Quiz dotyczący rejestrów modeli

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

1. Jaki jest główny cel rejestru modelowego?
   • Aby oznaczyć surowe dane szkoleniowe
   • Służyć jako katalog z kontrolą wersji i pojedyncze źródło prawdy dla wytrenowanych modeli
   • Aby wymienić procesor graficzny w serwerze
   • Do pisania zapytań SQL
2. In current MLflow registry workflows, what can provide a named reference to a model version?
   • A reassignable model alias
   • A universal mandatory four-stage lifecycle in every registry
   • The training GPU’s display resolution
   • A random tensor without a model version
3. How can a registry support a model rollback?
   • By guaranteeing every server switches instantly
   • By deleting all previous versions
   • By retaining a previous artifact that the serving workflow can reload and validate
   • By changing the training labels automatically
4. Co to jest podpis wzorcowy w rejestrze?
   • Odręczny autograf analityka danych
   • Hasło do bazy danych
   • Czas trwania treningu modelu
   • Schemat opisujący oczekiwane typy danych wejściowych i wyjściowych modelu
5. Dlaczego zarejestrowany rodowód (zestaw danych, zatwierdzenie kodu, hiperparametry) jest cenny?
   • Umożliwia odtwarzalność i możliwość kontroli sposobu, w jaki każda wersja została zbudowana
   • Dzięki temu model działa szybciej
   • Automatycznie zwiększa dokładność modelu
   • Kompresuje plik modelu
6. What connects a registered model decision to an actual application rollout?
   • A guarantee that registering a version deploys it everywhere
   • A required fax to the GPU vendor
   • A configured deployment workflow that loads and verifies the chosen artifact
   • A model signature alone with no serving system
7. A champion alias is reassigned, but a long-running server still has the old artifact loaded. What should an operator verify?
   • Only that the alias has a new value
   • That all servers reload automatically in every integration
   • Only the number of files in the registry
   • The artifact and version actually serving requests
8. A model signature expects numerical columns but a request sends strings. What can signature-aware validation help detect?
   • Whether the training labels are morally correct
   • An input schema or type mismatch
   • Every possible accuracy regression
   • A guarantee that all numerical inputs are in distribution