গাইড লিঙ্ক ক্যুইজ · মাঝারি স্তর
মেশিন লার্নিং কুইজের জন্য সিআই/সিডি
ML ডেলিভারি পাইপলাইনগুলি কীভাবে ডেটা যাচাই করে, মডেলগুলিকে ট্রেন এবং মূল্যায়ন করে, প্রচারের গেটগুলি প্রয়োগ করে এবং স্থাপনার অবস্থার পুনর্মিলন করে তা পরীক্ষা করুন৷
প্রশ্ন 1 এর 8
মেশিন লার্নিংয়ের জন্য CI/CD প্রথাগত সফ্টওয়্যার CI/CD এর বাইরে কী যোগ করে?
প্রতিটি প্রশ্নের পূর্বরূপ দেখুন8 প্রশ্ন
আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।
- মেশিন লার্নিংয়ের জন্য CI/CD প্রথাগত সফ্টওয়্যার CI/CD এর বাইরে কী যোগ করে?
- ডেটা এবং মডেল উদ্বেগের অটোমেশন, শুধু কোড নয়
- কিছুই না - এটি সফ্টওয়্যার CI/CD এর সাথে অভিন্ন৷
- শুধুমাত্র দ্রুত সংকলন
- একটি নতুন প্রোগ্রামিং ভাষা
- একটি ML পাইপলাইন প্রসঙ্গে 'CT' সাধারণত কিসের জন্য দাঁড়ায়?
- কোড ট্রান্সফার
- ক্রমাগত প্রশিক্ষণ
- কন্টেইনার টেস্টিং
- কেন্দ্রীয় টেলিমেট্রি
- 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
- এমএল পাইপলাইন অর্কেস্ট্রেট করার জন্য এইগুলির মধ্যে কোনটি সাধারণত ব্যবহৃত হয়?
- Microsoft শব্দ
- ভিএলসি মিডিয়া প্লেয়ার
- WinRAR
- কুবেফ্লো পাইপলাইন
- কেন একটি এমএল পাইপলাইনে একটি ডেটা স্কিমা যাচাইকরণ পদক্ষেপ অন্তর্ভুক্ত থাকতে পারে?
- বিকৃত বা প্রবাহিত ইনপুট ডেটা ধরার আগে এটি প্রশিক্ষণকে দূষিত করে
- GPU রান ঠান্ডা করতে
- ডেটাসেট সংকুচিত করতে
- এলোমেলোভাবে কলামের নাম পরিবর্তন করতে
- 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
- 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
- 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