Kvíz spojený s průvodcem · Střední úroveň

Skrytý technický dluh v kvízu ML Systems

Identifikujte datové závislosti, zapletení a zpětnovazební smyčky, které vytvářejí skryté náklady na údržbu v nasazených systémech strojového učení.

Související vodicí cestySkrytý technický dluh v ML Systems
Otázka 1 z 8

Která následná závislost je nedeklarovaným spotřebitelem?

Náhled každé otázky8 otázky

Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.

  1. Která následná závislost je nedeklarovaným spotřebitelem?
    • Následná komponenta, která používá funkci nebo předpověď bez sledovaného vlastnictví
    • Model vycvičený bez štítků
    • Chybějící hodnota v tenzoru
    • GPU bez ovladače
  2. Jak může model vytvořit zpětnou vazbu v hodnocení?
    • Jeho ztrátová funkce mění programovací jazyk
    • Jeho výběr utváří, které budoucí interakce se stanou tréninkovými daty
    • Jeho předpovědi odstraní veškeré chování uživatelů
    • Jeho vlastnosti se stávají neměnnými
  3. Co popisuje zapletení v systému ML?
    • Tréninková data obsahují pouze jednu třídu
    • Všechny parametry modelu jsou nezávislé
    • Změny v jedné komponentě mohou mít nelokální účinky prostřednictvím závislostí
    • Model je uložen v kontejneru
  4. Proč může být změna schématu funkcí riskantní, když několik modelů sdílí kanál?
    • Odstraňuje potřebu integračních testů
    • Automaticky vylepšuje každý model
    • Sdílené funkce nelze verzovat
    • Změna může změnit chování více spotřebitelů
  5. Co mohou smlouvy o schématu a vlastnictví pomoci odhalit?
    • Přesná budoucí přesnost modelu
    • Změny ve smyslu dat a odpovědnosti za hranice systému
    • Zaručený kauzální vztah
    • Optimální počet latentních faktorů
  6. Proč může monitorování pouze u modelu vynechat problém s upstreamovými daty?
    • Monitorování deaktivuje protokoly predikcí
    • Model nemůže přijímat data
    • Selhání vstupu nebo potrubí může způsobit změny výstupu před změnou kódu modelu
    • Upstream systémy jsou vždy stabilní
  7. Jak může tým snížit riziko při vyřazení nepoužívaného modelu?
    • Nejprve odstraňte jeho hodnotící zprávu
    • Odstraňte artefakt bez kontroly závislostí
    • Uchovejte si každý model navždy
    • Mapujte spotřebitele a použijte postupný penzijní plán
  8. Který příznak může naznačovat hromadící se technický dluh?
    • Změny se zpomalí a zpětná nebo regresní analýza se stanou obtížnými
    • Každý model má méně parametrů
    • Tréninková ztráta klesá
    • Úložiště obsahuje testy