Rehber bağlantılı sınav · Orta Seviye

MLflow ve Model Yaşam Döngüsü İzleme Sınavı

Takma adların model dağıtımı iş akışlarındaki rolü de dahil olmak üzere MLflow deneme izleme, model paketleme ve kayıt defteri sürümü referanslarını uygulayın.

İlgili kılavuz yollarıMlflow ve Model Yaşam Döngüsü Takibi
Soru 1 arasında 8

MLflow İzleme veri bilimcileri için hangi temel sorunu çözüyor?

Her soruyu önizleyin8 sorular

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

  1. MLflow İzleme veri bilimcileri için hangi temel sorunu çözüyor?
    • Ham eğitim verilerini otomatik olarak etiketleme
    • Hareketsiz durumdaki model ağırlıklarının şifrelenmesi
    • Birçok deneme çalıştırmasında parametrelerin, ölçümlerin ve yapıtların karşılaştırılabilir bir kaydını tutmak
    • Kubernetes kümesine olan ihtiyacın değiştirilmesi
  2. Which MLflow component stores registered model versions and their tags or aliases?
    • Model Kaydı
    • The learning-rate scheduler
    • The training-data labeler
    • The Kubernetes pod scheduler
  3. MLflow'un 'çerçeveden bağımsız' olması ne anlama geliyor?
    • Yalnızca TensorFlow ile çalışır
    • Modellerin özel bir dilde yeniden yazılmasını gerektirir
    • Yalnızca Databricks'te çalışır
    • Scikit-learn, PyTorch ve XGBoost gibi birçok makine öğrenimi kütüphanesinde çalışır.
  4. MLflow Model formatının amacı nedir?
    • Eğitim verilerini sıkıştırmak için
    • Eğitilmiş bir modeli çerçeve tadı ve meta verileriyle sarmak, böylece birçok şekilde dağıtılabilmesini sağlamak
    • Yeniden eğitim işlerini planlamak için
    • Sinir ağı katmanlarını görselleştirmek için
  5. MLflow'u hangi şirket yarattı?
    • Veri tuğlaları
    • Google
    • netflix
    • Amazon
  6. MLflow, üretken yapay zeka uygulamalarını destekleyecek şekilde nasıl genişliyor?
    • Klasik makine öğrenimi modellerine yönelik desteğin kaldırılmasıyla
    • Kapalı kaynaklı bir ürün haline gelerek
    • Tüm eğitim çerçevelerini değiştirerek
    • Yüksek Lisans uygulamaları için izleme, bilgi istemi yönetimi ve değerlendirme ekleyerek
  7. A deployment resolves an MLflow model through a champion alias. What can reassignment of that alias change?
    • The recorded metrics inside every old experiment
    • The registered model version that the named reference resolves to
    • The model framework of all stored artifacts
    • The training labels in a historical dataset
  8. Two MLflow runs use different learning rates. What record helps compare their validation results?
    • Only the wall color of the training room
    • A registry alias without any run information
    • Each run’s logged parameters and validation metrics
    • A notebook filename without the experiment outputs