Quiz du Module 4 : Pipelines de Données

Testez votre compréhension des pipelines de données avec ces 30 questions.

---

Question 1

À quoi sert principalement Apache Airflow ?

1. Entraîner des modèles ML
2. Orchestrer et planifier des pipelines de données
3. Servir des modèles en production
4. Contrôle de version pour les données

---

Question 2

Qu'est-ce qu'un magasin de caractéristiques ?

1. Un magasin de détail pour les caractéristiques ML
2. Un référentiel centralisé pour stocker et servir les caractéristiques ML
3. Une base de données pour les poids de modèles
4. Un algorithme de sélection de caractéristiques

---

Question 3

À quoi sert Great Expectations ?

1. Entraînement de modèles
2. Sélection de caractéristiques
3. Validation des données et tests de qualité
4. Automatisation du déploiement

---

Question 4

Quelle est la différence entre le traitement par lots et le traitement en flux ?

1. Le traitement par lots est plus rapide que le flux
2. Le traitement par lots traite les données en groupes ; le flux traite les données en temps réel
3. Le flux est uniquement pour les données vidéo
4. Il n'y a pas de différence

---

Question 5

Qu'est-ce que Feast ?

1. Une célébration après le déploiement d'un modèle
2. Un magasin de caractéristiques open-source
3. Un outil d'ingestion de données
4. Une plateforme de surveillance

---

Question 6

Qu'est-ce qu'un DAG dans Apache Airflow ?

1. Graphique d'Analyse de Données
2. Graphe Acyclique Dirigé représentant les dépendances de flux de travail
3. Passerelle d'Agrégation de Données
4. Grille d'Analytique Distribuée

---

Question 7

À quoi sert un magasin de caractéristiques en ligne ?

1. Entraîner des modèles
2. Servir des caractéristiques pour l'inférence en temps réel avec une faible latence
3. Stocker des données historiques
4. Traitement par lots

---

Question 8

Qu'est-ce qu'un contrat de données ?

1. Accord légal pour l'utilisation des données
2. Spécification définissant le schéma de données attendu, la qualité et la livraison
3. Accord de tarification de stockage
4. Accord de données des employés

---

Question 9

Que doit-il se passer lorsque la validation des données échoue dans un pipeline ?

1. Continuer le traitement quand même
2. Supprimer les données
3. Alerter l'équipe et arrêter/quarantiner les données problématiques
4. Corriger automatiquement les données

---

Question 10

Qu'est-ce que l'idempotence dans les pipelines de données ?

1. Exécuter des pipelines en parallèle
2. Exécuter la même opération plusieurs fois produit le même résultat
3. Traiter les données une seule fois
4. Crypter les données au repos

---

Questions 11-30

(Questions supplémentaires couvrant les modèles ETL, les techniques d'ingénierie des caractéristiques, les dimensions de la qualité des données, la surveillance des pipelines, l'évolution des schémas, et plus)

---

🎉 Quiz Terminé !

Suivant : Module 5 : Infrastructure d'Entraînement