MoyenneChoix unique

Question d'entraînement MLA-C01

Une équipe de Machine Learning utilise SageMaker Pipelines pour automatiser le réentraînement. Elle souhaite éviter de réexécuter les étapes de traitement des données si ces dernières n'ont pas changé depuis la dernière exécution réussie du pipeline. Quelle fonctionnalité intégrée doit-elle activer ?

Choisissez la meilleure réponse.

Bonne réponse

  • APipeline caching

Explication

Pipeline caching est le bon choix car SageMaker Pipelines peut mettre en cache les sorties de chaque étape sur la base d'un hachage des paramètres d'entrée, de la configuration et du code de l'étape. Si le hachage correspond à une exécution réussie précédente, la sortie mise en cache est réutilisée, évitant ainsi l'exécution redondante des étapes de traitement des données lorsque les données sous-jacentes n'ont pas changé.

Pourquoi chaque option est juste ou fausse

A

Juste

Pipeline caching

Pipeline caching ignore les étapes dont les entrées, le code et les paramètres sont inchangés depuis la dernière exécution réussie, en réutilisant les sorties antérieures. Cela satisfait l'exigence d'éviter de réexécuter le traitement des données lorsque les données n'ont pas changé, réduisant ainsi les coûts et le temps d'exécution.

B

Fausse

Model lineage tracking

Model lineage tracking enregistre les relations entre les artefacts, les ensembles de données et les modèles à des fins d'audit et de gouvernance ; il ne contrôle pas l'exécution des étapes. C'est tentant car il fait référence à des données antérieures, mais la traçabilité ne fait que documenter l'historique. La mise en cache, qui ignore les étapes dont les entrées sont inchangées, est ce qui évite de réexécuter le traitement.

C

Fausse

Parameterized pipeline executions

Les exécutions paramétrées permettent de fournir différentes valeurs par exécution, de sorte que chaque exécution traite toujours les données à nouveau. C'est attrayant car les paramètres peuvent signaler des données modifiées, mais cela nécessite une logique personnalisée. La mise en cache ignore automatiquement les étapes dont les entrées et les arguments correspondent à une exécution réussie précédente.

D

Fausse

Step parallelism

Le parallélisme des étapes exécute des étapes de pipeline indépendantes de manière concurrente, ce qui réduit la durée totale ; il ne met pas en cache et n'ignore pas les étapes dont les entrées sont inchangées. C'est attrayant lorsque les pipelines sont lents, mais la mise en cache, qui réutilise les sorties d'étapes antérieures lorsque les entrées correspondent, est la fonctionnalité qui empêche le traitement redondant des données.

Pour aller plus loin

La mise en cache de SageMaker Pipelines stocke les sorties d'une étape achevée indexées par un hachage des entrées, du code et de la configuration de l'étape. Lors d'une exécution ultérieure, si ce hachage correspond, l'étape est ignorée et ses artefacts mis en cache sont réutilisés, ce qui économise du temps de calcul et des coûts. La mise en cache est activée par étape via la propriété CacheConfig avec une durée de vie en secondes, après quoi l'entrée du cache expire et l'étape s'exécute à nouveau. Dans un pipeline de réentraînement réaliste, l'étape de prétraitement lit un ensemble de données qui n'a pas changé, de sorte que son succès de cache évite de réexécuter des tâches Spark coûteuses, tandis que l'étape d'entraînement s'exécute toujours car ses hyperparamètres ont changé. Les exécutions paramétrées et le parallélisme des étapes affectent l'orchestration mais n'ignorent pas le travail inchangé.

À propos de ces questions d'entraînement

Cette question fait partie des questions d'entraînement MLA-C01 originales de Courseiva, rédigées pour apprendre et jamais copiées d'examens réels ou de dumps.

Traduite de l'original anglais avec l'IA et vérifiée pour le sens. Les codes d'examen, les commandes et les noms de produits sont conservés tels qu'ils apparaissent à l'examen.