Викторина, связанная с руководством · Средний Уровень

Тест по Apache Airflow для рабочих процессов машинного обучения

Применяйте зависимости задач Airflow, повторные попытки и обратную засыпку к рабочим процессам машинного обучения, включая правила триггеров, которые определяют, когда задачи готовы к выполнению.

Связанные направляющие путиПоток воздуха Apache для рабочих процессов машинного обучения
Вопрос 1 из 8

Какая основная абстракция используется в Apache Airflow для определения рабочего процесса?

Предварительный просмотр каждого вопроса8 вопросы

Ответы и пояснения появляются по мере прохождения теста.

  1. Какая основная абстракция используется в Apache Airflow для определения рабочего процесса?
    • YAML-манифест
    • Представление SQL
    • DAG (направленный ациклический граф), написанный на Python.
    • Блокнот Jupyter
  2. Какую роль чаще всего играет Airflow в конвейере машинного обучения?
    • Он организует и планирует задачи, которые выполняются в других системах.
    • Он обучает модели глубокого обучения непосредственно на графических процессорах.
    • Он хранит векторы признаков в памяти.
    • Он предоставляет прогнозы модели через HTTP.
  3. Какая конструкция Airflow используется для ожидания внешнего условия, например поступления файла в хранилище?
    • Переменная
    • Пул соединений
    • Макрос
    • Датчик
  4. Что позволяет вам сделать «засыпка» Airflow?
    • Удалить старые запуски DAG навсегда
    • Запуск группы обеспечения доступности баз данных для диапазона прошлых дат для повторной обработки исторических данных.
    • Зашифруйте базу данных метаданных
    • Временно отключите планировщик
  5. Which Airflow component determines when eligible task instances should be scheduled?
    • Планировщик
    • The graph view in the web UI
    • A model’s feature encoder
    • The artifact file itself
  6. Что такое «планирование с учетом данных», представленное в новых версиях Airflow?
    • Шифрование всех данных, передаваемых между задачами
    • Автоматическая маркировка данных обучения
    • Уменьшение количества графических процессоров на задачу
    • Запуск групп DAG при обновлении набора данных, а не по фиксированным часам
  7. An Airflow cleanup task must run after upstream tasks finish even if one fails. Which setting controls this behavior?
    • The number of model layers
    • The cleanup task’s trigger rule
    • The feature normalization method
    • The UI theme selected for the DAG
  8. A team backfills three months of ML feature data in Airflow. What makes repeating an interrupted task safer?
    • Appending duplicate outputs each time it retries
    • Ignoring the run’s historical date
    • An idempotent operation with the correct historical inputs
    • Changing the training labels on every retry