Model Kayması Tespiti Testi

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

1. Veri kayması ile kavram kayması arasındaki fark nedir?
   • Veri kayması girdilerin dağılımını değiştirir; Konsept kayması girdi-çıktı ilişkisini değiştirir
   • Onlar aynı şeyin iki ismi
   • Veri kayması yalnızca görüntüleri etkiler; kavram kayması yalnızca metni etkiler
   • Veri kayması eğitimde meydana gelir; testlerde konsept kayması yaşanıyor
2. How should a team interpret a PSI value such as 0.30?
   • As a guarantee that model accuracy has fallen
   • As a signal to investigate under the chosen monitoring policy, not a universal proof of harmful drift
   • As an identical threshold for every feature and population
   • As proof that retraining must begin immediately
3. Girdi tabanlı sürüklenme tespiti neden erken uyarı verebilir?
   • Çünkü girdiler her zaman önce yanlıştır
   • Çünkü girdiler daha küçük dosyalardır
   • Çünkü kesin doğruluk etiketleri genellikle tahminlerden çok daha sonra ortaya çıkar
   • Çünkü modeller etiketleri tamamen göz ardı ediyor
4. What does a two-sample Kolmogorov-Smirnov test compare?
   • The average accuracy of two classifiers only
   • The class labels predicted by a single model
   • The parameter values of two neural networks
   • The empirical cumulative distribution functions of two samples
5. Hangi senaryo kavram kaymasının açık bir örneğidir?
   • Kullanıcıların 'spam' olarak kabul ettiği şeyler, benzer görünen e-postalar için bile zaman içinde değişir
   • Bir kamera biraz daha parlak görüntüler üretir
   • Veri kümesindeki müşteri yaşları aynı kalıyor
   • Veri kümesi yeni bir dosya biçiminde saklanır
6. What is a safe first response when an input-drift monitor triggers?
   • Automatically deploy a newly retrained model without evaluation
   • Investigate the data and impact, then decide whether retraining or another action is justified
   • Delete the reference data
   • Assume every shift is harmful concept drift
7. What can TensorFlow Data Validation check in an ML pipeline?
   • The causal effect of a feature
   • Whether every model prediction is correct
   • Data schemas and statistics, including unexpected changes
   • The absolute accuracy of an unlabeled dataset
8. What does the Population Stability Index (PSI) measure in a drift-monitoring setup?
   • The model’s accuracy on labeled examples
   • A causal effect of an input feature
   • A universal pass/fail threshold for all models
   • A numerical summary of how binned feature distributions differ between reference and current data