引導式測驗 · 中等 等級

預測記錄和推理資料擷取測驗

設計有用的推理記錄,同時管理隱私、代表性、模型版本連結和延遲結果連接。

問題 1 的 8

Which identifier helps link a later outcome to the exact prediction that produced it?

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. Which identifier helps link a later outcome to the exact prediction that produced it?
    • 穩定的請求或偽匿名實體金鑰與模型版本
    • 目前模型的顯示名稱
    • 隨機儀表板顏色
    • 使用者的明文密碼
  2. 為什麼要同時記錄事件時間與攝取時間?
    • 自動提升模型準確度
    • 診斷延遲、重新排序或延遲的記錄
    • 消除隱私風險
    • 替換結果標籤
  3. 資料最小化對敏感請求負載建議什麼?
    • 將機密資料複製到度量標籤
    • 永久儲存每個原始輸入
    • 僅收集定義目的所需的欄位
    • 停用存取控制以便更易分析
  4. 為什麼在預測日誌中記錄取樣率?
    • 證明標籤無偏差
    • 確保每個取樣項目為正面
    • 使時間戳不必要
    • 了解記錄的案例是否代表整個請求族群
  5. 哪種訊號類型最適合隨時間聚合請求延遲?
    • 原始模型提示文字
    • Metrics
    • 模型工件二進位檔
    • 靜態部署清單
  6. 追蹤 ID 幫助連結什麼?
    • 每位使用者到公開身份
    • 模型的訓練標籤與其權重
    • 單一請求在各服務之間的運算
    • 容器摘要與其基礎映像檔
  7. 為什麼對識別碼進行雜湊處理可能無法提供匿名性?
    • 它會改變預測分數
    • 雜湊值會揭露模型準確度
    • 雜湊值無法被儲存
    • 它可能仍可被連結,或透過輔助資訊被重新識別
  8. 預測記錄不會自動產生什麼?
    • 有效且具有代表性的真實標籤
    • 所捕捉欄位的記錄
    • 指向模型版本的連結
    • 操作事件歷史