Gids-gekoppelde quiz · Middelmatig Niveau
Feature Stores-quiz
Oefen met feature-storegeschiedenis, online frisheid en entiteitsjoins, inclusief hoe gedeelde definities scheefheid verminderen zonder identieke invoer te garanderen.
Vraag 1 van 8
Why use shared feature definitions for training and online serving?
Bekijk elke vraag8 vragen
Antwoorden en uitleg verschijnen terwijl je de quiz doet.
- Why use shared feature definitions for training and online serving?
- To guarantee every cached value is always fresh
- To reduce skew caused by separate transformation implementations
- To eliminate the need for timestamps
- To choose a GPU model automatically
- Wat is het verschil tussen de offline en online winkels?
- Offline bevat historische gegevens voor training; online biedt snel de nieuwste waarden voor live voorspellingen
- Offline is voor afbeeldingen, online is voor tekst
- Ze zijn identiek met verschillende namen
- Offline draait in het weekend, online draait op weekdagen
- Waarom zijn point-in-time joins belangrijk bij het bouwen van trainingsgegevens?
- Ze zorgen ervoor dat de database sneller werkt
- Ze vertalen functies naar andere talen
- Ze voorkomen gegevenslekken door functiewaarden te gebruiken zoals ze waren op het moment van elke gebeurtenis
- Ze verkleinen de bestandsgrootte van het model
- Which storage pattern commonly supports low-latency feature lookup by entity key?
- An archival tape read for every request
- A printed document catalog
- A model-weight-only file
- A key-value online store such as Redis or DynamoDB
- Wat is in deze context een 'kenmerk'?
- Een invoervariabele die is afgeleid van gegevens, zoals de gemiddelde uitgaven over 30 dagen
- Een bug in de modelcode
- Het kleurenschema van een dashboard
- Een type GPU
- Welk extra voordeel biedt een gedeelde featurecatalogus?
- Het verwijdert elk uur automatisch oude gegevens
- Het vervangt de noodzaak van elke modeltraining
- Hiermee kunnen functies die voor één model zijn gebouwd, worden ontdekt en hergebruikt door andere modellen
- Het codeert de e-mail van het bedrijf
- A feature’s event time precedes a loan decision, but the value only arrived afterward. What must a historical training join consider?
- Only whether its column name is short
- A rule that every past event was already known
- Only the current online value
- Whether that value was actually available at prediction time
- An online feature has not been refreshed after new events arrived. Which property should a feature-store monitor inspect?
- The font size of the registry page
- Feature freshness relative to the prediction’s needs
- The model’s number of attention heads only
- Whether the feature name contains a digit