Questions d'entraînement — MLA

Question 1

Un data scientist utilise Databricks AutoML pour entraîner un modèle de classification sur un dataset de 500 000 lignes. Il souhaite que AutoML explore automatiquement plusieurs algorithmes et effectue le tuning des hyperparamètres. Quelle affirmation décrit le MIEUX le comportement de Databricks AutoML dans ce scénario ?

Answer

A. AutoML génère un ensemble de notebooks exécutables contenant le code d'entraînement pour chaque trial, permettant au data scientist de les modifier et de les réexécuter manuellement.

Answer

B. AutoML entraîne un seul modèle optimisé en boîte noire sans fournir de visibilité sur le code ou les hyperparamètres testés.

Answer

C. AutoML nécessite que l'utilisateur spécifie manuellement la liste des algorithmes à tester avant de lancer l'expérience.

Answer

D. AutoML génère uniquement des modèles deep learning et ne prend pas en charge les algorithmes classiques comme scikit-learn ou XGBoost.

Question 2

Après avoir exécuté une expérience AutoML, un ingénieur ML constate que le meilleur modèle a été entraîné avec LightGBM. Il souhaite comprendre comment AutoML a géré les variables catégorielles avec des cardinalités élevées (plus de 200 catégories uniques). Quel est le comportement par défaut d'AutoML dans ce cas ?

Answer

A. AutoML supprime automatiquement toutes les colonnes catégorielles ayant plus de 200 catégories uniques car elles sont considérées comme des identifiants.

Answer

B. AutoML applique un one-hot encoding sur toutes les variables catégorielles, quelle que soit leur cardinalité, ce qui peut augmenter considérablement la dimensionnalité.

Answer

C. AutoML utilise des techniques adaptées selon l'algorithme : pour les modèles tree-based comme LightGBM, il peut exploiter le support natif des catégorielles, et applique des stratégies comme le target encoding ou le hachage pour les cardinalités élevées.

Answer

D. AutoML convertit systématiquement toutes les variables catégorielles en embeddings numériques via un réseau de neurones pré-entraîné intégré à la pipeline.

Question 3

Un data scientist travaille sur un modèle de scoring crédit dans Databricks. Son dataset contient une feature catégorielle 'code_postal' avec plus de 15 000 modalités uniques. Le modèle utilisé est un Logistic Regression. Quelle stratégie d'encodage est la plus adaptée pour traiter cette feature à haute cardinalité ?

Answer

A. Appliquer un One-Hot Encoding via StringIndexer suivi de OneHotEncoder dans un pipeline Spark ML pour créer des colonnes binaires pour chaque modalité

Answer

B. Utiliser un Target Encoding (mean encoding) où chaque code postal est remplacé par la moyenne de la variable cible pour cette modalité, en appliquant un k-fold regularized target encoding pour éviter l'overfitting

Answer

C. Convertir les codes postaux en entiers via un simple cast et les utiliser directement comme feature numérique dans le modèle

Answer

D. Supprimer la feature code_postal car les variables catégorielles à haute cardinalité ne peuvent pas être utilisées efficacement dans les modèles ML

Question 4

Un data engineer prépare un pipeline ML et souhaite intégrer AutoML dans un workflow de production. Il veut récupérer programmatiquement le meilleur modèle généré par AutoML pour le déployer via MLflow Model Registry. Quel objet retourné par l'API AutoML contient les informations nécessaires pour accéder au meilleur modèle ?

Answer

A. L'appel AutoML retourne directement un objet MLflow Model prêt à être déployé, accessible via automl_result.model.

Answer

B. L'appel AutoML retourne un objet AutoMLSummary qui contient best_trial, lequel expose les propriétés mlflow_run_id et model_path permettant de charger le modèle via mlflow.pyfunc.load_model().

Answer

C. L'appel AutoML enregistre automatiquement le meilleur modèle dans le MLflow Model Registry sous le nom 'automl_best_model' et retourne uniquement le nom du modèle enregistré.

Answer

D. L'appel AutoML retourne un dictionnaire Python simple contenant les clés 'model_uri', 'metrics', et 'parameters' du meilleur modèle.

Question 5

Un ingénieur ML configure une expérience AutoML pour un problème de régression et souhaite limiter la durée totale de l'exploration. Il utilise l'API Python databricks.automl.regress(). Quel paramètre permet de contrôler la durée maximale de l'expérience AutoML ?

Answer

A. max_duration_minutes — qui limite la durée totale en minutes pendant laquelle AutoML peut exécuter des trials.

Answer

B. max_epochs — qui limite le nombre d'époques d'entraînement pour chaque modèle individuel.

Answer

C. time_budget_seconds — qui fonctionne exactement comme le paramètre équivalent dans H2O AutoML.

Answer

D. timeout — qui est un paramètre global du cluster Databricks et non spécifique à AutoML.

Examen MLA — MLA — Databricks Certified Machine Learning Associate

À propos de l'examen MLA

Comment se préparer à l'examen MLA ?

5 exemples de questions — MLA

Encore 55 questions dans l'examen complet

📖 Préparez-vous avec nos guides

Commencer l'examen MLA complet