Gids-gekoppelde quiz · Middelmatig Niveau

Apache Airflow voor ML-workflowquiz

Pas Airflow-taakafhankelijkheden, nieuwe pogingen en aanvullingen toe op ML-workflows, inclusief de triggerregels die bepalen wanneer taken klaar zijn om te worden uitgevoerd.

Gerelateerde gidspadenApache Airflow voor ML-workflows
Vraag 1 van 8

Wat is in Apache Airflow de kernabstractie die wordt gebruikt om een ​​workflow te definiëren?

Bekijk elke vraag8 vragen

Antwoorden en uitleg verschijnen terwijl je de quiz doet.

  1. Wat is in Apache Airflow de kernabstractie die wordt gebruikt om een ​​workflow te definiëren?
    • Een YAML-manifest
    • Een SQL-weergave
    • Een DAG (Directed Acyclic Graph) geschreven in Python
    • Een Jupyter-notitieboekje
  2. Welke rol speelt Airflow meestal in een ML-pijplijn?
    • Het orkestreert en plant taken die op andere systemen worden uitgevoerd
    • Het traint deep learning-modellen rechtstreeks op GPU's
    • Het slaat featurevectoren op in het geheugen
    • Het biedt modelvoorspellingen via HTTP
  3. Welke Airflow-constructie wordt gebruikt om te wachten op een externe voorwaarde, zoals een bestand dat in de opslag arriveert?
    • Een variabele
    • Een verbindingspool
    • Een macro
    • Een sensor
  4. Wat kun je met een Airflow 'backfill'?
    • Verwijder oude DAG-runs permanent
    • Voer een DAG uit over een reeks eerdere datums om historische gegevens opnieuw te verwerken
    • Versleutel de metadatadatabase
    • Schakel de planner tijdelijk uit
  5. Which Airflow component determines when eligible task instances should be scheduled?
    • De planner
    • The graph view in the web UI
    • A model’s feature encoder
    • The artifact file itself
  6. Wat is 'databewust plannen' geïntroduceerd in nieuwere Airflow-versies?
    • Het coderen van alle gegevens die tussen taken worden doorgegeven
    • Automatisch labelen van trainingsgegevens
    • Het aantal GPU's per taak verminderen
    • Het activeren van DAG's wanneer een dataset wordt bijgewerkt in plaats van op een vaste klok
  7. An Airflow cleanup task must run after upstream tasks finish even if one fails. Which setting controls this behavior?
    • The number of model layers
    • The cleanup task’s trigger rule
    • The feature normalization method
    • The UI theme selected for the DAG
  8. A team backfills three months of ML feature data in Airflow. What makes repeating an interrupted task safer?
    • Appending duplicate outputs each time it retries
    • Ignoring the run’s historical date
    • An idempotent operation with the correct historical inputs
    • Changing the training labels on every retry