Quiz collegato alla guida · Medio Livello
Quiz sulle pipeline di ingegneria e sulla versione dei dati
Testare trasformazioni di dati, versioni basate sul contenuto, dipendenze DAG, parità di funzionalità, record di derivazione e limiti di riproducibilità.
Domanda 1 di 8
Qual è lo scopo principale di una pipeline di ingegneria delle funzionalità?
Anteprima di ogni domanda8 domande
Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.
- Qual è lo scopo principale di una pipeline di ingegneria delle funzionalità?
- Per archiviare i pesi dei modelli addestrati per una distribuzione successiva
- Per pianificare i lavori GPU in un cluster
- Per trasformare i dati grezzi nelle funzionalità strutturate utilizzate da un modello
- Per crittografare i set di dati inattivi
- Perché confrontare l'hash del contenuto di un dataset invece di affidarsi solo al suo nome file?
- Un hash garantisce che ogni record sia accurato
- Il nome file può rimanere lo stesso mentre il suo contenuto memorizzato cambia
- Un nome file contiene tutte le trasformazioni
- L'hashing rimuove le restrizioni di accesso
- Quale tipo di struttura viene comunemente rappresentata una pipeline di funzionalità?
- Un unico elenco semplice di query SQL che devono essere eseguite nuovamente ogni volta
- Una tabella di database relazionale
- Una rete neurale con strati nascosti
- Un grafico aciclico diretto (DAG) dei passaggi di trasformazione
- Un modello si comporta diversamente dopo un aggiornamento dei dati. Cosa può aiutare a indagare la cronologia delle versioni?
- Quali dati e versioni di trasformazione sono stati usati, con gli altri fattori di runtime controllati separatamente
- Una riesecuzione identica garantita senza registri dell'ambiente
- Prova che l'aggiornamento è stato autorizzato
- Un certificato di conformità legale universale
- Quale di questi è uno strumento di esempio utilizzato specificamente per gli archivi di funzionalità o il controllo delle versioni dei dati?
- Photoshop
- Microsoft Parola
- FFmpeg
- Festa (o DVC/LakeFS)
- Perché è importante che la stessa logica delle funzionalità venga eseguita sia durante la formazione che durante la produzione?
- Per ridurre il costo dello storage nel cloud
- Per rendere il modello più grande e più preciso automaticamente
- Per garantire che il modello veda le funzionalità calcolate in modo coerente ed eviti discrepanze di addestramento/pubblicazione
- Perché i server di produzione non possono eseguire Python
- Un team ha gli stessi dati e codice ma uno stato casuale cambiato. Cosa rimane possibile?
- Uscite calcolate diverse nonostante versioni corrispondenti
- La versioning forza ogni scelta casuale a corrispondere
- Il nome del file del dataset deve cambiare
- Tutti i modelli diventano deterministici
- Un revisore chiede quale record di input e trasformazione ha prodotto una feature in un determinato momento. Quale record risponde a questa domanda?
- Solo il testo finale della previsione
- Lineage della feature con origine, versione della trasformazione e timestamp
- Solo il nome del file del dataset
- Solo il conteggio dei parametri del modello