Útmutatóhoz kapcsolódó kvíz · Közepes Szint
Funkcióboltok kvíz
Practice feature-store history, online freshness, and entity joins, including how shared definitions reduce skew without guaranteeing identical inputs.
kérdés 1 -ból 8
Why use shared feature definitions for training and online serving?
Tekintse meg az összes kérdést8 kérdéseket
A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.
- Why use shared feature definitions for training and online serving?
- To guarantee every cached value is always fresh
- To reduce skew caused by separate transformation implementations
- To eliminate the need for timestamps
- To choose a GPU model automatically
- Mi a különbség az offline és az online boltok között?
- Az offline előzményadatokat tárol a képzéshez; az online gyorsan szolgálja ki a legújabb értékeket az élő előrejelzésekhez
- Az offline a képekhez, az online a szöveghez való
- Különböző elnevezésekkel azonosak
- Az offline hétvégén, az online hétköznaponként működik
- Miért fontosak a pont-időben történő összekapcsolások a képzési adatok összeállításakor?
- Gyorsabbá teszik az adatbázis működését
- Lefordítják a funkciókat más nyelvekre
- Megakadályozzák az adatszivárgást azáltal, hogy az egyes események időpontjában használt jellemzőértékeket használják
- Csökkentik a modell fájlméretét
- Which storage pattern commonly supports low-latency feature lookup by entity key?
- An archival tape read for every request
- A printed document catalog
- A model-weight-only file
- A key-value online store such as Redis or DynamoDB
- Mit jelent ebben az összefüggésben a „szolgáltatás”?
- Adatokból származó bemeneti változó, például átlagos költés 30 napon keresztül
- Hiba a modellkódban
- A műszerfal színséma
- A GPU egy típusa
- Milyen extra előnyökkel jár a megosztott funkciók katalógusa?
- A régi adatokat óránként automatikusan törli
- Ez helyettesíti a modellképzés szükségességét
- Lehetővé teszi, hogy az egyik modellhez épített funkciókat felfedezzék és más modellek újra felhasználják
- Titkosítja a cég e-mailjeit
- A feature’s event time precedes a loan decision, but the value only arrived afterward. What must a historical training join consider?
- Only whether its column name is short
- A rule that every past event was already known
- Only the current online value
- Whether that value was actually available at prediction time
- An online feature has not been refreshed after new events arrived. Which property should a feature-store monitor inspect?
- The font size of the registry page
- Feature freshness relative to the prediction’s needs
- The model’s number of attention heads only
- Whether the feature name contains a digit