가이드 연계 퀴즈 · 중간 레벨

MLflow 및 모델 수명 주기 추적 퀴즈

모델 배포 워크플로에서 별칭의 역할을 포함하여 MLflow 실험 추적, 모델 패키징 및 레지스트리 버전 참조를 연습합니다.

관련 가이드 경로Mlflow 및 모델 수명주기 추적
질문 1 의 8

MLflow Tracking은 데이터 과학자를 위해 어떤 주요 문제를 해결합니까?

모든 질문 미리보기8 질문

퀴즈를 풀면 정답과 설명이 나타납니다.

  1. MLflow Tracking은 데이터 과학자를 위해 어떤 주요 문제를 해결합니까?
    • 원시 학습 데이터에 자동으로 라벨 지정
    • 미사용 모델 가중치 암호화
    • 여러 실험 실행에 걸쳐 매개변수, 지표 및 아티팩트에 대한 비교 가능한 기록 유지
    • Kubernetes 클러스터의 필요성 대체
  2. Which MLflow component stores registered model versions and their tags or aliases?
    • 모델 레지스트리
    • The learning-rate scheduler
    • The training-data labeler
    • The Kubernetes pod scheduler
  3. MLflow가 '프레임워크에 구애받지 않는다'는 것은 무엇을 의미하나요?
    • TensorFlow에서만 작동합니다.
    • 사용자 정의 언어로 모델을 다시 작성해야 합니다.
    • Databricks에서만 실행됩니다.
    • scikit-learn, PyTorch, XGBoost와 같은 많은 ML 라이브러리에서 작동합니다.
  4. MLflow 모델 형식의 목적은 무엇입니까?
    • 훈련 데이터를 압축하려면
    • 학습된 모델을 프레임워크 특성과 메타데이터로 래핑하여 다양한 방법으로 배포할 수 있도록 합니다.
    • 재교육 작업을 예약하려면
    • 신경망 레이어를 시각화하려면
  5. MLflow를 만든 회사는 어디인가요?
    • 데이터브릭스
    • Google
    • 넷플릭스
    • Amazon
  6. MLflow는 생성 AI 애플리케이션을 지원하기 위해 어떻게 확장되고 있나요?
    • 클래식 ML 모델에 대한 지원 중단
    • 비공개 소스 제품이 됨으로써
    • 모든 훈련 프레임워크를 교체함으로써
    • LLM 앱에 대한 추적, 프롬프트 관리 및 평가를 추가하여
  7. A deployment resolves an MLflow model through a champion alias. What can reassignment of that alias change?
    • The recorded metrics inside every old experiment
    • The registered model version that the named reference resolves to
    • The model framework of all stored artifacts
    • The training labels in a historical dataset
  8. Two MLflow runs use different learning rates. What record helps compare their validation results?
    • Only the wall color of the training room
    • A registry alias without any run information
    • Each run’s logged parameters and validation metrics
    • A notebook filename without the experiment outputs