Modulebeoordeling

1.

Het planningssysteem van een kliniek heeft een onmiddellijke no-show risicoscore nodig op het moment dat het personeel een afspraak boekt. Op welk eindpunttype moet het team het model implementeren?

Batch-eindpunt

Online-eindpunt

Privé-eindpunt

2.

Waarom kan Azure Machine Learning het scorescript en de omgeving automatisch genereren wanneer een data science-team een model registreert met MLflow?

Omdat de MLflow-modelindeling metagegevens opslaat die Azure Machine Learning gebruikt om ze tijdens de implementatie te bouwen

Omdat het registreren van het model het converteert naar een pickle-bestand waarvoor geen aanvullende configuratie vereist is

Omdat Azure Machine Learning alleen ondersteuning biedt voor het implementeren van MLflow-modellen

3.

Een team verschuift 25% eindpuntverkeer naar een nieuwe modelimplementatie. De foutsnelheid neemt sterk toe, terwijl de vorige implementatie in orde blijft. Wat moet het team eerst doen?

De vorige implementatie verwijderen en het eindpunt opnieuw maken

Alle verkeer terugsturen naar de vorige implementatie en vervolgens de nieuwe versie onderzoeken

Doorgaan met het verhogen van het verkeer om te bepalen of de foutsnelheid stabiel is

4.

Een team implementeert en test automatisch een model, maar wil dat een revisor dit goedkeurt voordat het productieverkeer wordt verplaatst. Wat moet het team configureren?

Een beveiligde GitHub productieomgeving met een vereiste revisor

Een vertakkingsbeveiligingsregel die na elke implementatie wordt uitgevoerd

Een opslagplaatsvariabele die registreert of de implementatie is goedgekeurd

5.

Een modelmonitor meldt een signaal van aanhoudende voorspellingsafwijking, en het kliniekpersoneel bevestigt dat de gemarkeerde patiënten in werkelijkheid geen hoog risico lopen. Wat is de meest geschikte volgende stap voor het data science-team?

Negeer het signaal, omdat de operationele metrische gegevens van het eindpunt een normale foutfrequentie tonen

Onderzoek het signaal en overweeg het model opnieuw te trainen op recentere gegevens

Het eindpunt verwijderen zodat het stopt met het leveren van voorspellingen

Feedback