실험 추적 퀴즈

퀴즈를 풀면 정답과 설명이 나타납니다.

1. 머신러닝에서 실험 추적의 주요 목적은 무엇인가요?
   • 전체 컨텍스트를 기록하여 실행을 재현 및 비교 가능하게 만들기 위해
   • GPU에서 모델 학습 속도를 높이려면
   • 모델을 프로덕션에 자동으로 배포하려면
   • 저장을 위해 모델 가중치를 압축하려면
2. 단일 훈련 실행을 실제로 재현 가능하게 만드는 데 필수적인 조합은 무엇입니까?
   • 최종 정확도 수치만
   • 코드 버전, 데이터세트, 하이퍼파라미터
   • GPU 온도 및 팬 속도
   • 데이터 과학자의 이름
3. 다음 중 널리 사용되는 실험 추적 도구는 무엇입니까?
   • 포토샵
   • 쿠버네티스
   • MLflow
   • 포스트그레SQL
4. 대부분의 실험 추적기는 일반적으로 훈련 중에 측정항목을 어떻게 캡처합니까?
   • 나중에 수동으로 스프레드시트에 숫자를 복사하여
   • 단말기 스크린샷을 찍어서
   • 모델의 소스 코드를 읽어서
   • 백엔드로 스트리밍되는 훈련 루프에 삽입된 로깅 API 호출을 통해
5. 저장된 모델 가중치와 같은 대규모 아티팩트는 일반적으로 추적 시스템에 의해 어디에 저장됩니까?
   • 객체/아티팩트 저장소에서 참조가 메타데이터 저장소에 보관됨
   • 측정항목 데이터베이스 행 내부
   • GPU 메모리에 영구적으로
   • 전혀 저장되지 않습니다
6. 대규모 언어 모델 시대에 실험 추적은 어떻게 발전하고 있나요?
   • LLM에는 추적이 필요하지 않기 때문에 폐기되고 있습니다.
   • 이제 프롬프트 버전, 평가 추적 및 정성적 출력도 캡처합니다.
   • 이제 GPU 비용만 추적합니다.
   • 비디오 편집 소프트웨어로 완전히 병합되었습니다.
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