Kuiz Graf Teras dan Inferens Seldon

Jawapan dan penjelasan muncul semasa anda mengambil kuiz.

1. Apakah ciri penentu yang membezakan Seldon Core daripada pelayan model tunggal?
   • Graf inferens yang merantai berbilang komponen
   • Latihan model terbina dalam
   • Pemacu GPU proprietari
   • Pelabelan data automatik
2. Komponen graf Seldon manakah yang menentukan nod anak untuk menghantar permintaan, yang membolehkan ujian A/B?
   • Transformer
   • Penghala
   • Penggabung
   • Model
3. Jenis komponen yang manakah mengagregat keluaran daripada berbilang model untuk ensemble?
   • Penghala
   • Transformer
   • Penggabung
   • Inisialisasi
4. Apakah jenis struktur graf yang membentuk graf inferens Seldon?
   • Mesh kitaran
   • Senarai rata
   • Pokok binari sahaja
   • Graf asiklik terarah (DAG)
5. Dalam Seldon Core v2, pelayan dan protokol manakah yang membolehkan penyajian berbilang model merentas graf?
   • MLServer dan Protokol Inferens Terbuka
   • TensorFlow Serving dan gRPC sahaja
   • Nginx dan REHAT
   • Percikan dan Parket
6. In the Seldon Core 1 Router documentation, what can shift traffic toward better-performing models over time?
   • Nightly retraining only
   • A multi-armed bandit using live reward signals
   • Increasing the pod CPU limit
   • Caching every response
7. Which Seldon graph component can preprocess a request or postprocess a model response?
   • Penggabung
   • Penghala
   • Transformer
   • Explainer
8. Which description of Seldon Core 2 observability is accurate?
   • Metrics, tracing and payload logging are all automatically enabled for every REST/gRPC prediction
   • It provides only GPU metrics and no tracing
   • Payload logging always stores every model request in a local file
   • Metrics are exposed; tracing requires configuration, and payload logging is limited to configured Kafka-backed pipeline paths