Bài kiểm tra có liên kết hướng dẫn · Trung bình Cấp độ
Bài kiểm tra phỏng vấn thiết kế hệ thống ML
Sử dụng cách tiếp cận thiết kế hệ thống có cấu trúc từ mục tiêu sản phẩm và dữ liệu thông qua đánh giá, phục vụ, giám sát, khôi phục và cân bằng hoạt động.
Câu hỏi 1 của 8
Cần làm rõ điều gì trước khi chọn kiến trúc mô hình trong thiết kế hệ thống?
Xem trước mọi câu hỏi8 câu hỏi
Câu trả lời và giải thích xuất hiện khi bạn làm bài kiểm tra.
- Cần làm rõ điều gì trước khi chọn kiến trúc mô hình trong thiết kế hệ thống?
- Bắt đầu bằng cách chọn nhà cung cấp đám mây và họ GPU
- Chọn kiến trúc neural trước khi xác định nhiệm vụ
- Mục tiêu sản phẩm, người dùng, các ràng buộc và tiêu chí thành công
- Chọn framework dựa trên danh mục gói lớn nhất
- Tại sao tách việc truy xuất ứng cử viên ra khỏi xếp hạng trong thiết kế đề xuất?
- Xếp hạng tạo dữ liệu huấn luyện cho tất cả các sự kiện người dùng
- Truy xuất thu hẹp tập lớn trước khi mô hình phong phú hơn sắp xếp các ứng cử viên
- Truy xuất làm cho việc đánh giá ngoại tuyến không cần thiết
- Hai giai đoạn phải sử dụng các mô hình chấm điểm giống hệt nhau
- Phân chia nào có thể giảm rò rỉ khi các yêu cầu có cấu trúc thời gian?
- Một phân chia ngẫu nhiên theo hàng ngay cả khi hành vi tương lai là mục tiêu
- Đào tạo dựa trên quan sát tương lai để mô phỏng lưu lượng ngẫu nhiên
- Chia người dùng để cùng một người dùng xuất hiện trong mọi tập
- A chronology-respecting split
- Đường dẫn phục vụ thường bao gồm gì?
- Truy xuất tính năng, tiền xử lý, suy luận mô hình và xử lý phản hồi
- Chỉ có công việc đào tạo, tìm kiếm siêu tham số và đánh giá ngoại tuyến
- Chỉ có tuyển chọn dữ liệu, gắn nhãn và kiến trúc mô hình
- Đăng ký mô hình, lập lịch pipeline và bảng điều khiển mà không xử lý yêu cầu
- Tại sao cần kiểm tra tính khả dụng của tính năng giữa đào tạo và phục vụ?
- Các tính năng được sử dụng trong đào tạo tự động có sẵn trong sản xuất
- Tính năng trực tuyến có thể được tính toán với các định nghĩa khác nhau mà không gây ảnh hưởng
- Một tính năng phục vụ bị thiếu hoặc được tính toán khác nhau có thể tạo ra sự lệch lạc
- Sự nhất quán tính năng chỉ ảnh hưởng đến giấy phép mô hình
- Cặp chỉ số nào bao phủ hành vi dịch vụ và hành vi mô hình?
- Chỉ mất mát huấn luyện và độ chính xác kiểm chứng
- Độ trễ và tỷ lệ lỗi cộng với các tín hiệu chất lượng đầu vào hoặc đầu ra
- Số lần gọi API và kích thước tệp mô hình chỉ
- Thời gian hoạt động dịch vụ một mình mà không có kiểm tra hành vi mô hình
- Kế hoạch rollback nên chỉ rõ gì?
- Huấn luyện lại từ dữ liệu mới nhất mà không so sánh các phiên bản
- Khôi phục trọng số trong khi để lại cấu hình tiền xử lý và phục vụ không tương thích
- Xóa các kiểm tra sức khỏe để ngăn thông báo triển khai
- Các điều kiện và bước thực hiện để quay lại mô hình hoặc phiên bản dịch vụ đã biết là tốt
- Điều gì làm cho lời giải thích thiết kế hệ thống thuyết phục?
- Liên kết các lựa chọn kiến trúc với yêu cầu, các đánh đổi và các bài kiểm tra
- Hãy ghi nhớ một mẫu kiến trúc đám mây bất kể hạn chế
- Mô tả các lớp mô hình mà không bao gồm dữ liệu xung quanh và đường dẫn phục vụ
- Liệt kê các dịch vụ mà không giải thích các phép đo hoặc cách xử lý lỗi