Riesgos del desarrollo de ML · Pregunta 42 de 60

Tras una actualización de PyTorch, el mismo modelo con los mismos datos entrega resultados distintos. ¿Qué riesgo está presente y qué mitigaciones encajan?

2 respuestas son correctas. Difícil Creado con IA

Mostrar solución

Solución

  • B Riesgo: un defecto en una biblioteca utilizada por el framework
  • D Mitigaciones: pruebas de rendimiento funcional del ML y pruebas back-to-back

Explicación

Un defecto en una biblioteca utilizada por el framework, por ejemplo PyTorch, es un riesgo típico del desarrollo de ML. Las pruebas de rendimiento funcional del ML y las pruebas back-to-back ayudan contra él; una prueba back-to-back puede comparar los resultados de la versión antigua y la nueva.

Certificaciones y exámenes

¿Qué examen viene después?

Ya puedes practicar 51 exámenes y 16 están en votación. Mira todas las certificaciones con información oficial, vota o propón tu examen.

Ver todas las certificaciones