MediaOpción múltiple

Pregunta de práctica de MLA-C01

Un equipo de aprendizaje automático utiliza SageMaker Pipelines para automatizar el reentrenamiento. Quieren evitar volver a ejecutar los pasos de procesamiento de datos si los datos no han cambiado desde la última ejecución exitosa del pipeline. ¿Qué característica integrada deben habilitar?

Elige la mejor respuesta.

Respuesta correcta

  • APipeline caching

Explicación

El almacenamiento en caché del pipeline es la opción correcta porque SageMaker Pipelines puede almacenar en caché las salidas de cada paso en función de un hash de los parámetros de entrada, la configuración y el código del paso. Si el hash coincide con una ejecución exitosa anterior, se reutiliza la salida almacenada en caché, evitando la ejecución redundante de los pasos de procesamiento de datos cuando los datos subyacentes no han cambiado.

Por qué cada opción es correcta o incorrecta

A

Correcta

Pipeline caching

Pipeline caching omite los pasos cuyas entradas, código y parámetros no han cambiado desde la última ejecución exitosa, reutilizando salidas anteriores. Esto satisface el requisito de evitar volver a ejecutar el procesamiento de datos cuando los datos no han cambiado, reduciendo el costo y el tiempo de ejecución.

B

Incorrecta

Model lineage tracking

Model lineage tracking registra las relaciones entre artefactos, conjuntos de datos y modelos para auditoría y gobernanza; no controla la ejecución de los pasos. Es tentador porque hace referencia a datos anteriores, pero el linaje solo documenta el historial. El almacenamiento en caché, que omite los pasos cuyas entradas no han cambiado, es lo que evita volver a ejecutar el procesamiento.

C

Incorrecta

Parameterized pipeline executions

Las ejecuciones parametrizadas permiten suministrar diferentes valores por ejecución, por lo que cada ejecución aún procesa datos desde cero. Atrae porque los parámetros pueden señalar datos modificados, pero eso requiere lógica personalizada. El almacenamiento en caché omite automáticamente los pasos cuyas entradas y argumentos coinciden con una ejecución exitosa anterior.

D

Incorrecta

Step parallelism

El paralelismo de pasos ejecuta pasos independientes del pipeline de forma concurrente, reduciendo la duración del reloj de pared; no almacena en caché ni omite pasos cuyas entradas no han cambiado. Atrae cuando los pipelines son lentos, pero el almacenamiento en caché, que reutiliza salidas de pasos anteriores cuando las entradas coinciden, es la característica que previene el procesamiento de datos redundante.

Para profundizar

El almacenamiento en caché de SageMaker Pipelines almacena las salidas de un paso completado indexadas mediante un hash de las entradas, el código y la configuración del paso. En una ejecución posterior, si ese hash coincide, el paso se omite y se reutilizan sus artefactos almacenados en caché, lo que ahorra tiempo de cálculo y costos. El almacenamiento en caché se habilita por paso a través de la propiedad CacheConfig con un tiempo de vida en segundos, después del cual la entrada de caché caduca y el paso se vuelve a ejecutar. En un pipeline de reentrenamiento realista, el paso de preprocesamiento lee un conjunto de datos que no ha cambiado, por lo que su acierto de caché evita volver a ejecutar costosos trabajos de Spark, mientras que el paso de entrenamiento aún se ejecuta porque sus hiperparámetros cambiaron. Las ejecuciones parametrizadas y el paralelismo de pasos afectan la orquestación pero no omiten el trabajo sin cambios.

Sobre estas preguntas de práctica

Esta es una de las preguntas de práctica originales de MLA-C01 de Courseiva, escrita para aprender y nunca copiada de exámenes reales ni de dumps.

Traducida del original en inglés con IA y revisada para comprobar el sentido. Los códigos de examen, los comandos y los nombres de productos se mantienen tal como aparecen en el examen.