Викторина, связанная с руководством · Средний Уровень

Викторина о магазинах функций

Практикуйте историю хранилища функций, актуальность данных в Интернете и объединение сущностей, в том числе то, как общие определения уменьшают искажения, не гарантируя идентичность входных данных.

Связанные направляющие путиМагазины функций
Вопрос 1 из 8

Why use shared feature definitions for training and online serving?

Предварительный просмотр каждого вопроса8 вопросы

Ответы и пояснения появляются по мере прохождения теста.

  1. Why use shared feature definitions for training and online serving?
    • To guarantee every cached value is always fresh
    • To reduce skew caused by separate transformation implementations
    • To eliminate the need for timestamps
    • To choose a GPU model automatically
  2. В чем разница между офлайн- и интернет-магазинами?
    • В автономном режиме хранятся исторические данные для обучения; онлайн быстро предоставляет последние значения для прогнозов в реальном времени
    • Оффлайн — для изображений, онлайн — для текста.
    • Они одинаковые с разными именами
    • Оффлайн — по выходным, онлайн — по будням.
  3. Почему соединения на определенный момент времени важны при построении обучающих данных?
    • Они ускоряют работу базы данных
    • Они переводят функции на другие языки
    • Они предотвращают утечку данных, используя значения функций такими, какими они были на момент каждого события.
    • Они уменьшают размер файла модели.
  4. Which storage pattern commonly supports low-latency feature lookup by entity key?
    • An archival tape read for every request
    • A printed document catalog
    • A model-weight-only file
    • A key-value online store such as Redis or DynamoDB
  5. Что такое «особенность» в этом контексте?
    • Входная переменная, полученная на основе данных, например средних расходов за 30 дней.
    • Ошибка в коде модели
    • Цветовая гамма приборной панели
    • Тип графического процессора
  6. Какие дополнительные преимущества дает общий каталог объектов?
    • Он автоматически удаляет старые данные каждый час
    • Это заменяет необходимость любого обучения модели.
    • Он позволяет обнаруживать и повторно использовать функции, созданные для одной модели, в других моделях.
    • Он шифрует электронную почту компании.
  7. A feature’s event time precedes a loan decision, but the value only arrived afterward. What must a historical training join consider?
    • Only whether its column name is short
    • A rule that every past event was already known
    • Only the current online value
    • Whether that value was actually available at prediction time
  8. An online feature has not been refreshed after new events arrived. Which property should a feature-store monitor inspect?
    • The font size of the registry page
    • Feature freshness relative to the prediction’s needs
    • The model’s number of attention heads only
    • Whether the feature name contains a digit