মডেল রেজিস্ট্রি কুইজ

আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।

1. একটি মডেল রেজিস্ট্রি প্রধান উদ্দেশ্য কি?
   • কাঁচা প্রশিক্ষণ ডেটা লেবেল করতে
   • প্রশিক্ষিত মডেলের জন্য একটি সংস্করণ-নিয়ন্ত্রিত ক্যাটালগ এবং সত্যের একক উৎস হিসাবে পরিবেশন করা
   • একটি সার্ভারে GPU প্রতিস্থাপন করতে
   • এসকিউএল প্রশ্ন লিখতে
2. In current MLflow registry workflows, what can provide a named reference to a model version?
   • A reassignable model alias
   • A universal mandatory four-stage lifecycle in every registry
   • The training GPU’s display resolution
   • A random tensor without a model version
3. How can a registry support a model rollback?
   • By guaranteeing every server switches instantly
   • By deleting all previous versions
   • By retaining a previous artifact that the serving workflow can reload and validate
   • By changing the training labels automatically
4. একটি রেজিস্ট্রি একটি মডেল স্বাক্ষর কি?
   • তথ্য বিজ্ঞানীর হাতে লেখা অটোগ্রাফ
   • ডাটাবেসের জন্য একটি পাসওয়ার্ড
   • মডেলের প্রশিক্ষণের সময়কাল
   • মডেলের প্রত্যাশিত ইনপুট এবং আউটপুট প্রকারগুলি বর্ণনা করে একটি স্কিমা৷
5. কেন রেকর্ড করা বংশ (ডেটাসেট, কোড কমিট, হাইপারপ্যারামিটার) মূল্যবান?
   • এটি প্রতিটি সংস্করণ কীভাবে তৈরি করা হয়েছিল তার প্রজননযোগ্যতা এবং নিরীক্ষাযোগ্যতা সক্ষম করে
   • এটি মডেলটিকে দ্রুত চালায়
   • এটি স্বয়ংক্রিয়ভাবে মডেলের নির্ভুলতা বৃদ্ধি করে
   • এটি মডেল ফাইলকে সংকুচিত করে
6. What connects a registered model decision to an actual application rollout?
   • A guarantee that registering a version deploys it everywhere
   • A required fax to the GPU vendor
   • A configured deployment workflow that loads and verifies the chosen artifact
   • A model signature alone with no serving system
7. A champion alias is reassigned, but a long-running server still has the old artifact loaded. What should an operator verify?
   • Only that the alias has a new value
   • That all servers reload automatically in every integration
   • Only the number of files in the registry
   • The artifact and version actually serving requests
8. A model signature expects numerical columns but a request sends strings. What can signature-aware validation help detect?
   • Whether the training labels are morally correct
   • An input schema or type mismatch
   • Every possible accuracy regression
   • A guarantee that all numerical inputs are in distribution