ガイド連動クイズ · 中 レベル
機械学習の CI/CD クイズ
ML 配信パイプラインがどのようにデータを検証し、モデルをトレーニングおよび評価し、プロモーション ゲートを適用し、デプロイ状態を調整するかを確認します。
質問 1 の 8
機械学習用の CI/CD は、従来のソフトウェア CI/CD を超えて何を追加しますか?
すべての質問をプレビューする8 質問
クイズに答えると、答えと解説が表示されます。
- 機械学習用の CI/CD は、従来のソフトウェア CI/CD を超えて何を追加しますか?
- コードだけでなくデータとモデルの問題も自動化
- 何もありません - ソフトウェア CI/CD と同じです
- より高速なコンパイルのみ
- 新しいプログラミング言語
- ML パイプラインのコンテキストにおける「CT」は通常何を表しますか?
- コード転送
- 継続的なトレーニング
- コンテナのテスト
- 中央テレメトリー
- 候補の ML モデルを昇格する前の一般的な評価ゲートは何ですか?
- トレーニングが完了するたびに宣伝する
- モデル ファイル サイズのみを比較する
- 合意された指標に基づいて運用ベースラインと比較し、ポリシーのしきい値を超えた場合にのみプロモートします。
- コードテストに合格した場合は評価をスキップする
- ML パイプラインを調整するために一般的に使用されるツールは次のうちどれですか?
- Microsoft 単語
- VLCメディアプレーヤー
- WinRAR
- Kubeflow パイプライン
- ML パイプラインにデータ スキーマ検証ステップが含まれるのはなぜですか?
- トレーニングに支障をきたす前に、不正な入力データまたはドリフトした入力データを捕捉するため
- GPU の動作温度を下げるには
- データセットを圧縮するには
- 列の名前をランダムに変更するには
- Flux GitOps では、調整は何を目的としていますか?
- コードがコミットされるたびにすべてのモデルを再トレーニングします
- デプロイされた環境を宣言された望ましい状態と一致させる
- モデルの評価ラベルを自動的に変更する
- バージョン管理された構成を手動編集に置き換える
- モデルとアーティファクトのバージョン管理の実践に役立つものは何ですか?
- モデルのデプロイ後にトレーニング入力を無視する
- 検証を展開タイムスタンプに置き換えます
- ソース データ、コード、評価メタデータを含むバージョン モデル アーティファクト
- モデルの品質を保証するためにスキーマ チェックを使用する
- ML パイプラインでの継続的なトレーニングの一般的なトリガーは何ですか?
- すべての推論リクエストはモデルを再トレーニングする必要があります
- ユーザーがダウンロード中のモデル ファイル
- CPU コアが特定の温度に達する
- スケジュールされた実行、新しい承認されたデータ、またはドリフトなどの監視信号