मॉडल ड्रिफ्ट डिटेक्शन क्विज़

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

1. डेटा ड्रिफ्ट और कॉन्सेप्ट ड्रिफ्ट के बीच क्या अंतर है?
   • डेटा बहाव इनपुट के वितरण को बदल देता है; अवधारणा बहाव इनपुट-टू-आउटपुट संबंध को बदल देता है
   • वे एक ही चीज़ के दो नाम हैं
   • डेटा बहाव केवल छवियों को प्रभावित करता है; अवधारणा बहाव केवल पाठ को प्रभावित करता है
   • प्रशिक्षण में डेटा बहाव होता है; परीक्षण में अवधारणा विचलन होता है
2. How should a team interpret a PSI value such as 0.30?
   • As a guarantee that model accuracy has fallen
   • As a signal to investigate under the chosen monitoring policy, not a universal proof of harmful drift
   • As an identical threshold for every feature and population
   • As proof that retraining must begin immediately
3. इनपुट-आधारित ड्रिफ्ट डिटेक्शन प्रारंभिक चेतावनी क्यों दे सकता है?
   • क्योंकि इनपुट हमेशा पहले गलत होते हैं
   • क्योंकि इनपुट छोटी फ़ाइलें हैं
   • क्योंकि जमीनी सच्चाई के लेबल अक्सर पूर्वानुमानों की तुलना में बहुत देर से आते हैं
   • क्योंकि मॉडल लेबल को पूरी तरह से अनदेखा कर देते हैं
4. What does a two-sample Kolmogorov-Smirnov test compare?
   • The average accuracy of two classifiers only
   • The class labels predicted by a single model
   • The parameter values of two neural networks
   • The empirical cumulative distribution functions of two samples
5. कौन सा परिदृश्य अवधारणा बहाव का स्पष्ट उदाहरण है?
   • जिसे उपयोगकर्ता 'स्पैम' मानते हैं वह समान दिखने वाले ईमेल के लिए भी समय के साथ बदलता रहता है
   • एक कैमरा थोड़ा उज्जवल चित्र बनाता है
   • डेटासेट में ग्राहक की आयु समान रहती है
   • डेटासेट को एक नए फ़ाइल स्वरूप में संग्रहीत किया जाता है
6. What is a safe first response when an input-drift monitor triggers?
   • Automatically deploy a newly retrained model without evaluation
   • Investigate the data and impact, then decide whether retraining or another action is justified
   • Delete the reference data
   • Assume every shift is harmful concept drift
7. What can TensorFlow Data Validation check in an ML pipeline?
   • The causal effect of a feature
   • Whether every model prediction is correct
   • Data schemas and statistics, including unexpected changes
   • The absolute accuracy of an unlabeled dataset
8. What does the Population Stability Index (PSI) measure in a drift-monitoring setup?
   • The model’s accuracy on labeled examples
   • A causal effect of an input feature
   • A universal pass/fail threshold for all models
   • A numerical summary of how binned feature distributions differ between reference and current data