گائیڈ سے منسلک کوئز · درمیانہ سطح

ML ورک فلوز کوئز کے لیے اپاچی ایئر فلو

ایم ایل ورک فلوز پر ایئر فلو ٹاسک انحصار، دوبارہ کوششیں، اور بیک فلز کا اطلاق کریں، بشمول ٹرگر رولز جو یہ تعین کرتے ہیں کہ کام کب چلنے کے لیے تیار ہیں۔

متعلقہ گائیڈ کے راستےاپاچی ایئر فلو مشین لرننگ ورک فلو کے لیے
سوال 1 کی 8

اپاچی ایئر فلو میں، ورک فلو کی وضاحت کے لیے بنیادی تجرید کیا ہے؟

ہر سوال کا جائزہ لیں۔8 سوالات

جب آپ کوئز دیتے ہیں تو جوابات اور وضاحتیں ظاہر ہوتی ہیں۔

  1. اپاچی ایئر فلو میں، ورک فلو کی وضاحت کے لیے بنیادی تجرید کیا ہے؟
    • ایک YAML مینی فیسٹ
    • ایک SQL منظر
    • Python میں لکھا ہوا DAG (ڈائریکٹڈ Acyclic گراف)
    • ایک Jupyter نوٹ بک
  2. ML پائپ لائن میں ایئر فلو سب سے زیادہ کیا کردار ادا کرتا ہے؟
    • یہ دوسرے سسٹمز پر چلنے والے کاموں کو آرکیسٹریٹس اور شیڈول کرتا ہے۔
    • یہ براہ راست GPUs پر گہری سیکھنے کے ماڈلز کی تربیت کرتا ہے۔
    • یہ فیچر ویکٹر کو میموری میں محفوظ کرتا ہے۔
    • یہ HTTP پر ماڈل کی پیش گوئیاں پیش کرتا ہے۔
  3. بیرونی حالت کا انتظار کرنے کے لیے کون سا ائیر فلو کنسٹرکٹ استعمال کیا جاتا ہے، جیسے کہ سٹوریج میں آنے والی فائل؟
    • ایک متغیر
    • ایک کنکشن پول
    • ایک میکرو
    • ایک سینسر
  4. ایئر فلو 'بیک فل' آپ کو کیا کرنے دیتا ہے؟
    • پرانے ڈی اے جی کو مستقل طور پر حذف کریں۔
    • تاریخی ڈیٹا کو دوبارہ پروسیس کرنے کے لیے پچھلی تاریخوں کی ایک رینج پر ڈی اے جی چلائیں۔
    • میٹا ڈیٹا ڈیٹا بیس کو خفیہ کریں۔
    • شیڈولر کو عارضی طور پر غیر فعال کریں۔
  5. Which Airflow component determines when eligible task instances should be scheduled?
    • شیڈولر
    • The graph view in the web UI
    • A model’s feature encoder
    • The artifact file itself
  6. نئے ایئر فلو ورژنز میں متعارف کرایا گیا 'ڈیٹا سے آگاہ شیڈولنگ' کیا ہے؟
    • کاموں کے درمیان گزرے تمام ڈیٹا کو خفیہ کرنا
    • تربیتی ڈیٹا کو خود بخود لیبل لگانا
    • فی کام GPUs کی تعداد کو کم کرنا
    • DAGs کو متحرک کرنا جب ڈیٹا سیٹ کو ایک مقررہ گھڑی کے بجائے اپ ڈیٹ کیا جاتا ہے۔
  7. An Airflow cleanup task must run after upstream tasks finish even if one fails. Which setting controls this behavior?
    • The number of model layers
    • 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