Вікторина, пов’язана з посібником · Середній Рівень
Вікторина про модельні реєстри
Застосуйте версії реєстру моделей, підписи та посилання на розгортання, зокрема, чому зміни псевдонімів потребують перевіреного робочого процесу обслуговування.
Питання 1 з 8
Яка основна мета модельного реєстру?
Перегляньте кожне запитання8 запитання
Відповіді та пояснення з’являються під час виконання тесту.
- Яка основна мета модельного реєстру?
- Щоб позначити необроблені навчальні дані
- Служити каталогом із керуванням версіями та єдиним джерелом істини для навчених моделей
- Щоб замінити GPU на сервері
- Для написання запитів SQL
- In current MLflow registry workflows, what can provide a named reference to a model version?
- A reassignable model alias
- A universal mandatory four-stage lifecycle in every registry
- The training GPU’s display resolution
- A random tensor without a model version
- How can a registry support a model rollback?
- By guaranteeing every server switches instantly
- By deleting all previous versions
- By retaining a previous artifact that the serving workflow can reload and validate
- By changing the training labels automatically
- Що таке модель підпису в реєстрі?
- Рукописний автограф спеціаліста з даних
- Пароль для бази даних
- Тривалість навчання моделі
- Схема, що описує очікувані типи вхідних і вихідних даних моделі
- Чому записане походження (набір даних, фіксація коду, гіперпараметри) є цінним?
- Це забезпечує відтворюваність і перевірку того, як була створена кожна версія
- Завдяки цьому модель працює швидше
- Це автоматично підвищує точність моделі
- Він стискає файл моделі
- What connects a registered model decision to an actual application rollout?
- A guarantee that registering a version deploys it everywhere
- A required fax to the GPU vendor
- A configured deployment workflow that loads and verifies the chosen artifact
- A model signature alone with no serving system
- A champion alias is reassigned, but a long-running server still has the old artifact loaded. What should an operator verify?
- Only that the alias has a new value
- That all servers reload automatically in every integration
- Only the number of files in the registry
- The artifact and version actually serving requests
- A model signature expects numerical columns but a request sends strings. What can signature-aware validation help detect?
- Whether the training labels are morally correct
- An input schema or type mismatch
- Every possible accuracy regression
- A guarantee that all numerical inputs are in distribution