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。
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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