引导式测验 · 中等 等级

机器学习测验的 CI/CD

检查 ML 交付管道如何验证数据、训练和评估模型、应用升级门以及协调部署状态。

相关引导路径机器学习 Ci Cd
问题 1 的 8

机器学习的 CI/CD 比传统软件 CI/CD 增加了什么？

预览每个问题8 问题

当您参加测验时，就会出现答案和解释。

  1. 机器学习的 CI/CD 比传统软件 CI/CD 增加了什么？
    • 数据和模型问题的自动化，而不仅仅是代码
    • 没什么——它与软件 CI/CD 相同
    • 只有更快的编译
    • 一种新的编程语言
  2. 机器学习管道上下文中的“CT”通常代表什么？
    • 代码传输
    • 持续培训
    • 容器测试
    • 中央遥测
  3. 在提升候选机器学习模型之前，常见的评估门槛是什么？
    • Promote it whenever training completes
    • Compare only model file sizes
    • Compare it with the production baseline on agreed metrics and promote only if policy thresholds pass
    • Skip evaluation if the code tests pass
  4. 以下哪一个是常用于编排 ML 管道的工具？
    • Microsoft 字
    • VLC 媒体播放器
    • 解压缩工具
    • Kubeflow 管道
  5. 为什么 ML 管道可能包含数据模式验证步骤？
    • 在损坏训练之前捕获格式错误或漂移的输入数据
    • 让GPU运行温度更低
    • 压缩数据集
    • 随机重命名列
  6. In Flux GitOps, what does reconciliation aim to do?
    • Retrain every model whenever code is committed
    • Make the deployed environment match the declared desired state
    • Automatically change a model’s evaluation labels
    • Replace version-controlled configuration with manual edits
  7. What is a useful model-artifact versioning practice?
    • Ignore training inputs after a model is deployed
    • Replace validation with a deployment timestamp
    • Version model artifacts with source data, code, and evaluation metadata
    • Use a schema check as a guarantee of model quality
  8. What is a typical trigger for continuous training in an ML pipeline?
    • Every inference request must retrain the model
    • A model file being downloaded by a user
    • A CPU core reaching a particular temperature
    • A scheduled run, new approved data, or a monitoring signal such as drift