MLOps та розгортання
MLflow, Docker, FastAPI, Streamlit, Prefect, feature stores, конвеєри даних, моніторинг, бізнес-метрики ML, розгортання у хмарі
1Яка основна роль MLflow у MLOps-робочому процесі?
Яка основна роль MLflow у MLOps-робочому процесі?
Відповідь
MLflow — це open-source платформа, яка керує повним життєвим циклом ML-моделей: відстеження експериментів (метрики, параметри, артефакти), пакування моделей, централізований registry та розгортання. Це забезпечує відтворюваність експериментів і стандартизоване версіонування моделей.
2Яка команда використовується для логування параметра в MLflow?
Яка команда використовується для логування параметра в MLflow?
Відповідь
Функція mlflow.log_param записує гіперпараметр (learning rate, epochs, batch size), пов'язаний з певним run. Ці параметри відображаються в MLflow UI і дозволяють порівнювати різні конфігурації навчання.
3У чому різниця між mlflow.log_metric і mlflow.log_param?
У чому різниця між mlflow.log_metric і mlflow.log_param?
Відповідь
log_param записує фіксовані значення, визначені перед навчанням (гіперпараметри як learning_rate, epochs), тоді як log_metric записує значення, що змінюються під час або після навчання (accuracy, loss). Метрики можна логувати декілька разів із різними step для побудови кривих.
У чому головна перевага використання Docker для розгортання ML-моделі?
Чому варто використовувати multi-stage Dockerfile для ML-застосунку?
+21 питань зі співбесід
Інші теми співбесід Data Science & ML
Основи Python
Об'єктно-орієнтоване програмування Python
Структури даних Python
Основи Git
Основи SQL
Основи NumPy
Основи Pandas
Jupyter & Google Colab
SQL Joins та розширені запити
Просунутий Pandas
Візуалізація з Matplotlib & Seaborn
Інтерактивні візуалізації з Plotly
Описова статистика
Інференційна статистика
Web Scraping
BigQuery & Cloud Data
Feature Engineering
Кероване ML: Регресія
Кероване ML: Класифікація
Дерева рішень та ансамблі
Некероване ML
ML Pipelines та валідація
Часові ряди та прогнозування
Основи Deep Learning
TensorFlow & Keras
CNN та класифікація зображень
RNN та послідовності
Transformers та Attention
NLP та Hugging Face
GenAI та LangChain
Опануй Data Science & ML для наступної співбесіди
Отримай доступ до всіх питань, flashcards, технічних тестів, вправ code review та симуляторів співбесід.
Почни безкоштовно