Тест за инженерни тръбопроводи и данни за версии

Отговорите и обясненията се появяват, докато отговаряте на теста.

1. Каква е основната цел на тръбопровода за инженеринг на функции?
   • За съхраняване на обучени тежести на модела за по-късно внедряване
   • За да планирате GPU задачи в клъстер
   • За да трансформирате необработените данни в структурирани характеристики, които моделът използва
   • За шифроване на набори от данни в покой
2. Why compare a dataset’s content hash instead of relying only on its filename?
   • A hash guarantees every record is accurate
   • The filename can stay the same while its stored contents change
   • A filename contains all transformations
   • Hashing removes access restrictions
3. Конвейерът на функции обикновено се представя като какъв вид структура?
   • Единичен плосък списък от SQL заявки, които всички трябва да се изпълняват отново всеки път
   • Таблица на релационна база данни
   • Невронна мрежа със скрити слоеве
   • Насочена ациклична графика (DAG) на стъпки на трансформация
4. A model behaves differently after a data update. What can version history help investigate?
   • Which data and transformation versions were used, with other runtime factors checked separately
   • A guaranteed identical rerun without environment records
   • Proof the update was authorized
   • A universal legal-compliance certificate
5. Кой от тях е примерен инструмент, специално използван за съхраняване на функции или версия на данни?
   • Фотошоп
   • Microsoft Дума
   • FFmpeg
   • Празник (или DVC / LakeFS)
6. Защо е важно една и съща логика на функцията да работи както по време на обучение, така и по време на производство?
   • За да намалите разходите за облачно съхранение
   • Автоматично да направи модела по-голям и по-точен
   • За да се гарантира, че моделът вижда последователно изчислени функции и избягва несъответствия в обучението/обслужването
   • Тъй като производствените сървъри не могат да работят с Python
7. A team has the same data and code but a changed random state. What remains possible?
   • Different computed outputs despite matching versions
   • Versioning forces every random choice to match
   • The dataset filename must change
   • All models become deterministic
8. A reviewer asks which input record and transform produced a feature at a particular time. What record addresses that question?
   • Only the final prediction text
   • Feature lineage with source, transform version and timestamp
   • Only the dataset filename
   • Only a model parameter count