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.

Kapcsolódó útmutató utakFunkcióboltok
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.

  1. 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
  2. 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
  3. 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
  4. 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
  5. 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
  6. 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
  7. 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
  8. 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