Cuestionario sobre control de versiones de datos y canalizaciones de ingeniería de funciones

Las respuestas y explicaciones aparecen a medida que realiza el cuestionario.

1. ¿Cuál es el propósito principal de un proceso de ingeniería de características?
   • Para almacenar pesos de modelos entrenados para su posterior implementación
   • Para programar trabajos de GPU en un clúster
   • Para transformar datos sin procesar en las características estructuradas que consume un modelo
   • Para cifrar conjuntos de datos en reposo
2. Why compare a dataset’s content hash instead of relying only on its filename?
   • A hash guarantees every record is accurate
   • The filename can stay the same while its stored contents change
   • A filename contains all transformations
   • Hashing removes access restrictions
3. ¿Qué tipo de estructura suele representar una canalización de funciones?
   • Una única lista plana de consultas SQL que deben volver a ejecutarse cada vez
   • Una tabla de base de datos relacional
   • Una red neuronal con capas ocultas
   • Un gráfico acíclico dirigido (DAG) de pasos de transformación.
4. A model behaves differently after a data update. What can version history help investigate?
   • Which data and transformation versions were used, with other runtime factors checked separately
   • A guaranteed identical rerun without environment records
   • Proof the update was authorized
   • A universal legal-compliance certificate
5. ¿Cuál de estas es una herramienta de ejemplo utilizada específicamente para almacenes de funciones o control de versiones de datos?
   • Photoshop
   • Microsoft Palabra
   • FFmpeg
   • Fiesta (o DVC / LakeFS)
6. ¿Por qué es importante que se ejecute la misma lógica de funciones durante el entrenamiento y la producción?
   • Para reducir el coste del almacenamiento en la nube
   • Para hacer el modelo más grande y más preciso automáticamente
   • Para garantizar que el modelo vea características calculadas de manera consistente y evite discrepancias en el entrenamiento/servicio
   • Porque los servidores de producción no pueden ejecutar Python
7. A team has the same data and code but a changed random state. What remains possible?
   • Different computed outputs despite matching versions
   • Versioning forces every random choice to match
   • The dataset filename must change
   • All models become deterministic
8. A reviewer asks which input record and transform produced a feature at a particular time. What record addresses that question?
   • Only the final prediction text
   • Feature lineage with source, transform version and timestamp
   • Only the dataset filename
   • Only a model parameter count