Κουίζ που συνδέεται με οδηγό · Μεσαίο Επίπεδο
Κουίζ Apache Airflow for ML Workflows
Εφαρμόστε εξαρτήσεις εργασιών ροής αέρα, επαναλήψεις και συμπληρώσεις στις ροές εργασίας ML, συμπεριλαμβανομένων των κανόνων ενεργοποίησης που καθορίζουν πότε οι εργασίες είναι έτοιμες για εκτέλεση.
Ερώτηση 1 του 8
Στο Apache Airflow, ποια είναι η βασική αφαίρεση που χρησιμοποιείται για τον καθορισμό μιας ροής εργασίας;
Προεπισκόπηση κάθε ερώτησης8 ερωτήσεις
Οι απαντήσεις και οι εξηγήσεις εμφανίζονται καθώς κάνετε το κουίζ.
- Στο Apache Airflow, ποια είναι η βασική αφαίρεση που χρησιμοποιείται για τον καθορισμό μιας ροής εργασίας;
- Ένα μανιφέστο YAML
- Μια προβολή SQL
- Ένα DAG (Directed Acyclic Graph) γραμμένο σε Python
- Ένα σημειωματάριο Jupyter
- Τι ρόλο παίζει πιο συχνά το Airflow σε έναν αγωγό ML;
- Ενορχηστρώνει και προγραμματίζει εργασίες που εκτελούνται σε άλλα συστήματα
- Εκπαιδεύει μοντέλα βαθιάς εκμάθησης απευθείας σε GPU
- Αποθηκεύει διανύσματα χαρακτηριστικών στη μνήμη
- Εξυπηρετεί προβλέψεις μοντέλων μέσω HTTP
- Ποιο κατασκεύασμα ροής αέρα χρησιμοποιείται για την αναμονή για μια εξωτερική κατάσταση, όπως ένα αρχείο που φτάνει στην αποθήκευση;
- Μια μεταβλητή
- Μια πισίνα σύνδεσης
- Μια μακροεντολή
- Ένας αισθητήρας
- Τι σας επιτρέπει να κάνετε μια «επικάλυψη» ροής αέρα;
- Διαγραφή παλιού DAG εκτελείται μόνιμα
- Εκτελέστε ένα DAG σε ένα εύρος προηγούμενων ημερομηνιών για την επανεπεξεργασία ιστορικών δεδομένων
- Κρυπτογράφηση της βάσης δεδομένων μεταδεδομένων
- Απενεργοποιήστε προσωρινά τον προγραμματιστή
- Which Airflow component determines when eligible task instances should be scheduled?
- Ο προγραμματιστής
- The graph view in the web UI
- A model’s feature encoder
- The artifact file itself
- Τι είναι ο «προγραμματισμός με επίγνωση δεδομένων» που εισάγεται στις νεότερες εκδόσεις Airflow;
- Κρυπτογράφηση όλων των δεδομένων που διαβιβάζονται μεταξύ των εργασιών
- Αυτόματη επισήμανση δεδομένων εκπαίδευσης
- Μείωση του αριθμού των GPU ανά εργασία
- Ενεργοποίηση DAG όταν ενημερώνεται ένα σύνολο δεδομένων και όχι σε σταθερό ρολόι
- An Airflow cleanup task must run after upstream tasks finish even if one fails. Which setting controls this behavior?
- The number of model layers
- The cleanup task’s trigger rule
- The feature normalization method
- The UI theme selected for the DAG
- A team backfills three months of ML feature data in Airflow. What makes repeating an interrupted task safer?
- Appending duplicate outputs each time it retries
- Ignoring the run’s historical date
- An idempotent operation with the correct historical inputs
- Changing the training labels on every retry