가이드 연계 퀴즈 · 중간 레벨

가중치 및 편향 퀴즈

재현성과 버전화된 실험 증거에 주의하면서 W&B 실행 추적, 스윕, 아티팩트, 테이블 및 직조를 살펴보세요.

관련 가이드 경로가중치와 편향
질문 1 의 8

가중치 및 편향이 주로 다루는 기계 학습의 핵심 문제는 무엇입니까?

모든 질문 미리보기8 질문

퀴즈를 풀면 정답과 설명이 나타납니다.

  1. 가중치 및 편향이 주로 다루는 기계 학습의 핵심 문제는 무엇입니까?
    • 실험과 측정항목 추적 및 재현
    • 모바일 장치의 신경망 가중치 압축
    • 합성 훈련 데이터 자동 생성
    • 안전한 배포를 위한 모델 가중치 암호화
  2. W&B에 로깅하기 위한 일반적인 진입점은 무엇입니까?
    • wandb.train() 및 wandb.deploy()
    • wandb.init() 및 wandb.log()
    • model.fit() 및 model.save()
    • wandb.connect() 및 wandb.send()
  3. W&B 스윕의 목적은 무엇입니까?
    • 손상된 훈련 데이터 정리
    • 저장용량 절약을 위해 오래된 실험 로그 삭제
    • 여러 실행에 걸쳐 자동화된 하이퍼파라미터 검색
    • 훈련 GPU의 스트리밍 비디오
  4. W&B Artifacts를 사용하면 무엇을 할 수 있나요?
    • 신경망의 3D 시각화 렌더링
    • 연구 논문 자동 작성
    • 모델을 다른 프레임워크로 변환
    • 결과를 재현할 수 있는 버전 데이터 세트 및 모델
  5. 2025년 3월에 Weights & Biases를 인수한 회사는 어디인가요?
    • 코어위브
    • NVIDIA
    • Microsoft
    • Hugging Face
  6. W&B Weave는 무엇을 위해 설계되었나요?
    • 검색용 임베딩 생성
    • LLM 지원서 추적 및 평가
    • Kubernetes 클러스터 관리
    • 지도 학습을 위한 이미지 라벨 지정
  7. What can a W&B Table help a team compare?
    • Only GPU temperatures from a single machine
    • Only source-code branches with no logged data
    • Predictions or examples across models, epochs, or individual cases
    • Only user accounts and billing plans
  8. What does W&B record when a run uses a logged artifact as an input?
    • A guarantee the model will reproduce identical results on all hardware
    • An automatic change to the dataset contents
    • A license grant for every file
    • A versioned input relationship that helps trace run lineage