Prueba de niveles de madurez de MLOps

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

1. ¿Cómo debería tratar un equipo un nivel de madurez de MLOps?
   • Una descripción de diagnóstico de las capacidades en un marco con nombre
   • Una certificación universal de seguridad de modelos
   • Una medida de la precisión del modelo.
   • Un recuento de herramientas instaladas.
2. ¿Qué capacidad suele mejorar la reproducibilidad al principio de un viaje MLOps?
   • Implementar automáticamente cada ejecución de entrenamiento
   • Control de versiones de código, datos y artefactos de modelo.
   • Agregar más colores al tablero
   • Eliminación de puertas de evaluación
3. ¿En qué se diferencia la formación continua del despliegue continuo?
   • Supervisa la latencia, mientras que la implementación almacena conjuntos de datos.
   • Prueba el código fuente, mientras que las dependencias de las versiones de implementación
   • Crea nuevos candidatos, mientras que la implementación promueve artefactos a producción.
   • Son términos idénticos en todos los marcos.
4. ¿Por qué un equipo podría evitar automatizar cada decisión de lanzamiento de inmediato?
   • Los modelos de madurez prohíben la aprobación humana
   • La automatización siempre reduce la calidad
   • CI no puede ejecutar pruebas
   • Los resultados inciertos o de alto impacto aún pueden requerir revisión
5. ¿Qué limitación se aplica a una única puntuación de madurez agregada?
   • Demuestra que un equipo no tiene seguimiento.
   • Puede ocultar diferentes fortalezas y brechas entre capacidades.
   • Obliga a un proveedor de nube específico
   • Mide sólo el tiempo de entrenamiento.
6. Un equipo tiene capacitación automatizada pero aprobación de lanzamiento manual. ¿Qué muestra eso?
   • El flujo de trabajo no tiene validación.
   • El equipo no puede ser maduro en ningún ámbito
   • La automatización de la formación puede existir independientemente de la automatización de la implementación.
   • El modelo se implementa continuamente.
7. ¿Qué debería guiar la próxima inversión en MLOps?
   • Un requisito para automatizar todo el modelado.
   • La etapa de madurez más alta disponible
   • El número de vendedores en el mercado.
   • El riesgo actual de entrega o confiabilidad que se pretende reducir.
8. ¿Qué evidencia puede ayudar a evaluar la madurez operativa más allá del número de herramientas?
   • Repetibilidad, recuperación y confiabilidad de liberación
   • La duración del flujo de trabajo YAML
   • El número de parámetros del modelo.
   • El color de los gráficos de seguimiento.