MédiaMúltipla escolha

Questão de prática de AI-900

O que é um pipeline de ML no Azure Machine Learning?

Escolha a melhor resposta.

Resposta correta

  • BUm fluxo de trabalho de etapas conectadas para automatizar o processo de ML de ponta a ponta

Explicação

Um pipeline de ML no Azure Machine Learning é um fluxo de trabalho de etapas conectadas que automatiza o processo de aprendizado de máquina de ponta a ponta, incluindo preparação de dados, treinamento, avaliação e implantação. Isso permite reprodutibilidade, reutilização e orquestração de tarefas complexas de ML sem intervenção manual.

Por que cada alternativa está certa ou errada

A

Incorreta

A infraestrutura de rede que conecta os nós de computação do Azure ML

Um pipeline de ML é um fluxo de trabalho reutilizável de etapas conectadas, como preparação de dados, treinamento e implantação, e não cabeamento ou rede de computação. É tentador porque os pipelines orquestram a computação distribuída, mas a camada de rede é provisionada separadamente pela infraestrutura do Azure ML.

B

Correta

Um fluxo de trabalho de etapas conectadas para automatizar o processo de ML de ponta a ponta

Um fluxo de trabalho de etapas conectadas atende diretamente ao requisito do enunciado de definir um pipeline de ML, automatizando o processo de aprendizado de máquina de ponta a ponta, desde a preparação de dados passando pelo treinamento até a implantação. Isso o distingue de uma única execução de treinamento ou de um modelo registrado, que cobrem apenas um estágio em vez de toda a sequência orquestrada.

C

Incorreta

Um serviço de streaming de dados para previsões de modelos em tempo real

Um pipeline de ML é um fluxo de trabalho agendado de etapas reutilizáveis que orquestra treinamento, preparação de dados e implantação; ele não transmite dados nem fornece previsões em tempo real. O Azure Stream Analytics é tentador porque lida com ingestão contínua de eventos, mas é um serviço de análise de streaming, e não um constructo de orquestração de ML.

D

Incorreta

Um repositório do GitHub para armazenar código de modelo de ML

Um pipeline de ML é um fluxo de trabalho agendado de etapas conectadas que automatiza treinamento, avaliação e implantação; não é um repositório de código. É tentador porque os pipelines contêm código, e um repositório do GitHub seria a escolha certa para o controle de versão desse código, não para orquestrar execuções.

Para se aprofundar

Um pipeline do Azure Machine Learning é um grafo acíclico dirigido (DAG) de etapas, sendo cada etapa um componente que faz referência a um script, ambiente e destino de computação. A definição do pipeline é versionada e pode ser publicada como um endpoint REST, permitindo reexecuções agendadas ou disparadas com diferentes parâmetros de entrada. Um comportamento sutil: as etapas passam dados por meio de entradas e saídas nomeadas, e o Azure ML armazena em cache os resultados das etapas com base no código, no ambiente e nas entradas, portanto, as etapas inalteradas são ignoradas na reexecução, o que acelera a iteração, mas pode surpreender os usuários que esperam uma reexecução completa. Na prática, isso importa para MLOps: um pipeline de treinamento pode encadenar preparação de dados, treinamento, avaliação e registro, e apenas a etapa modificada é reexecutada após uma edição de código.

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.