Kuiz berkaitan panduan · Sederhana Tahap
CI/CD untuk Kuiz Pembelajaran Mesin
Semak cara saluran paip penghantaran ML mengesahkan data, melatih dan menilai model, menggunakan pintu promosi dan menyelaraskan keadaan penggunaan.
soalan 1 daripada 8
Apakah yang ditambahkan oleh CI/CD untuk pembelajaran mesin melangkaui perisian tradisional CI/CD?
Pratonton setiap soalan8 soalan
Jawapan dan penjelasan muncul semasa anda mengambil kuiz.
- Apakah yang ditambahkan oleh CI/CD untuk pembelajaran mesin melangkaui perisian tradisional CI/CD?
- Automasi data dan kebimbangan model, bukan hanya kod
- Tiada apa-apa — ia sama dengan perisian CI/CD
- Hanya kompilasi yang lebih pantas
- Bahasa pengaturcaraan baharu
- Apakah yang dimaksudkan dengan 'CT' dalam konteks saluran paip ML?
- Pemindahan Kod
- Latihan Berterusan
- Pengujian Kontena
- Telemetri Pusat
- Apakah gerbang penilaian biasa sebelum mempromosikan model ML calon?
- Promosikannya apabila latihan selesai
- Bandingkan saiz fail model sahaja
- Bandingkannya dengan garis dasar pengeluaran pada metrik yang dipersetujui dan promosikan hanya jika ambang dasar melepasi
- Langkau penilaian jika ujian kod lulus
- Antara berikut, yang manakah alat yang biasa digunakan untuk mengatur saluran paip ML?
- Perkataan Microsoft
- Pemain Media VLC
- WinRAR
- Talian Paip Kubeflow
- Mengapakah saluran paip ML boleh memasukkan langkah pengesahan skema data?
- Untuk menangkap data input yang cacat atau hanyut sebelum ia merosakkan latihan
- Untuk menjadikan GPU berjalan lebih sejuk
- Untuk memampatkan set data
- Untuk menamakan semula lajur secara rawak
- Dalam Flux GitOps, apakah yang ingin dilakukan oleh perdamaian?
- Latih semula setiap model apabila kod dilakukan
- Jadikan persekitaran yang digunakan sepadan dengan keadaan yang diisytiharkan
- Tukar label penilaian model secara automatik
- Gantikan konfigurasi terkawal versi dengan suntingan manual
- Apakah amalan versi artifak model yang berguna?
- Abaikan input latihan selepas model digunakan
- Gantikan pengesahan dengan cap masa pelaksanaan
- Artifak model versi dengan data sumber, kod dan metadata penilaian
- Gunakan semakan skema sebagai jaminan kualiti model
- Apakah pencetus tipikal untuk latihan berterusan dalam saluran paip ML?
- Setiap permintaan inferens mesti melatih semula model
- Fail model sedang dimuat turun oleh pengguna
- Teras CPU mencapai suhu tertentu
- Larian berjadual, data baharu yang diluluskan atau isyarat pemantauan seperti drift