แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ

แบบทดสอบ Apache Airflow สำหรับเวิร์กโฟลว์ ML

ใช้การขึ้นต่อกันของงาน Airflow การลองใหม่ และการทดแทนกับเวิร์กโฟลว์ ML รวมถึงกฎทริกเกอร์ที่กำหนดว่างานพร้อมที่จะรันเมื่อใด

เส้นทางแนะนำที่เกี่ยวข้องApache Airflow สําหรับเวิร์กโฟลว์ ML
คำถาม 1 ของ 8

ใน Apache Airflow อะไรคือสิ่งที่เป็นนามธรรมหลักที่ใช้ในการกำหนดเวิร์กโฟลว์

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. ใน Apache Airflow อะไรคือสิ่งที่เป็นนามธรรมหลักที่ใช้ในการกำหนดเวิร์กโฟลว์
    • รายการ YAML
    • มุมมอง SQL
    • DAG (Directed Acyclic Graph) เขียนด้วย Python
    • สมุดบันทึก Jupyter
  2. Airflow มีบทบาทอย่างไรในไปป์ไลน์ ML มากที่สุด
    • มันจัดเตรียมและจัดตารางเวลางานที่ทำงานบนระบบอื่น
    • โดยจะฝึกฝนโมเดลการเรียนรู้เชิงลึกโดยตรงบน GPU
    • มันเก็บคุณสมบัติเวกเตอร์ไว้ในหน่วยความจำ
    • ให้บริการการคาดการณ์โมเดลผ่าน HTTP
  3. โครงสร้าง Airflow ใดที่ใช้ในการรอสภาวะภายนอก เช่น ไฟล์มาถึงที่จัดเก็บข้อมูล
    • ตัวแปร
    • พูลการเชื่อมต่อ
    • มาโคร
    • เซ็นเซอร์
  4. 'โฆษณาทดแทน' ของ Airflow ช่วยให้คุณทำอะไรได้บ้าง
    • ลบการทำงาน DAG เก่าอย่างถาวร
    • เรียกใช้ DAG ในช่วงวันที่ที่ผ่านมาเพื่อประมวลผลข้อมูลในอดีตอีกครั้ง
    • เข้ารหัสฐานข้อมูลเมตาดาต้า
    • ปิดการใช้งานตัวกำหนดเวลาชั่วคราว
  5. Which Airflow component determines when eligible task instances should be scheduled?
    • กำหนดการ
    • The graph view in the web UI
    • A model’s feature encoder
    • The artifact file itself
  6. 'การกำหนดเวลาการรับรู้ข้อมูล' ที่นำมาใช้ใน Airflow เวอร์ชันใหม่คืออะไร
    • การเข้ารหัสข้อมูลทั้งหมดที่ส่งผ่านระหว่างงาน
    • ติดป้ายกำกับข้อมูลการฝึกอบรมโดยอัตโนมัติ
    • ลดจำนวน GPU ต่องาน
    • การทริกเกอร์ DAG เมื่อมีการอัปเดตชุดข้อมูลแทนที่จะใช้นาฬิกาคงที่
  7. An Airflow cleanup task must run after upstream tasks finish even if one fails. Which setting controls this behavior?
    • จำนวนเลเยอร์ของโมเดล
    • 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