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.
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.