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.
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.
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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