Тест по проектированию функций и управлению версиями данных

Ответы и пояснения появляются по мере прохождения теста.

1. Какова основная цель конвейера разработки функций?
   • Сохранение весов обученной модели для последующего развертывания
   • Планирование заданий графического процессора в кластере
   • Преобразование необработанных данных в структурированные функции, которые использует модель.
   • Для шифрования наборов данных в состоянии покоя
2. Why compare a dataset’s content hash instead of relying only on its filename?
   • A hash guarantees every record is accurate
   • The filename can stay the same while its stored contents change
   • A filename contains all transformations
   • Hashing removes access restrictions
3. Какую структуру обычно представляют конвейер функций?
   • Единый плоский список SQL-запросов, которые каждый раз необходимо запускать повторно.
   • Таблица реляционной базы данных
   • Нейронная сеть со скрытыми слоями
   • Ориентированный ациклический граф (DAG) шагов преобразования
4. A model behaves differently after a data update. What can version history help investigate?
   • Which data and transformation versions were used, with other runtime factors checked separately
   • A guaranteed identical rerun without environment records
   • Proof the update was authorized
   • A universal legal-compliance certificate
5. Какой из этих инструментов является примером инструмента, специально используемого для хранилищ объектов или управления версиями данных?
   • Фотошоп
   • Microsoft Слово
   • FFmpeg
   • Праздник (или DVC/LakeFS)
6. Почему важно, чтобы одна и та же логика функций работала как во время обучения, так и во время производства?
   • Снизить стоимость облачного хранилища
   • Автоматическое увеличение размера и точности модели.
   • Чтобы гарантировать, что модель видит последовательно вычисленные функции и позволяет избежать несоответствий обучения/обслуживания.
   • Потому что производственные серверы не могут запускать Python
7. A team has the same data and code but a changed random state. What remains possible?
   • Different computed outputs despite matching versions
   • Versioning forces every random choice to match
   • The dataset filename must change
   • All models become deterministic
8. A reviewer asks which input record and transform produced a feature at a particular time. What record addresses that question?
   • Only the final prediction text
   • Feature lineage with source, transform version and timestamp
   • Only the dataset filename
   • Only a model parameter count