DifficileChoix unique

Question d'entraînement PMLE

Une équipe construit un pipeline CI/CD pour le machine learning (ML) à l'aide de Cloud Build. Le pipeline entraîne un modèle et le déploie sur Vertex AI. Récemment, une modification de l'étape de traitement des données a entraîné l'entraînement du modèle avec une version de données différente, ce qui a conduit à un échec de déploiement car le modèle n'était pas valide. Comment l'équipe doit-elle empêcher cela à l'avenir?

Choisissez la meilleure réponse.

Bonne réponse

  • CUtiliser un outil de versioning de données (par exemple, DVC) pour suivre les jeux de données et s'assurer que le pipeline utilise toujours la bonne version

Explication

La cause profonde est une non-correspondance de version des données, et non un problème de code ou d'environnement. Un outil de gestion de version des données tel que DVC (Data Version Control) suit les versions de jeux de données via des pointeurs basés sur le hachage dans Git, garantissant que le pipeline récupère la version exacte du jeu de données utilisée lors de l'entraînement. Cela évite les échecs silencieux lorsque les étapes de traitement des données modifient le schéma ou le contenu des données, ce que l'épinglage de bibliothèques ou les examens manuels ne peuvent garantir.

Pourquoi chaque option est juste ou fausse

A

Fausse

Ajouter une étape de révision manuelle avant l'entraînement

La révision manuelle ajoute une inspection humaine mais n'enregistre pas quelle version de données a entraîné le modèle, de sorte que la non-correspondance persiste. Elle est tentante en tant que contrôle de gouvernance, et serait correcte lorsqu'une approbation réglementaire ou une validation subjective du modèle est requise avant la publication.

B

Fausse

Épingler toutes les versions de bibliothèques dans l'image Docker

L'épinglage des versions de bibliothèques corrige la reproductibilité des paquets Python, et non la version des données consommée par l'étape de traitement. Il est tentant car l'épinglage des dépendances est une hygiène CI/CD standard, et ce serait la bonne correction si les résultats de l'entraînement divergeaient en raison d'un framework ou d'une bibliothèque mis à niveau.

C

Juste

Utiliser un outil de versioning de données (par exemple, DVC) pour suivre les jeux de données et s'assurer que le pipeline utilise toujours la bonne version

DVC épingle chaque jeu de données à une version immuable, de sorte que le pipeline référence une révision de données explicite plutôt que ce que l'étape de traitement a produit en dernier. Cela garantit que l'entraînement et le déploiement utilisent la même version, évitant ainsi l'échec du modèle non valide.

D

Fausse

Planifier une tâche cron pour vérifier les modifications de données

Une tâche cron indique seulement que les données ont changé; elle ne peut pas lier une version spécifique de jeu de données à l'exécution de l'entraînement ni bloquer le déploiement. Elle est tentante en tant que surveillance légère, et conviendrait à l'alerte sur la fraicheur des données en amont lorsqu'aucun lignage ou contrôle au niveau du pipeline n'est requis.

Pour aller plus loin

DVC fonctionne en stockant un hachage du jeu de données (par exemple, MD5 ou SHA256) dans un fichier .dvc validé dans Git, et les données réelles sont stockées dans un cache distant (par exemple, S3, GCS). Lorsque le pipeline s'exécute, il récupère la version exacte du jeu de données référencée par ce hachage, garantissant la reproductibilité même si l'étape de traitement des données change. Dans un scénario réel, si un ingénieur de données modifie un script de prétraitement qui supprime par inadvertance des colonnes, DVC détecterait le changement comme une nouvelle version de jeu de données, et le pipeline échouerait à l'étape de récupération des données plutôt que d'entraîner silencieusement un modèle cassé.

À propos de ces questions d'entraînement

Cette question fait partie des questions d'entraînement PMLE 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.