Kvíz spojený s průvodcem · Střední úroveň

Kvíz o obchodech

Procvičte si historii obchodu s funkcemi, aktuálnost online a spojení entit, včetně toho, jak sdílené definice snižují zkreslení bez zaručení identických vstupů.

Související vodicí cestyFeaturní obchody
Otázka 1 z 8

Why use shared feature definitions for training and online serving?

Náhled každé otázky8 otázky

Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.

  1. Why use shared feature definitions for training and online serving?
    • To guarantee every cached value is always fresh
    • To reduce skew caused by separate transformation implementations
    • To eliminate the need for timestamps
    • To choose a GPU model automatically
  2. Jaký je rozdíl mezi offline a online obchody?
    • Offline uchovává historická data pro školení; online rychle poskytuje nejnovější hodnoty pro živé předpovědi
    • Offline je pro obrázky, online je pro text
    • Jsou totožné s různými názvy
    • Offline běží o víkendech, online běží ve všední dny
  3. Proč jsou při vytváření tréninkových dat důležitá spojení v určitém okamžiku?
    • Díky nim databáze běží rychleji
    • Překládají funkce do jiných jazyků
    • Zabraňují úniku dat tím, že používají hodnoty funkcí tak, jak byly v době každé události
    • Zmenšují velikost souboru modelu
  4. Which storage pattern commonly supports low-latency feature lookup by entity key?
    • An archival tape read for every request
    • A printed document catalog
    • A model-weight-only file
    • A key-value online store such as Redis or DynamoDB
  5. Co je to „vlastnost“ v tomto kontextu?
    • Vstupní proměnná odvozená z dat, jako je průměrná útrata za 30 dní
    • Chyba v kódu modelu
    • Barevné schéma palubní desky
    • Typ GPU
  6. Jaké další výhody nabízí sdílený katalog funkcí?
    • Stará data maže automaticky každou hodinu
    • Nahrazuje potřebu jakéhokoli modelového školení
    • Umožňuje objevovat funkce vytvořené pro jeden model a znovu je používat jinými modely
    • Šifruje firemní e-mail
  7. A feature’s event time precedes a loan decision, but the value only arrived afterward. What must a historical training join consider?
    • Only whether its column name is short
    • A rule that every past event was already known
    • Only the current online value
    • Whether that value was actually available at prediction time
  8. An online feature has not been refreshed after new events arrived. Which property should a feature-store monitor inspect?
    • The font size of the registry page
    • Feature freshness relative to the prediction’s needs
    • The model’s number of attention heads only
    • Whether the feature name contains a digit