Вікторина, пов’язана з посібником · Середній Рівень
Вікторина CI/CD для машинного навчання
Перевірте, як конвеєри доставки ML перевіряють дані, тренують і оцінюють моделі, застосовують рекламні обмеження та узгоджують стан розгортання.
Питання 1 з 8
Що додає CI/CD для машинного навчання крім традиційного програмного забезпечення CI/CD?
Перегляньте кожне запитання8 запитання
Відповіді та пояснення з’являються під час виконання тесту.
- Що додає CI/CD для машинного навчання крім традиційного програмного забезпечення CI/CD?
- Автоматизація даних і моделей стосується не тільки коду
- Нічого — він ідентичний програмному забезпеченню CI/CD
- Тільки швидша компіляція
- Нова мова програмування
- Що зазвичай означає «CT» у конвеєрі ML?
- Передача коду
- Безперервне навчання
- Тестування контейнерів
- Центральна телеметрія
- Що таке стандартна оцінка перед просуванням потенційної моделі ML?
- Просувати його щоразу, коли навчання завершується
- Порівнюйте лише розміри файлів моделі
- Порівняйте його з базовим рівнем виробництва за узгодженими показниками та просуйте, лише якщо порогові значення політики перевищено
- Пропустити оцінку, якщо тести коду пройдуть
- Який із цих інструментів зазвичай використовується для організації конвеєрів машинного навчання?
- Microsoft Слово
- Медіаплеєр VLC
- WinRAR
- Трубопроводи Kubeflow
- Чому конвеєр ML може містити етап перевірки схеми даних?
- Щоб виявити неправильні або відхилені вхідні дані, перш ніж вони зіпсують навчання
- Щоб GPU працював холодніше
- Щоб стиснути набір даних
- Щоб випадково перейменувати стовпці
- На що спрямоване узгодження у Flux GitOps?
- Перенавчайте кожну модель щоразу під час фіксації коду
- Зробіть так, щоб розгорнуте середовище відповідало заявленому бажаному стану
- Автоматично змінювати мітки оцінки моделі
- Замініть конфігурацію, керовану версіями, редагуванням вручну
- Що таке корисна практика версії модель-артефакт?
- Ігноруйте навчальні дані після розгортання моделі
- Замініть перевірку міткою часу розгортання
- Артефакти версії моделі з вихідними даними, кодом і метаданими оцінки
- Використовуйте перевірку схеми як гарантію якості моделі
- Що є типовим тригером для безперервного навчання в конвеєрі машинного навчання?
- Кожен запит на висновок повинен перенавчити модель
- Файл моделі, який завантажує користувач
- Ядро ЦП досягає певної температури
- Запланований запуск, нові затверджені дані або сигнал моніторингу, наприклад дрейф