WorksheetsMLQ-Bootcamp
Total questions: 8
Worksheet time: 6mins
Los artefactos en FDA pueden ser...
Modelos, notebooks, datasets
Resultados de un modelo
Recolección y monitoreo de datos
Inputs y outputs
Una task en FDA es...
La creación de una task image
Procesos que crean artefactos y/o los usan como entrada
Un ejecutable
La manera de ejecutar recurrentemente un recurso
Las etapas del proceso de Machine Learning son...
Preparación de datos, Construcción del modelo, Despliegue y monitoreo
Preparación del modelo, Construcción de datasets, Despliegue y Post-despliegue del modelo
Preparación de datos, Construcción de datasests, Despliegue y Post-despliegue del modelo
Preparación de datos, Construcción del modelo, Despliegue y Post-despliegue del modelo
Son riesgos originados a partir del ciclo de vida de desarrollo de sistemas de ML ...
Pérdida de datos
Datasets con sesgos
Pérdida del poder predictivo del modelo
Altos tiempos de respuesta
No poder auditar ni reprodicir errores encontrados
¿En qué ámbitos podemos hablar de calidad respecto a modelos de ML?
Equipo
Negocio
Equipo de tecnología
Tecnología
Producto
El decorador que usamos en la función para validar artefactos es...
(a)
En esta etapa del proceso se busca guardar la información relevante del modelo (inputs y/o predicciones)
Recolección
Monitoreo
¿Qué feature de MLQ quisieras conocer más?
Artifact Validation
Monitoreo de Modelos
Quality Score
