이 브라우저는 더 이상 지원되지 않습니다.
최신 기능, 보안 업데이트, 기술 지원을 이용하려면 Microsoft Edge로 업그레이드하세요.
각 질문에 대해 가장 적절한 답을 선택하세요.
클리닉의 일정 시스템은 직원이 약속을 예약하는 순간 즉각적인 노쇼 위험 점수가 필요합니다. 팀에서 모델을 배포해야 하는 엔드포인트 유형은 무엇입니까?
일괄 처리 엔드포인트
온라인 엔드포인트
프라이빗 엔드포인트
데이터 과학 팀이 MLflow를 사용하여 모델을 기록할 때 Azure Machine Learning 점수 매기기 스크립트 및 환경을 자동으로 생성할 수 있는 이유는 무엇인가요?
MLflow 모델 형식은 Azure Machine Learning 배포 중에 빌드하는 데 사용하는 메타데이터를 저장하기 때문입니다.
모델을 등록하면 추가 구성이 필요하지 않은 피클 파일로 변환되기 때문입니다.
Azure Machine Learning MLflow 모델 배포만 지원하므로
한 팀이 엔드포인트 트래픽의 25%를 새 모델 배포로 전환합니다. 오류율은 급격히 증가하지만 이전 배포는 정상 상태로 유지됩니다. 팀이 먼저 해야 할 일은 무엇인가요?
이전 배포를 삭제하고 엔드포인트를 다시 만듭니다.
모든 트래픽을 이전 배포로 다시 라우팅한 다음 새 버전을 조사합니다.
트래픽을 계속 늘려 오류율이 안정화되는지 여부를 확인합니다.
팀은 모델을 자동으로 배포하고 테스트하지만 워크플로가 프로덕션 트래픽을 이동하기 전에 검토자가 해당 모델을 승인하려고 합니다. 팀은 무엇을 구성해야 하나요?
필요한 검토자가 있는 보호된 GitHub 프로덕션 환경
모든 배포 후에 실행되는 분기 보호 규칙
배포가 승인되었는지 여부를 기록하는 리포지토리 변수
모델 모니터는 지속적인 예측 드리프트 신호를 보고하고, 클리닉 직원은 플래그가 지정된 환자가 실제로 고위험이 아니라는 것을 확인합니다. 데이터 과학 팀에 가장 적합한 다음 단계는 무엇인가요?
엔드포인트의 작동 메트릭에 정상적인 오류 비율이 표시되므로 신호를 무시합니다.
신호를 조사하고 최신 데이터에 대한 모델 재학습 고려
엔드포인트를 삭제하여 예측 제공을 중지합니다.
작업을 확인하기 전에 모든 질문에 대답해야 합니다.
이 페이지가 도움이 되었나요?
이 항목에 대한 도움이 필요하세요?
Ask Learn을 사용하여 이 주제를 명확히 설명하거나 안내하고 싶으신가요?