Data Science & ML

MLOps và Triển khai

MLflow, Docker, FastAPI, Streamlit, Prefect, feature stores, pipeline dữ liệu, giám sát, chỉ số kinh doanh ML, triển khai cloud

24 câu hỏi phỏng vấn·
Senior
1

Vai trò chính của MLflow trong workflow MLOps là gì?

Câu trả lời

MLflow là một nền tảng open-source quản lý toàn bộ vòng đời mô hình ML: theo dõi thí nghiệm (chỉ số, tham số, artifact), đóng gói mô hình, registry tập trung và triển khai. Điều này cho phép tái lập thí nghiệm và quản lý phiên bản mô hình theo cách chuẩn hóa.

2

Lệnh nào được dùng để log một tham số trong MLflow?

Câu trả lời

Hàm mlflow.log_param ghi lại một siêu tham số (learning rate, epochs, batch size) liên kết với một run. Các tham số này hiển thị trong MLflow UI và cho phép so sánh các cấu hình huấn luyện khác nhau.

3

Sự khác biệt giữa mlflow.log_metric và mlflow.log_param là gì?

Câu trả lời

log_param ghi lại các giá trị cố định được xác định trước khi huấn luyện (siêu tham số như learning_rate, epochs), trong khi log_metric ghi lại các giá trị thay đổi trong hoặc sau quá trình huấn luyện (accuracy, loss). Các chỉ số có thể được log nhiều lần với các step khác nhau để tạo đường cong.

4

Lợi thế chính của việc dùng Docker để triển khai mô hình ML là gì?

5

Tại sao dùng Dockerfile multi-stage cho ứng dụng ML?

+21 câu hỏi phỏng vấn

Nắm vững Data Science & ML cho lần phỏng vấn tiếp theo

Truy cập tất cả câu hỏi, flashcards, bài kiểm tra kỹ thuật, bài tập code review và mô phỏng phỏng vấn.

Bắt đầu miễn phí