引導式測驗 · 中等 等級

Apache Airflow for ML 工作流程測驗

將 Airflow 任務依賴項、重試和回填應用於 ML 工作流程,包括確定任務何時準備好運行的觸發規則。

問題 1 的 8

在 Apache Airflow 中,用來定義工作流程的核心抽像是什麼?

預覽每個問題8 問題

當您參加測驗時,就會出現答案和解釋。

  1. 在 Apache Airflow 中,用來定義工作流程的核心抽像是什麼?
    • YAML 清單
    • SQL 視圖
    • 用 Python 寫的 DAG(有向無環圖)
    • Jupyter 筆記本
  2. Airflow 在機器學習管道中最常扮演什麼角色?
    • 它編排和調度在其他系統上運行的任務
    • 它直接在 GPU 上訓練深度學習模型
    • 它將特徵向量儲存在記憶體中
    • 它透過 HTTP 提供模型預測
  3. 哪個 Airflow 構造用於等待外部條件,例如檔案到達儲存?
    • 一個變數
    • 連接池
    • 一個宏
    • 一個感測器
  4. Airflow「回填」可以讓您做什麼?
    • 永久刪除舊的 DAG 運行
    • 在過去的一系列日期上運行 DAG 以重新處理歷史數據
    • 加密元資料資料庫
    • 暫時停用調度程序
  5. 哪一個 Airflow 元件決定了何時應該排程符合條件的任務執行個體?
    • 調度程式
    • 網頁 UI 中的圖表檢視
    • 模型的特徵編碼器
    • 成品檔案本身
  6. 新版 Airflow 中引入的「資料感知調度」是什麼?
    • 加密任務之間傳遞的所有數據
    • 自動標記訓練數據
    • 減少每個任務的 GPU 數量
    • 當資料集更新時觸發 DAG,而不是在固定時鐘上觸發
  7. Airflow 清理任務必須在上游任務完成後執行,即使其中一個失敗了。哪一個設定可以控制此行為?
    • 模型層數
    • 清理任務的觸發規則 (trigger rule)
    • 特徵標準化方法
    • 為 DAG 選擇的 UI 主題
  8. 團隊在 Airflow 中回填了三個月的 ML 特徵資料。是什麼讓重複執行中斷的任務變得更安全?
    • 每次重試時附加重複的輸出
    • 忽略執行作業的歷史日期
    • 具有正確歷史輸入的冪等運算
    • 在每次重試時更改訓練標籤