引導式測驗 · 中等 等級
機器學習系統測驗中隱藏的技術債務
識別在已部署的機器學習系統中產生隱藏維護成本的資料依賴性、糾纏和回饋循環。
問題 1 的 8
哪個下游依賴項是未聲明的消費者?
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。
- 哪個下游依賴項是未聲明的消費者?
- 使用特徵或預測而無需追蹤所有權的下游組件
- 沒有標籤訓練的模型
- 張量中缺失值
- 缺少驅動程式的 GPU
- 模型如何在排名中創建反饋循環?
- 它的損失函數改變了程式語言
- 它的選擇決定了未來的互動將成為訓練數據
- 它的預測消除了所有用戶行為
- 它的特徵變得不可變
- 機器學習系統中的糾纏描述了什麼?
- 訓練資料僅包含一個類別
- 所有模型參數都是獨立的
- 一個組件的變更可能會透過依賴關係產生非局部影響
- 模型儲存在容器中
- 當多個模型共享管道時,為什麼功能架構變更會存在風險?
- 它消除了整合測試的需要
- 它會自動改進每個模型
- 共享功能無法進行版本控制
- 這項改變可能會改變多個消費者的行為
- 模式契約和所有權可以幫助揭示什麼?
- 模型未來的確切準確度
- 跨系統邊界的資料意義與責任的變化
- 保證的因果關係
- 潛在因子的最佳數量
- 為什麼僅模型監控可能會錯過上游資料問題?
- 監控禁用預測日誌
- 模型無法接收數據
- 輸入或管道故障可能會在模型程式碼更改之前導致輸出更改
- 上游系統始終穩定
- 團隊如何在淘汰未使用的模式時降低風險?
- 先去掉它的評估報告
- 刪除工件而不檢查依賴關係
- 永久保留每個模型
- 繪製消費者地圖並使用分階段退休計劃
- 哪些症狀可以顯示技術債不斷累積?
- 改變變得更慢,回滾或迴歸分析變得困難
- 每個模型的參數都較少
- 訓練損失減少
- 儲存庫包含測試