Risques du développement ML · Question 42 sur 60

Après une mise à jour de PyTorch, le même modèle avec les mêmes données fournit des résultats différents. Quel risque est présent, et quelles mesures d'atténuation conviennent ?

2 réponses sont correctes. Difficile Créé avec l’IA

Afficher la solution

Solution

  • B Risque : un défaut dans une bibliothèque utilisée par le framework
  • D Mesures d'atténuation : test de performance fonctionnelle du ML et test back-to-back

Explication

Un défaut dans une bibliothèque utilisée par le framework, par exemple PyTorch, est un risque typique du développement ML. Le test de performance fonctionnelle du ML et le test back-to-back aident à y remédier ; un test back-to-back peut comparer les résultats de l'ancienne et de la nouvelle version.

Certifications & examens

Quel examen pour la suite ?

Tu peux déjà t’entraîner pour 51 examens, 16 sont soumis au vote. Découvre toutes les certifications avec les infos officielles, vote ou propose ton examen.

Voir toutes les certifications