Quiz połączony z przewodnikiem · Średni Poziom
Quiz dotyczący śledzenia cyklu życia modelu MLflow i modelu
Przećwicz śledzenie eksperymentów MLflow, pakowanie modeli i odniesienia do wersji rejestru, w tym rolę aliasów w przepływach pracy wdrażania modelu.
Pytanie 1 z 8
Jaki główny problem MLflow Tracking rozwiązuje dla analityków danych?
Podgląd każdego pytania8 pytania
Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.
- Jaki główny problem MLflow Tracking rozwiązuje dla analityków danych?
- Automatyczne etykietowanie surowych danych szkoleniowych
- Szyfrowanie wag modeli w stanie spoczynku
- Prowadzenie porównywalnego rejestru parametrów, metryk i artefaktów w wielu seriach eksperymentów
- Zastąpienie konieczności stosowania klastra Kubernetes
- Który komponent MLflow przechowuje zarejestrowane wersje modeli i ich znaczniki lub aliasy?
- Rejestr modeli
- Harmonogram szybkości uczenia się
- Etykieta danych szkoleniowych
- Harmonogram podów Kubernetes
- Co to znaczy, że MLflow jest „niezależny od platformy”?
- Działa tylko z TensorFlow
- Wymaga przepisywania modeli w niestandardowym języku
- Działa tylko na Databricks
- Działa w wielu bibliotekach ML, takich jak scikit-learn, PyTorch i XGBoost
- Jaki jest cel formatu modelu MLflow?
- Aby skompresować dane treningowe
- Aby otoczyć wyszkolony model jego strukturą i metadanymi, aby można go było wdrożyć na wiele sposobów
- Aby zaplanować zadania przekwalifikowania
- Aby wizualizować warstwy sieci neuronowej
- Która firma stworzyła MLflow?
- Kostki danych
- Netflixa
- Amazon
- W jaki sposób MLflow rozwija się w celu obsługi generatywnych aplikacji AI?
- Rezygnując ze wsparcia dla klasycznych modeli ML
- Stając się produktem o zamkniętym kodzie źródłowym
- Zastępując wszystkie ramy szkoleniowe
- Dodając śledzenie, szybkie zarządzanie i ocenę aplikacji LLM
- Wdrożenie rozwiązuje model MLflow za pośrednictwem aliasu mistrza. Co może zmienić ponowne przypisanie tego aliasu?
- Dane zarejestrowane w każdym starym eksperymencie
- Zarejestrowana wersja modelu, do której odnosi się nazwane odwołanie
- Struktura modelu wszystkich przechowywanych artefaktów
- Etykiety szkoleniowe w historycznym zestawie danych
- Dwa przebiegi MLflow wykorzystują różne szybkości uczenia się. Jaki zapis pomaga porównać wyniki walidacji?
- Tylko kolor ścian sali szkoleniowej
- Alias rejestru bez żadnych informacji o uruchomieniu
- Zarejestrowane parametry i metryki walidacyjne każdego przebiegu
- Nazwa pliku notesu bez wyników eksperymentu