Quiz sur les registres de modèles

Les réponses et les explications apparaissent au fur et à mesure que vous répondez au quiz.

1. Quel est l’objectif principal d’un registre de modèles ?
   • Pour étiqueter les données d'entraînement brutes
   • Servir de catalogue contrôlé par version et de source unique de vérité pour les modèles entraînés
   • Pour remplacer le GPU dans un serveur
   • Pour écrire des requêtes SQL
2. In current MLflow registry workflows, what can provide a named reference to a model version?
   • A reassignable model alias
   • A universal mandatory four-stage lifecycle in every registry
   • The training GPU’s display resolution
   • A random tensor without a model version
3. How can a registry support a model rollback?
   • By guaranteeing every server switches instantly
   • By deleting all previous versions
   • By retaining a previous artifact that the serving workflow can reload and validate
   • By changing the training labels automatically
4. Qu'est-ce qu'un modèle de signature dans un registre ?
   • L'autographe manuscrit du data scientist
   • Un mot de passe pour la base de données
   • La durée de formation du modèle
   • Un schéma décrivant les types d'entrée et de sortie attendus du modèle
5. Pourquoi le lignage enregistré (ensemble de données, validation de code, hyperparamètres) est-il précieux ?
   • Il permet la reproductibilité et l'auditabilité de la façon dont chaque version a été construite
   • Cela rend le modèle plus rapide
   • Il augmente automatiquement la précision du modèle
   • Il compresse le fichier modèle
6. What connects a registered model decision to an actual application rollout?
   • A guarantee that registering a version deploys it everywhere
   • A required fax to the GPU vendor
   • A configured deployment workflow that loads and verifies the chosen artifact
   • A model signature alone with no serving system
7. A champion alias is reassigned, but a long-running server still has the old artifact loaded. What should an operator verify?
   • Only that the alias has a new value
   • That all servers reload automatically in every integration
   • Only the number of files in the registry
   • The artifact and version actually serving requests
8. A model signature expects numerical columns but a request sends strings. What can signature-aware validation help detect?
   • Whether the training labels are morally correct
   • An input schema or type mismatch
   • Every possible accuracy regression
   • A guarantee that all numerical inputs are in distribution