Fitur Engineering Pipeline dan Kuis Versi Data

Jawaban dan penjelasan muncul saat Anda mengikuti kuis.

1. Apa tujuan utama dari pipeline rekayasa fitur?
   • Untuk menyimpan bobot model terlatih untuk penerapan selanjutnya
   • Untuk menjadwalkan pekerjaan GPU di seluruh cluster
   • Untuk mengubah data mentah menjadi fitur terstruktur yang digunakan model
   • Untuk mengenkripsi kumpulan data saat istirahat
2. Why compare a dataset’s content hash instead of relying only on its filename?
   • A hash guarantees every record is accurate
   • The filename can stay the same while its stored contents change
   • A filename contains all transformations
   • Hashing removes access restrictions
3. Saluran fitur biasanya direpresentasikan sebagai jenis struktur apa?
   • Satu daftar datar kueri SQL yang harus dijalankan ulang setiap saat
   • Tabel database relasional
   • Jaringan saraf dengan lapisan tersembunyi
   • Grafik asiklik berarah (DAG) dari langkah-langkah transformasi
4. A model behaves differently after a data update. What can version history help investigate?
   • Which data and transformation versions were used, with other runtime factors checked separately
   • A guaranteed identical rerun without environment records
   • Proof the update was authorized
   • A universal legal-compliance certificate
5. Manakah dari alat berikut yang khusus digunakan untuk penyimpanan fitur atau pembuatan versi data?
   • photoshop
   • Microsoft Kata
   • FFmpeg
   • Pesta (atau DVC / LakeFS)
6. Mengapa penting untuk menjalankan logika fitur yang sama selama pelatihan dan produksi?
   • Untuk mengurangi biaya penyimpanan cloud
   • Untuk membuat model lebih besar dan akurat secara otomatis
   • Untuk memastikan model melihat fitur yang dihitung secara konsisten dan menghindari ketidakcocokan pelatihan/penyajian
   • Karena server produksi tidak dapat menjalankan Python
7. A team has the same data and code but a changed random state. What remains possible?
   • Different computed outputs despite matching versions
   • Versioning forces every random choice to match
   • The dataset filename must change
   • All models become deterministic
8. A reviewer asks which input record and transform produced a feature at a particular time. What record addresses that question?
   • Only the final prediction text
   • Feature lineage with source, transform version and timestamp
   • Only the dataset filename
   • Only a model parameter count