Test de urmărire a experimentelor

Răspunsurile și explicațiile apar pe măsură ce susțineți testul.

1. Care este scopul principal al urmăririi experimentelor în învățarea automată?
   • Pentru a face rulările reproductibile și comparabile prin înregistrarea contextului lor complet
   • Pentru a face modelele să se antreneze mai rapid pe GPU
   • Pentru a implementa automat modele în producție
   • Pentru a comprima greutățile modelului pentru depozitare
2. Ce combinație este esențială pentru a face un singur antrenament cu adevărat reproductibil?
   • Doar numărul final de precizie
   • Versiunea codului, setul de date și hiperparametrii
   • Temperatura GPU și viteza ventilatorului
   • Numele cercetătorului de date
3. Care dintre acestea este un instrument popular de urmărire a experimentelor?
   • Photoshop
   • Kubernetes
   • MLflow
   • PostgreSQL
4. Cum înregistrează de obicei majoritatea instrumentelor de urmărire a experimentelor valorile în timpul antrenamentului?
   • Prin copierea manuală a numerelor într-o foaie de calcul ulterior
   • Făcând capturi de ecran ale terminalului
   • Citind codul sursă al modelului
   • Prin înregistrarea apelurilor API inserate în bucla de antrenament care se transmit către un backend
5. Unde sunt stocate de obicei artefactele mari, cum ar fi greutățile modelului salvate de un sistem de urmărire?
   • În stocarea obiectelor/artefactelor, cu referințele păstrate în depozitul de metadate
   • În rândul bazei de date de valori
   • În memoria GPU permanent
   • Nu sunt depozitate deloc
6. Cum evoluează urmărirea experimentelor în epoca modelelor mari de limbaj?
   • Este abandonat deoarece LLM-urile nu au nevoie de urmărire
   • Acum captează, de asemenea, versiuni prompte, urme de evaluare și rezultate calitative
   • Acum urmărește doar costurile GPU
   • S-a fuzionat în întregime în software-ul de editare video
7. Why record a dataset version or content hash with an ML run?
   • To prove the model is unbiased
   • To guarantee identical GPU arithmetic
   • So the run can be linked to the exact data snapshot used
   • To replace the code version
8. In MLflow Tracking, where are large model files typically stored relative to parameters and metrics?
   • Only inside the metric names
   • Always embedded in the database row for each parameter
   • They are not recorded by a tracking system
   • In an artifact store, while run metadata is kept in a backend store