Quiz collegato alla guida · Medio Livello
CI/CD per quiz sull'apprendimento automatico
Controlla in che modo le pipeline di distribuzione ML convalidano i dati, addestrano e valutano i modelli, applicano cancelli di promozione e riconciliano lo stato di distribuzione.
Domanda 1 di 8
Cosa aggiunge CI/CD per il machine learning oltre al tradizionale CI/CD software?
Anteprima di ogni domanda8 domande
Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.
- Cosa aggiunge CI/CD per il machine learning oltre al tradizionale CI/CD software?
- Automazione dei dati e problemi del modello, non solo del codice
- Niente: è identico al software CI/CD
- Solo compilazione più veloce
- Un nuovo linguaggio di programmazione
- Cosa significa solitamente il "CT" in un contesto di pipeline ML?
- Trasferimento del codice
- Formazione continua
- Test sui contenitori
- Telemetria centrale
- What is a common evaluation gate before promoting a candidate ML model?
- Promote it whenever training completes
- Compare only model file sizes
- Compare it with the production baseline on agreed metrics and promote only if policy thresholds pass
- Skip evaluation if the code tests pass
- Quale di questi è uno strumento comunemente utilizzato per orchestrare le pipeline ML?
- Microsoft Parola
- Lettore multimediale VLC
- WinRAR
- Pipeline Kubeflow
- Perché una pipeline ML potrebbe includere una fase di convalida dello schema dei dati?
- Per individuare dati di input non corretti o deviati prima che danneggino l'addestramento
- Per far funzionare la GPU più fresca
- Per comprimere il set di dati
- Per rinominare le colonne in modo casuale
- In Flux GitOps, what does reconciliation aim to do?
- Retrain every model whenever code is committed
- Make the deployed environment match the declared desired state
- Automatically change a model’s evaluation labels
- Replace version-controlled configuration with manual edits
- What is a useful model-artifact versioning practice?
- Ignore training inputs after a model is deployed
- Replace validation with a deployment timestamp
- Version model artifacts with source data, code, and evaluation metadata
- Use a schema check as a guarantee of model quality
- What is a typical trigger for continuous training in an ML pipeline?
- Every inference request must retrain the model
- A model file being downloaded by a user
- A CPU core reaching a particular temperature
- A scheduled run, new approved data, or a monitoring signal such as drift