MédiaMúltipla escolha

Questão de prática de AI-900

Qual é o propósito do versionamento de conjuntos de dados no Azure Machine Learning?

Escolha a melhor resposta.

Resposta correta

  • BRastrear alterações nos dados de treinamento ao longo do tempo para permitir reprodutibilidade e auditoria

Explicação

O versionamento de conjuntos de dados do Azure Machine Learning permite que os cientistas de dados rastreiem alterações nos dados de treinamento ao longo do tempo, criando snapshots imutáveis de conjuntos de dados. Isso garante a reprodutibilidade dos experimentos e fornece uma trilha de auditoria, o que é fundamental para a conformidade e a depuração de regressões de desempenho do modelo.

Por que cada alternativa está certa ou errada

A

Incorreta

Criptografar conjuntos de dados com diferentes chaves de segurança para cada versão

O versionamento de conjuntos de dados registra snapshots imutáveis de definições de dados para reprodutibilidade e auditoria, e não chaves de criptografia por versão. A rotação da chave de criptografia é tratada pelo Azure Key Vault ou criptografia de armazenamento; é tentador porque as versões implicam configurações distintas, mas as chaves de segurança não são o mecanismo de versionamento.

B

Correta

Rastrear alterações nos dados de treinamento ao longo do tempo para permitir reprodutibilidade e auditoria

O versionamento de conjuntos de dados no Azure Machine Learning cria snapshots de cada alteração de dados, permitindo que você reproduza uma execução de treinamento com os dados exatos usados e audite a linhagem. Isso satisfaz a restrição de reprodutibilidade e auditoria em vez de apenas armazenar arquivos.

C

Incorreta

Criar múltiplas cópias de dados de treinamento em diferentes regiões de armazenamento

O versionamento de conjuntos de dados rastreia a linhagem e a reprodutibilidade de uma definição de conjunto de dados, e não a replicação geográfica. Copiar dados entre regiões é redundância de dados ou geo-replicação; é tentador porque as versões parecem cópias, mas o eixo são snapshots imutáveis para rastreabilidade, não o posicionamento de armazenamento.

D

Incorreta

Limitar quais membros da equipe podem acessar diferentes versões de dados de treinamento

O versionamento rastreia snapshots de conjuntos de dados para reprodutibilidade e linhagem, e não permissões; o controle de acesso é tratado por funções de espaço de trabalho e Azure RBAC. É tentador porque as versões parecem artefatos separados para bloquear, e o versionamento seria a resposta correta quando o requisito é reproduzir os dados de uma execução de treinamento específica.

Para se aprofundar

O versionamento de conjuntos de dados do Azure Machine Learning cria snapshots imutáveis de referências de dados, capturando os caminhos de arquivo exatos, o esquema e os metadados no momento do registro. Cada versão é identificada por um inteiro de incremento monotônico, e os dados subjacentes não são duplicados; apenas o ponteiro e o perfil são armazenados. Um comportamento sutil: se os dados de origem mudarem no local, uma nova versão deve ser registrada para refletir essas alterações; caso contrário, a reprodutibilidade é quebrada porque a versão antiga ainda aponta para os arquivos modificados. Isso importa em um cenário onde um modelo é auditado meses depois: sem o versionamento, os dados de treinamento podem ter sido substituídos, tornando impossível reproduzir o modelo ou explicar suas previsões aos reguladores.

Sobre estas questões de prática

Esta é uma das questões de prática originais de AI-900 da Courseiva, escrita para o aprendizado e nunca copiada de provas reais nem de dumps.

Traduzida do original em inglês com IA e conferida quanto ao sentido. Códigos de exame, comandos e nomes de produtos são mantidos como aparecem na prova.