Quiz połączony z przewodnikiem · Średni Poziom

GitOps dla ML z quizem Argo CD

Zrozum pożądany stan, uzgadnianie, dryf i wycofywanie na płycie Argo CD i odróżniaj stan wdrożenia od sprawdzania poprawności modelu.

Powiązane ścieżki prowadząceGitops dla ML z Argo CD
Pytanie 1 z 8

Co GitOps traktuje jako zadeklarowany pożądany stan wdrożenia?

Podgląd każdego pytania8 pytania

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

  1. Co GitOps traktuje jako zadeklarowany pożądany stan wdrożenia?
    • Version-controlled configuration in a Git repository
    • The current state of a developer's terminal
    • The most recent prediction log
    • The model's training accuracy only
  2. Co robi Argo CD, gdy stan klastra na żywo różni się od stanu Git?
    • Automatically retrains the model
    • Reports drift and may reconcile according to configured sync policy
    • Changes the source repository to match the cluster
    • Rewrites the model artifact
  3. Do czego zazwyczaj służy funkcja samonaprawy w konfiguracji Argo CD?
    • Restore deleted training data
    • Repair model accuracy after drift
    • Reconcile manual live changes back toward declared Git state
    • Rotate every cloud secret
  4. Dlaczego automatyczna synchronizacja może być ryzykowna w przypadku niesprawdzonej zmiany manifestu?
    • It guarantees no rollback is possible
    • It disables Kubernetes health checks
    • It changes Git history automatically
    • It can propagate an incorrect desired state quickly
  5. W jaki sposób należy odwoływać się do obrazu modelu w celu śledzenia wdrożenia?
    • By a mutable latest tag only
    • By an immutable digest or version tied to validation evidence
    • By the training dataset's filename
    • By an unrecorded local path
  6. What does Kubernetes health status establish in this context?
    • That data are free of bias
    • That the model is calibrated
    • Resource health, not prediction quality
    • That the candidate beat its baseline
  7. Why may a Git revert not fully restore an ML deployment?
    • Kubernetes ignores image versions
    • Git cannot track text manifests
    • Argo CD requires retraining to sync
    • External state such as registry aliases or data migrations may not roll back
  8. Where should deployment credentials be stored?
    • In a secret-management mechanism referenced by configuration
    • As plaintext in a committed manifest
    • Inside model weights
    • In the public image tag