Evaluación de módulos

1.

El sistema de gestión de citas de una clínica necesita una puntuación inmediata del riesgo de no asistencia en el momento en que el personal reserva una cita. ¿En qué tipo de punto de conexión debe implementar el equipo el modelo?

Punto de conexión por lotes

Punto de conexión en línea

Punto de conexión privado

2.

¿Por qué Azure Machine Learning puede generar automáticamente el script de puntuación y el entorno cuando un equipo de ciencia de datos registra un modelo con MLflow?

Dado que el formato del modelo de MLflow almacena los metadatos que Azure Machine Learning usa para compilarlos durante la implementación

Dado que el registro del modelo lo convierte en un archivo pickle que no requiere ninguna configuración adicional

Dado que Azure Machine Learning solo admite la implementación de modelos de MLflow

3.

Un equipo redirige el 25 % del tráfico del punto de conexión hacia una nueva implementación del modelo. Su tasa de errores aumenta considerablemente, mientras que la implementación anterior sigue siendo correcta. ¿Qué debe hacer el equipo primero?

Elimine la implementación anterior y vuelva a crear el punto de conexión.

Redirige todo el tráfico al despliegue anterior y, a continuación, investiga la nueva versión

Continuar aumentando el tráfico para determinar si la tasa de errores se estabiliza

4.

Un equipo implementa y prueba automáticamente un modelo, pero quiere que un revisor lo apruebe antes de que el flujo de trabajo cambie el tráfico de producción. ¿Qué debe configurar el equipo?

Un entorno de producción de GitHub protegido con un revisor necesario

Una regla de protección de rama que se ejecuta después de cada implementación

Variable de repositorio que registra si se aprobó la implementación

5.

Un monitor del modelo detecta una señal sostenida de deriva en las predicciones, y el personal de la clínica confirma que los pacientes señalados no son realmente de alto riesgo. ¿Cuál es el paso siguiente más adecuado para el equipo de ciencia de datos?

Omitir la señal, ya que las métricas operativas del punto de conexión muestran una tasa de errores normal

Investigue la señal y considere la posibilidad de volver a entrenar el modelo en datos más recientes.

Elimine el punto de conexión para que deje de servir predicciones.

Comentarios