Bonne réponse
- BSoumettre des scripts d'entraînement à un calcul géré — types de tâches command, sweep, pipeline et AutoML
Explication
La soumission de tâche d'Azure Machine Learning est le processus d'envoi d'un script d'entraînement à une cible de calcul gérée pour exécution. Les types de tâches pris en charge sont command (exécution d'un script), sweep (réglage des hyperparamètres), pipeline (flux de travail en plusieurs étapes) et AutoML (sélection et entraînement automatisés de modèles). Cela rend l'option B correcte car elle liste précisément ces quatre types de tâches.
Pour aller plus loin
La soumission de tâche Azure Machine Learning envoie un script d'entraînement ou une configuration à un calcul géré, où le service provisionne l'environnement, exécute la charge de travail et enregistre les métriques et les artefacts. Les types de tâches pris en charge incluent les tâches de commande pour un script unique, les tâches de balayage pour le réglage des hyperparamètres, les tâches de pipeline qui enchaînent plusieurs étapes et les tâches AutoML qui automatisent la sélection d'algorithmes et la création de caractéristiques. Une subtilité : les tâches s'exécutent dans des environnements Conda ou Docker isolés définis par la spécification de l'environnement, de sorte que les incompatibilités de dépendances apparaissent lors de la soumission plutôt que sur la machine locale. En pratique, un data scientist soumet une tâche de commande pour un modèle de base, puis une tâche de balayage pour l'ajuster, et enfin une tâche de pipeline pour orchestrer le réentraînement et l'enregistrement.
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.