피처 스토어 퀴즈

퀴즈를 풀면 정답과 설명이 나타납니다.

1. Why use shared feature definitions for training and online serving?
   • To guarantee every cached value is always fresh
   • To reduce skew caused by separate transformation implementations
   • To eliminate the need for timestamps
   • To choose a GPU model automatically
2. 오프라인 매장과 온라인 매장의 차이점은 무엇인가요?
   • 오프라인에는 훈련을 위한 기록 데이터가 보관됩니다. 온라인은 실시간 예측을 위해 최신 값을 빠르게 제공합니다.
   • 오프라인은 이미지용, 온라인은 텍스트용
   • 이름만 다르고 똑같네요
   • 주말에는 오프라인 운영, 평일에는 온라인 운영
3. 훈련 데이터를 구축할 때 특정 시점 조인이 중요한 이유는 무엇입니까?
   • 데이터베이스를 더 빠르게 실행하게 만듭니다.
   • 기능을 다른 언어로 번역합니다.
   • 각 이벤트 발생 당시의 특성 값을 그대로 사용하여 데이터 유출을 방지합니다.
   • 모델의 파일 크기를 줄입니다.
4. Which storage pattern commonly supports low-latency feature lookup by entity key?
   • An archival tape read for every request
   • A printed document catalog
   • A model-weight-only file
   • A key-value online store such as Redis or DynamoDB
5. 이 맥락에서 '기능'이란 무엇입니까?
   • 30일 동안의 평균 지출과 같은 데이터에서 파생된 입력 변수
   • 모델 코드의 버그
   • 대시보드의 색 구성표
   • GPU의 일종
6. 공유 기능 카탈로그는 어떤 추가 이점을 제공합니까?
   • 매 시간마다 오래된 데이터를 자동으로 삭제합니다.
   • 모든 모델 교육의 필요성을 대체합니다.
   • 한 모델용으로 구축된 기능을 다른 모델에서 검색하고 재사용할 수 있습니다.
   • 회사의 이메일을 암호화합니다.
7. A feature’s event time precedes a loan decision, but the value only arrived afterward. What must a historical training join consider?
   • Only whether its column name is short
   • A rule that every past event was already known
   • Only the current online value
   • Whether that value was actually available at prediction time
8. An online feature has not been refreshed after new events arrived. Which property should a feature-store monitor inspect?
   • The font size of the registry page
   • Feature freshness relative to the prediction’s needs
   • The model’s number of attention heads only
   • Whether the feature name contains a digit