Quiz collegato alla guida · Medio Livello

Quiz sul codice di machine learning per test unitari

Scegli test appropriati per trasformazioni, perdite, contratti tensoriali e piccoli comportamenti di overfit senza confondere i controlli del codice con la generalizzazione.

Domanda 1 di 8

Quali asserzioni sono appropriate per un trasformatore di preelaborazione?

Anteprima di ogni domanda8 domande

Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.

  1. Quali asserzioni sono appropriate per un trasformatore di preelaborazione?
    • Forma di output prevista, ordine delle colonne e valori trasformati noti
    • Precisione mantenuta su una popolazione simile a un dispiegamento
    • Richiamo attraverso sottogruppi di produzione rari
    • Latenza end-to-end durante i picchi di carico del servizio
  2. Perché confrontare l'implementazione delle perdite con un calcolo manuale?
    • Dimostra che il modello si generalizzerà
    • Può rilevare errori di formula o di riduzione su un esempio noto
    • Sostituisce i controlli di qualità dei dati di addestramento
    • Garantisce la convergenza dell'ottimizzatore
  3. Che cosa aiuta a rilevare un test tiny-overfit?
    • Equità tra tutti i sottogruppi
    • Prestazioni affidabili su dati invisibili
    • Potenziali bug del percorso di allenamento o del gradiente
    • Latenza di produzione sotto carico
  4. In che modo i test dovrebbero confrontare gli output in virgola mobile?
    • Ignora i controlli per tutti gli output del modello
    • Richiede l'esatta uguaglianza bit per bit su ogni dispositivo
    • Arrotondare ogni valore a un numero intero
    • Utilizzare tolleranze esplicite adeguate alla precisione numerica
  5. Quale controllo appartiene a un test dell'interfaccia wrapper del modello?
    • Una curva di calibrazione statistica su un insieme trattenuto
    • Una previsione per riga di input e chiaro rifiuto delle funzionalità non valide
    • Stime delle prestazioni dei sottogruppi con intervalli di confidenza
    • Perdita di formazione dopo un lavoro di riqualificazione completa
  6. Perché separare i test unitari dalla valutazione della qualità del modello?
    • Le metriche di qualità testano solo la sintassi
    • I test unitari non possono eseguire funzioni Python
    • La correttezza del codice non stabilisce l'utilità statistica
    • La validazione del modello non necessita di dati
  7. Cosa può stabilire un’asserzione a gradiente finito?
    • Il modello è calibrato
    • I gradienti sono matematicamente ottimali
    • Il modello non ha pregiudizi
    • Esiste un percorso gradiente di base per i parametri previsti
  8. Dove dovrebbe essere solitamente collocato l’addestramento lento del set di dati completo?
    • In una fase separata di integrazione o convalida della formazione
    • In ogni piccolo test unitario
    • All'interno di un'asserzione del nome della funzionalità
    • In un file di blocco del pacchetto