Respuesta correcta
- BEnviar scripts de entrenamiento a cómputo administrado: tipos de trabajos command, sweep, pipeline y AutoML
Explicación
El envío de trabajos de Azure Machine Learning es el proceso de enviar un script de entrenamiento a un destino de cómputo administrado para su ejecución. Los tipos de trabajos compatibles son command (ejecución de un script), sweep (ajuste de hiperparámetros), pipeline (flujos de trabajo de varios pasos) y AutoML (selección y entrenamiento automatizado de modelos). Esto hace que la opción B sea correcta porque enumera con precisión estos cuatro tipos de trabajos.
Para profundizar
El envío de trabajos de Azure Machine Learning envía un script de entrenamiento o configuración a un cómputo administrado, donde el servicio aprovisiona el entorno, ejecuta la carga de trabajo y registra métricas y artefactos. Los tipos de trabajos compatibles incluyen trabajos de comando para un solo script, trabajos de barrido para el ajuste de hiperparámetros, trabajos de canalización que encadenan múltiples pasos y trabajos de AutoML que automatizan la selección de algoritmos y la ingeniería de características. Un detalle sutil: los trabajos se ejecutan en entornos aislados de Conda o Docker definidos por la especificación del entorno, por lo que los desajustes de dependencias surgen en el envío en lugar de en la máquina local. En la práctica, un científico de datos envía un trabajo de comando para un modelo base, luego un trabajo de barrido para ajustarlo y, finalmente, un trabajo de canalización para orquestar el reentrenamiento y el registro.
Sobre estas preguntas de práctica
Esta es una de las preguntas de práctica originales de AI-900 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.