Test de greutate și părtinire

Răspunsurile și explicațiile apar pe măsură ce susțineți testul.

1. Ce problemă de bază în învățarea automată se adresează în principal Weights & Biases?
   • Urmărirea și reproducerea experimentelor și a valorilor acestora
   • Comprimarea greutăților rețelei neuronale pentru dispozitive mobile
   • Generarea automată a datelor de antrenament sintetice
   • Criptarea greutăților modelului pentru o implementare sigură
2. Care două apeluri Python sunt punctul de intrare tipic pentru conectarea la W&B?
   • wandb.train() și wandb.deploy()
   • wandb.init() și wandb.log()
   • model.fit() și model.save()
   • wandb.connect() și wandb.send()
3. Care este scopul W&B Sweeps?
   • Curățarea datelor de antrenament corupte
   • Ștergerea jurnalelor vechi de experiment pentru a economisi spațiu de stocare
   • Căutare automată de hiperparametri în mai multe rulări
   • Streaming video al GPU-ului de antrenament
4. Ce vă lasă W&B Artefacts să faceți?
   • Redați vizualizări 3D ale rețelelor neuronale
   • Scrieți automat lucrări de cercetare
   • Convertiți modelele într-un cadru diferit
   • Versiune seturi de date și modele astfel încât rezultatele să poată fi reproduse
5. Ce companie a achiziționat Weights & Biases în martie 2025?
   • CoreWeave
   • NVIDIA
   • Microsoft
   • Hugging Face
6. Pentru ce este conceput W&B Weave?
   • Generarea de înglobări pentru căutare
   • Urmărirea și evaluarea aplicațiilor LLM
   • Gestionarea clusterelor Kubernetes
   • Etichetarea imaginilor pentru învățarea supravegheată
7. What can a W&B Table help a team compare?
   • Only GPU temperatures from a single machine
   • Only source-code branches with no logged data
   • Predictions or examples across models, epochs, or individual cases
   • Only user accounts and billing plans
8. What does W&B record when a run uses a logged artifact as an input?
   • A guarantee the model will reproduce identical results on all hardware
   • An automatic change to the dataset contents
   • A license grant for every file
   • A versioned input relationship that helps trace run lineage