Font size
WorksheetsВъведение в MLEP
Total questions: 10
Worksheet time: 6mins
Статичните набори от данни се използват за производствено ML моделиране.
Вярно
Невярно
При производствения ML приоритетът при проектирането е бързото обучение.
Да
Не
Разработчиците се придържат към модерна разработка на софтуер, за да произвеждат софтуер с ниска поддръжка и да се справят с развитието на проекта. Изберете всички ключови аспекти на съвременната разработка на софтуер (Отметнете всички приложими):
Най-добри практики
Бързо обучение
Тестируемост
Мониторинг
Изпълнението на модела трябва да се следи непрекъснато, а нови данни да се поглъщат и преобучават.
Да
Не
Работните потоци на конвейера за ML почти винаги са DAG.
Вярно
Невярно
TensorFlow Extended (TFX) е платформа от край до край за внедряване на производствени ML конвейери.
Да
Не
Предизвикателствата за машинно обучение от производствен клас се решават чрез прилагане на важна концепция:
Конвейери за машинно обучение - правилен
Насочени ациклични графики (DAG)
Оркестранти
Tensorflow Extended (TFX)
Кои две ключови дисциплини съчетава производственото машинно обучение?
Избор на функции и инженеринг
Тестване на софтуер
Разработване на машинно обучение
Съвременна разработка на софтуер
TensorFlow Lite е рамка за дълбоко обучение за внедряване на TFX тръбопроводи в:
Мобилни устройства
Уеб браузър
Сървъри
Какви са уникалните предизвикателства, които трябва да се преодолеят в производствена система за ML? (Отметнете всички приложими)
Разгръщане на модела за обслужване на заявки.
Работи непрекъснато по време на производство.
Оптимизиране на изчислителни ресурси и разходи.
Работа с непрекъснато променящи се данни.
Изграждане на интегрирани ML системи.
