Bonne réponse
- BSuivre les modifications apportées aux données d'entraînement au fil du temps pour permettre la reproductibilité et l'audit
Explication
Le versionnement des jeux de données d'Azure Machine Learning permet aux data scientists de suivre les modifications apportées aux données d'entraînement au fil du temps en créant des instantanés immuables des ensembles de données. Cela garantit la reproductibilité des expériences et fournit une piste d'audit, ce qui est essentiel pour la conformité et le débogage des régressions de performance des modèles.
Pour aller plus loin
Le versionnement des jeux de données Azure Machine Learning crée des instantanés immuables des références de données, capturant les chemins de fichiers exacts, le schéma et les métadonnées au moment de l'enregistrement. Chaque version est identifiée par un entier à incrémentation monotone, et les données sous-jacentes ne sont pas dupliquées ; seuls le pointeur et le profil sont stockés. Un comportement subtil : si les données source changent en place, une nouvelle version doit être enregistrée pour refléter ces changements ; sinon, la reproductibilité est rompue car l'ancienne version pointe toujours vers les fichiers modifiés. Cela compte dans un scénario où un modèle est audité des mois plus tard : sans versionnement, les données d'entraînement peuvent avoir été écrasées, rendant impossible la reproduction du modèle ou l'explication de ses prédictions aux régulateurs.
À propos de ces questions d'entraînement
Cette question fait partie des questions d'entraînement AI-900 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.