Rehber bağlantılı sınav · Orta Seviye

ML İş Akışları Testi için Apache Airflow

Görevlerin ne zaman çalıştırılmaya hazır olacağını belirleyen tetikleme kuralları da dahil olmak üzere Airflow görev bağımlılıklarını, yeniden denemeleri ve dolguları ML iş akışlarına uygulayın.

İlgili kılavuz yollarıApache Airflow ML İş Akışları İçin
Soru 1 arasında 8

Apache Airflow'da iş akışını tanımlamak için kullanılan temel soyutlama nedir?

Her soruyu önizleyin8 sorular

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

  1. Apache Airflow'da iş akışını tanımlamak için kullanılan temel soyutlama nedir?
    • YAML bildirimi
    • Bir SQL görünümü
    • Python'da yazılmış bir DAG (Yönlendirilmiş Döngüsel Grafik)
    • Bir Jüpyter not defteri
  2. Airflow, makine öğrenimi hattında en yaygın olarak hangi rolü oynar?
    • Diğer sistemlerde çalışan görevleri düzenler ve planlar
    • Derin öğrenme modellerini doğrudan GPU'lar üzerinde eğitir
    • Özellik vektörlerini hafızada saklar
    • HTTP üzerinden model tahminleri sunar
  3. Depolama alanına gelen bir dosya gibi harici bir koşulu beklemek için hangi Airflow yapısı kullanılır?
    • Bir değişken
    • Bir bağlantı havuzu
    • Bir makro
    • Bir sensör
  4. Hava Akışı 'doldurması' ne yapmanıza olanak sağlar?
    • Eski DAG çalıştırmalarını kalıcı olarak sil
    • Geçmiş verileri yeniden işlemek için bir dizi geçmiş tarih üzerinde DAG çalıştırın
    • Meta veri veritabanını şifreleyin
    • Zamanlayıcıyı geçici olarak devre dışı bırakın
  5. Which Airflow component determines when eligible task instances should be scheduled?
    • zamanlayıcı
    • The graph view in the web UI
    • A model’s feature encoder
    • The artifact file itself
  6. Daha yeni Airflow sürümlerinde sunulan 'veriye duyarlı planlama' nedir?
    • Görevler arasında aktarılan tüm verileri şifreleme
    • Eğitim verilerini otomatik olarak etiketleme
    • Görev başına GPU sayısını azaltma
    • Sabit bir saat yerine bir veri kümesi güncellendiğinde DAG'leri tetiklemek
  7. An Airflow cleanup task must run after upstream tasks finish even if one fails. Which setting controls this behavior?
    • Model katmanlarının sayısı
    • 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