temperature
   • A scheduled run, new approved data, or a monitoring signal such as drift