実験追跡クイズ

クイズに答えると、答えと解説が表示されます。

1. 機械学習における実験追跡の主な目的は何ですか?
   • 完全なコンテキストを記録することで実行を再現可能かつ比較可能にするため
   • モデルを GPU 上でより高速にトレーニングするには
   • モデルを実稼働環境に自動的にデプロイするには
   • モデルの重みを圧縮して保存するには
2. 単一のトレーニング実行を真に再現可能にするために不可欠な組み合わせはどれですか?
   • 最終精度数値のみ
   • コードのバージョン、データセット、ハイパーパラメータ
   • GPUの温度とファンの速度
   • データサイエンティストの名前
3. 人気のある実験追跡ツールは次のうちどれですか?
   • フォトショップ
   • Kubernetes
   • MLフロー
   • PostgreSQL
4. ほとんどの実験トラッカーは通常、トレーニング中にどのようにメトリクスをキャプチャしますか?
   • 後で手動で数値をスプレッドシートにコピーする
   • 端末のスクリーンショットを撮ることで
   • モデルのソースコードを読むことで
   • ロギングを通じて、バックエンドにストリーミングするトレーニング ループに挿入された API 呼び出し
5. 保存されたモデルの重みなどの大きなアーティファクトは通常、追跡システムによってどこに保存されますか?
   • オブジェクト/アーティファクト ストレージ内、参照はメタデータ ストアに保持される
   • メトリクス データベース行内
   • GPU メモリ内に永続的に
   • まったく保存されていない
6. 大規模言語モデルの時代に実験追跡はどのように進化しているのでしょうか?
   • LLM は追跡する必要がないため、放棄されています。
   • プロンプト バージョン、評価トレース、定性的な出力もキャプチャできるようになりました。
   • 現在は GPU コストのみを追跡します
   • ビデオ編集ソフトウェアに完全に統合されました
7. Why record a dataset version or content hash with an ML run?
   • To prove the model is unbiased
   • To guarantee identical GPU arithmetic
   • So the run can be linked to the exact data snapshot used
   • To replace the code version
8. In MLflow Tracking, where are large model files typically stored relative to parameters and metrics?
   • Only inside the metric names
   • Always embedded in the database row for each parameter
   • They are not recorded by a tracking system
   • In an artifact store, while run metadata is kept in a backend store