Kuis Toko Fitur

Jawaban dan penjelasan muncul saat Anda mengikuti kuis.

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. Apa perbedaan antara toko offline dan online?
   • Offline menyimpan data historis untuk pelatihan; online menyajikan nilai-nilai terbaru dengan cepat untuk prediksi langsung
   • Offline untuk gambar, online untuk teks
   • Mereka identik dengan nama yang berbeda
   • Offline berjalan pada akhir pekan, online berjalan pada hari kerja
3. Mengapa penggabungan point-in-time penting saat membuat data pelatihan?
   • Mereka membuat database berjalan lebih cepat
   • Mereka menerjemahkan fitur ke dalam bahasa lain
   • Mereka mencegah kebocoran data dengan menggunakan nilai fitur sebagaimana adanya pada waktu setiap peristiwa
   • Mereka mengurangi ukuran file model
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. Apa yang dimaksud dengan 'fitur' dalam konteks ini?
   • Variabel masukan yang berasal dari data, seperti pembelanjaan rata-rata selama 30 hari
   • Bug dalam kode model
   • Skema warna dasbor
   • Suatu jenis GPU
6. Apa manfaat tambahan yang diberikan katalog fitur bersama?
   • Ini menghapus data lama secara otomatis setiap jam
   • Ini menggantikan kebutuhan akan pelatihan model apa pun
   • Ini memungkinkan fitur yang dibuat untuk satu model ditemukan dan digunakan kembali oleh model lain
   • Ini mengenkripsi email perusahaan
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