# MLOps và Triển khai (Data Science & ML) > 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 - [Câu hỏi phỏng vấn: Data Science & ML](https://sharpskill.dev/vi/technologies/data-science/cau-hoi-phong-van.md) ## 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. ## Còn 21 câu hỏi nữa - Lợi thế chính của việc dùng Docker để triển khai mô hình ML là gì? - Tại sao dùng Dockerfile multi-stage cho ứng dụng ML? Đăng ký miễn phí: https://sharpskill.dev/vi/login ## Các chủ đề phỏng vấn Data Science & ML khác - [Cơ bản về Python](https://sharpskill.dev/vi/technologies/data-science/cau-hoi-phong-van/python-basics.md): 25 câu hỏi, Junior - [Lập trình Hướng đối tượng Python](https://sharpskill.dev/vi/technologies/data-science/cau-hoi-phong-van/python-oop.md): 20 câu hỏi, Junior - [Cấu trúc dữ liệu Python](https://sharpskill.dev/vi/technologies/data-science/cau-hoi-phong-van/python-data-structures.md): 20 câu hỏi, Junior - [Kiến Thức Cơ Bản về Git](https://sharpskill.dev/vi/technologies/data-science/cau-hoi-phong-van/git-fundamentals.md): 18 câu hỏi, Junior - [Cơ bản về SQL](https://sharpskill.dev/vi/technologies/data-science/cau-hoi-phong-van/sql-basics.md): 20 câu hỏi, Junior - [Kiến thức cơ bản về NumPy](https://sharpskill.dev/vi/technologies/data-science/cau-hoi-phong-van/numpy-fundamentals.md): 22 câu hỏi, Junior - [Cơ bản về Pandas](https://sharpskill.dev/vi/technologies/data-science/cau-hoi-phong-van/pandas-basics.md): 22 câu hỏi, Junior - [Jupyter & Google Colab](https://sharpskill.dev/vi/technologies/data-science/cau-hoi-phong-van/jupyter-colab.md): 16 câu hỏi, Junior - [SQL Joins & Truy vấn nâng cao](https://sharpskill.dev/vi/technologies/data-science/cau-hoi-phong-van/sql-joins-advanced.md): 22 câu hỏi, Mid-Level - [Pandas nâng cao](https://sharpskill.dev/vi/technologies/data-science/cau-hoi-phong-van/pandas-advanced.md): 24 câu hỏi, Mid-Level - [Trực quan hóa với Matplotlib & Seaborn](https://sharpskill.dev/vi/technologies/data-science/cau-hoi-phong-van/matplotlib-seaborn.md): 20 câu hỏi, Mid-Level - [Trực quan hóa tương tác với Plotly](https://sharpskill.dev/vi/technologies/data-science/cau-hoi-phong-van/plotly-interactive.md): 18 câu hỏi, Mid-Level - [Thống kê mô tả](https://sharpskill.dev/vi/technologies/data-science/cau-hoi-phong-van/statistics-descriptive.md): 20 câu hỏi, Mid-Level - [Thống kê suy luận](https://sharpskill.dev/vi/technologies/data-science/cau-hoi-phong-van/statistics-inferential.md): 24 câu hỏi, Mid-Level - [Web Scraping](https://sharpskill.dev/vi/technologies/data-science/cau-hoi-phong-van/web-scraping.md): 18 câu hỏi, Mid-Level - [BigQuery & Cloud Data](https://sharpskill.dev/vi/technologies/data-science/cau-hoi-phong-van/bigquery-cloud.md): 18 câu hỏi, Mid-Level - [Feature Engineering](https://sharpskill.dev/vi/technologies/data-science/cau-hoi-phong-van/feature-engineering.md): 22 câu hỏi, Mid-Level - [ML Có Giám Sát: Hồi Quy](https://sharpskill.dev/vi/technologies/data-science/cau-hoi-phong-van/ml-supervised-regression.md): 24 câu hỏi, Mid-Level - [ML Có Giám Sát: Phân Loại](https://sharpskill.dev/vi/technologies/data-science/cau-hoi-phong-van/ml-supervised-classification.md): 24 câu hỏi, Mid-Level - [Cây Quyết định & Ensemble](https://sharpskill.dev/vi/technologies/data-science/cau-hoi-phong-van/ml-trees-ensembles.md): 24 câu hỏi, Mid-Level - [ML Không Giám Sát](https://sharpskill.dev/vi/technologies/data-science/cau-hoi-phong-van/ml-unsupervised.md): 22 câu hỏi, Mid-Level - [Pipeline ML & Xác thực](https://sharpskill.dev/vi/technologies/data-science/cau-hoi-phong-van/ml-pipelines-validation.md): 22 câu hỏi, Mid-Level - [Chuỗi thời gian & Dự báo](https://sharpskill.dev/vi/technologies/data-science/cau-hoi-phong-van/time-series-forecasting.md): 22 câu hỏi, Mid-Level - [Cơ Bản Về Deep Learning](https://sharpskill.dev/vi/technologies/data-science/cau-hoi-phong-van/deep-learning-fundamentals.md): 24 câu hỏi, Senior - [TensorFlow & Keras](https://sharpskill.dev/vi/technologies/data-science/cau-hoi-phong-van/tensorflow-keras.md): 22 câu hỏi, Senior - [CNN và phân loại hình ảnh](https://sharpskill.dev/vi/technologies/data-science/cau-hoi-phong-van/cnn-image-classification.md): 24 câu hỏi, Senior - [RNN & Chuỗi](https://sharpskill.dev/vi/technologies/data-science/cau-hoi-phong-van/rnn-sequences.md): 22 câu hỏi, Senior - [Transformers & Attention](https://sharpskill.dev/vi/technologies/data-science/cau-hoi-phong-van/transformers-attention.md): 24 câu hỏi, Senior - [NLP & Hugging Face](https://sharpskill.dev/vi/technologies/data-science/cau-hoi-phong-van/nlp-huggingface.md): 24 câu hỏi, Senior - [GenAI & LangChain](https://sharpskill.dev/vi/technologies/data-science/cau-hoi-phong-van/genai-langchain.md): 24 câu hỏi, Senior --- Source: SharpSkill (https://sharpskill.dev), tech interview preparation for your real stack. HTML version of this page: https://sharpskill.dev/vi/technologies/data-science/cau-hoi-phong-van/mlops-deployment