MediaOpción múltiple

Pregunta de práctica de AI-900

¿Qué es un pipeline de ML en Azure Machine Learning?

Elige la mejor respuesta.

Respuesta correcta

  • BUn flujo de trabajo de pasos conectados para automatizar el proceso de ML de extremo a extremo

Explicación

Un pipeline de ML en Azure Machine Learning es un flujo de trabajo de pasos conectados que automatiza el proceso de aprendizaje automático de extremo a extremo, incluyendo la preparación de datos, el entrenamiento, la evaluación y el despliegue. Esto permite la reproducibilidad, la reutilización y la orquestación de tareas complejas de ML sin intervención manual.

Por qué cada opción es correcta o incorrecta

A

Incorrecta

La infraestructura de red que conecta los nodos de cómputo de Azure ML

Un pipeline de ML es un flujo de trabajo reutilizable de pasos conectados como la preparación de datos, el entrenamiento y el despliegue, no cableado ni redes de cómputo. Es tentador porque los pipelines orquestan el cómputo distribuido, pero la capa de red se aprovisiona por separado mediante la infraestructura de Azure ML.

B

Correcta

Un flujo de trabajo de pasos conectados para automatizar el proceso de ML de extremo a extremo

Un flujo de trabajo de pasos conectados cumple directamente con el requisito del enunciado de definir un pipeline de ML, automatizando el proceso de aprendizaje automático de extremo a extremo, desde la preparación de datos pasando por el entrenamiento hasta el despliegue. Esto lo distingue de una sola ejecución de entrenamiento o de un modelo registrado, que cubren solo una etapa en lugar de toda la secuencia orquestada.

C

Incorrecta

Un servicio de streaming de datos para predicciones de modelos en tiempo real

Un pipeline de ML es un flujo de trabajo programado de pasos reutilizables que orquesta el entrenamiento, la preparación de datos y el despliegue; no transmite datos ni ofrece predicciones en tiempo real. Azure Stream Analytics es tentador porque maneja la ingesta continua de eventos, pero es un servicio de análisis de streaming, no un constructo de orquestación de ML.

D

Incorrecta

Un repositorio de GitHub para almacenar código de modelos de ML

Un pipeline de ML es un flujo de trabajo programado de pasos conectados que automatiza el entrenamiento, la evaluación y el despliegue; no es un repositorio de código. Es tentador porque los pipelines contienen código, y un repositorio de GitHub sería la opción correcta para el control de versiones de ese código, no para orquestar ejecuciones.

Para profundizar

Un pipeline de Azure Machine Learning es un grafo acíclico dirigido (DAG) de pasos; cada paso es un componente que hace referencia a un script, un entorno y un objetivo de cómputo. La definición del pipeline tiene control de versiones y se puede publicar como un endpoint REST, lo que permite ejecuciones repetidas programadas o activadas con diferentes parámetros de entrada. Un comportamiento sutil: los pasos pasan datos a través de entradas y salidas con nombre, y Azure ML almacena en caché los resultados de los pasos según el código, el entorno y las entradas, por lo que los pasos sin cambios se omiten en una nueva ejecución, lo que acelera la iteración, pero puede sorprender a los usuarios que esperan una reejecución completa. En la práctica, esto es importante para MLOps: un pipeline de entrenamiento puede encadenar la preparación de datos, el entrenamiento, la evaluación y el registro, y solo el paso modificado se vuelve a ejecutar después de una edición de código.

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.