गाइड से जुड़ी प्रश्नोत्तरी · मध्यम स्तर

एमएल सिस्टम क्विज़ में छिपा हुआ तकनीकी ऋण

डेटा निर्भरता, उलझाव और फीडबैक लूप की पहचान करें जो तैनात मशीन-लर्निंग सिस्टम में छिपी रखरखाव लागत पैदा करते हैं।

प्रश्न 1 का 8

कौन सी डाउनस्ट्रीम निर्भरता अघोषित उपभोक्ता है?

प्रत्येक प्रश्न का पूर्वावलोकन करें8 प्रश्न

जैसे ही आप प्रश्नोत्तरी लेते हैं उत्तर और स्पष्टीकरण दिखाई देते हैं।

  1. कौन सी डाउनस्ट्रीम निर्भरता अघोषित उपभोक्ता है?
    • एक डाउनस्ट्रीम घटक जो ट्रैक किए गए स्वामित्व के बिना किसी सुविधा या पूर्वानुमान का उपयोग करता है
    • बिना लेबल के प्रशिक्षित एक मॉडल
    • टेंसर में एक लुप्त मान
    • एक GPU जिसमें ड्राइवर की कमी है
  2. कोई मॉडल रैंकिंग में फीडबैक लूप कैसे बना सकता है?
    • इसका लॉस फ़ंक्शन प्रोग्रामिंग भाषा को बदल देता है
    • इसके चयन आकार देते हैं जो भविष्य की बातचीत प्रशिक्षण डेटा बन जाती है
    • इसकी भविष्यवाणियाँ उपयोगकर्ता के सभी व्यवहार को हटा देती हैं
    • इसकी विशेषताएँ अपरिवर्तनीय हो जाती हैं
  3. एमएल प्रणाली में उलझाव क्या वर्णन करता है?
    • प्रशिक्षण डेटा में केवल एक वर्ग होता है
    • सभी मॉडल पैरामीटर स्वतंत्र हैं
    • एक घटक में परिवर्तन निर्भरता के माध्यम से गैर-स्थानीय प्रभाव डाल सकता है
    • मॉडल को एक कंटेनर में संग्रहीत किया जाता है
  4. जब कई मॉडल एक पाइपलाइन साझा करते हैं तो फीचर स्कीमा परिवर्तन जोखिम भरा क्यों हो सकता है?
    • यह एकीकरण परीक्षणों की आवश्यकता को दूर करता है
    • यह स्वचालित रूप से प्रत्येक मॉडल में सुधार करता है
    • साझा सुविधाओं को संस्करणित नहीं किया जा सकता
    • यह परिवर्तन कई उपभोक्ताओं के व्यवहार को बदल सकता है
  5. स्कीमा अनुबंध और स्वामित्व क्या उजागर करने में मदद कर सकते हैं?
    • मॉडल की सटीक भविष्य सटीकता
    • सिस्टम सीमाओं के पार डेटा अर्थ और जिम्मेदारी में परिवर्तन
    • एक गारंटीकृत कारण संबंध
    • अव्यक्त कारकों की इष्टतम संख्या
  6. केवल-मॉडल निगरानी से अपस्ट्रीम डेटा समस्या क्यों छूट सकती है?
    • मॉनिटरिंग पूर्वानुमान लॉग को अक्षम कर देती है
    • मॉडल डेटा प्राप्त नहीं कर सकता
    • मॉडल कोड बदलने से पहले इनपुट या पाइपलाइन विफलताओं के कारण आउटपुट में बदलाव हो सकता है
    • अपस्ट्रीम सिस्टम हमेशा स्थिर रहते हैं
  7. अप्रयुक्त मॉडल को सेवानिवृत्त करते समय एक टीम जोखिम को कैसे कम कर सकती है?
    • पहले उसकी मूल्यांकन रिपोर्ट हटाओ
    • निर्भरता की जाँच किए बिना आर्टिफैक्ट हटाएँ
    • हर मॉडल को हमेशा के लिए रखें
    • उपभोक्ताओं का मानचित्र बनाएं और एक चरणबद्ध सेवानिवृत्ति योजना का उपयोग करें
  8. कौन सा लक्षण तकनीकी ऋण जमा होने का संकेत दे सकता है?
    • परिवर्तन धीमे हो जाते हैं और रोलबैक या प्रतिगमन विश्लेषण कठिन हो जाता है
    • प्रत्येक मॉडल में कम पैरामीटर होते हैं
    • प्रशिक्षण हानि कम हो जाती है
    • भंडार में परीक्षण शामिल हैं