KServe y Model Serving en Kubernetes Quiz

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

1. ¿Cuál era el nombre anterior de KServe antes de convertirse en un proyecto independiente?
   • KFSirviendo
   • KubeML
   • modelomalla
   • Modelos nativos
2. ¿Cuál es el recurso personalizado principal de Kubernetes que define para implementar un modelo con KServe?
   • Implementación del modelo
   • Servicio de inferencia
   • PredecirPod
   • Tabla de porciones
3. ¿Qué capacidad permite que los modelos inactivos de KServe no consuman ningún proceso hasta que llega una solicitud?
   • Lanzamiento en Canarias
   • fragmentación
   • Escalar a cero
   • inferencia por lotes
4. ¿Qué proyecto subyacente proporciona el escalado automático basado en solicitudes de KServe?
   • Prometeo
   • timón
   • argo
   • nativo
5. ¿Cómo suele KServe introducir los artefactos del modelo en un pod de servicio al inicio?
   • A través de un inicializador de almacenamiento que extrae del almacenamiento de objetos
   • Horneando modelos en la imagen del contenedor únicamente
   • Enviando por correo electrónico el archivo del modelo
   • A través de una copia manual de kubectl
6. ¿Qué estándar utiliza KServe para que los clientes puedan llamar a diferentes modelos de la misma manera?
   • Federación GraphQL
   • El protocolo de inferencia abierta
   • JABÓN
   • JDBC
7. In KServe’s InferenceService pipeline, which component can apply pre- or post-processing around the predictor?
   • The storage initializer
   • The Knative autoscaler
   • el transformador
   • The Kubernetes scheduler
8. What is a typical trade-off of scaling a model deployment down to zero replicas?
   • The model becomes permanently unavailable
   • Every request avoids model loading
   • The Kubernetes API is replaced
   • Idle compute is reduced, but the next request may incur a cold-start delay