FácilOpción múltiple

Pregunta de práctica de PMLE

Un equipo tiene un modelo de TensorFlow entrenado ejecutándose localmente y quiere implementarlo para predicciones en línea de baja latencia en Google Cloud. ¿Qué servicio deben usar?

Elige la mejor respuesta.

Respuesta correcta

  • AVertex AI Prediction

Explicación

Vertex AI Prediction es la opción correcta porque es un servicio totalmente administrado diseñado específicamente para implementar modelos de ML entrenados para predicción en línea (en tiempo real) con baja latencia. Admite la importación de artefactos SavedModel de TensorFlow y escala automáticamente la infraestructura de servicio, incluido el soporte de GPU/TPU, para manejar el tráfico de solicitudes al tiempo que proporciona características integradas de monitoreo y explicabilidad.

Por qué cada opción es correcta o incorrecta

A

Correcta

Vertex AI Prediction

Vertex AI Prediction proporciona un punto de enlace administrado con servicio en línea de baja latencia, lo que permite que el modelo de TensorFlow entrenado se implemente como un contenedor y se consulte en tiempo real. Satisface la restricción de predicción en línea de baja latencia que el servicio por lotes o local no puede cumplir.

B

Incorrecta

AI Platform Training

AI Platform Training ejecuta trabajos de entrenamiento y ajuste de hiperparámetros; no aloja un punto de enlace de predicción persistente para el servicio de baja latencia. Tienta porque es un componente de Vertex AI que acepta modelos de TensorFlow, pero su propósito es producir artefactos entrenados, no servir solicitudes en línea. La predicción requiere un punto de enlace de modelo implementado.

C

Incorrecta

Cloud Run

Cloud Run sirve aplicaciones HTTP contenerizadas pero no proporciona un registro de modelos, versionado o punto de enlace de predicción; el equipo tendría que construir la infraestructura de servicio por sí mismo. Tienta porque ofrece HTTP de autoescalado de baja latencia. Vertex AI Prediction está diseñado específicamente para implementar modelos entrenados con puntos de enlace de predicción en línea administrados.

D

Incorrecta

Cloud Functions

Cloud Functions ejecuta código de propósito único controlado por eventos con arranques en frío y límites de tiempo de ejecución, inadecuado para la inferencia de modelos sostenida de baja latencia. Tienta porque es sin servidor y fácil de invocar a través de HTTP. Vertex AI Prediction proporciona una implementación de modelos administrada, versionado y puntos de enlace de predicción dedicados en su lugar.

Para profundizar

Vertex AI Prediction aloja modelos entrenados en puntos de enlace administrados que se autoescalan y exponen una interfaz REST o gRPC para inferencia en línea de baja latencia. Un SavedModel de TensorFlow se carga en un recurso Model, se implementa en un Endpoint con un tipo de máquina y un acelerador opcional, y el tráfico se divide entre las versiones del modelo implementado para lanzamientos canary. Un comportamiento sutil: los nodos de predicción incurren en costos mientras están implementados incluso con tráfico cero, y los arranques en frío se evitan porque el modelo permanece residente; la predicción por lotes, por el contrario, es asincrónica y más barata para trabajos grandes fuera de línea. En un escenario realista, un equipo de detección de fraude necesita una puntuación inferior a 100 ms por transacción, por lo que implementan el SavedModel en un Endpoint de Vertex AI con un nodo respaldado por GPU y configuran el autoescalado entre una y diez réplicas, manteniendo la latencia predecible durante los períodos pico de compras.

Sobre estas preguntas de práctica

Esta es una de las preguntas de práctica originales de PMLE 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.