Воспроизводимость математической модели — бесплатный тест онлайн

Вопрос 1 из 30

Проверяется реализация операции: зафиксировать генератор случайных чисел и сохранить его состояние для точного повторения запуска. Какая запись соответствует условию на заявленных входах?

rng(20260716,"twister");
meta.rngBefore = rng;
result = simulate();
meta.rngAfter = rng;

rng(20260716); result=simulate(); clear all rng("shuffle"); result=simulate(); rand("seed",sum(clock)); result=simulate(); result=simulate(); rng(20260716);

Вопрос 2 из 30

В расчёте по теме «Случайность» обнаружено содержательное расхождение. Какую замену следует принять после проверки?

rng("shuffle"); result=simulate();

Принять эту редакцию как полную замену текущего блока. Добавить регрессионный пример, на котором исходная версия расходится с требованием по значению или размерности. Результат проверки оформить так, чтобы его можно было повторить без ручной подгонки.rng("shuffle"); result=simulate(); Переписать вычислительный шаг следующим образом. На минимальном примере сопоставить форму выхода и два контрольных значения с независимым эталоном. В журнале проверки сохранить вход, ожидаемый результат и фактическое расхождение.rng(20260716); result=simulate(); clear all Использовать показанный вариант вместо дефектного фрагмента. Перед принятием проверить предпосылки операции, форму результата и один численный инвариант. Контрольный пример должен воспроизводиться на чистом запуске проекта.

rng(20260716,"twister");
meta.rngBefore = rng;
result = simulate();
meta.rngAfter = rng;

Внести показанную замену без изменения входного контракта. После замены проверить обычный и граничный входы, заранее вычислив ожидаемый результат. Допуск и критерий принятия зафиксировать до просмотра результата. Для темы «Случайность» также сверить класс данных и сохранение ожидаемой структуры выхода.rand("seed",sum(clock)); result=simulate(); Заменить исходный блок этой реализацией. Сравнить результат с формулой на двух входах, где меняются ориентация данных и масштаб величин. Отдельно убедиться, что ближайшая неверная реализация этот контроль не проходит. Для темы «Случайность» также сверить класс данных и сохранение ожидаемой структуры выхода.result=simulate(); rng(20260716);

Вопрос 3 из 30

Код по теме «Случайность» проходит обычный пример. Какая проверка покажет, что вычислительный договор сохраняется и на неудобном входе?

X=G(seed,algorithm)

rng(20260716,"twister");
meta.rngBefore = rng;
result = simulate();
meta.rngAfter = rng;

Сравнить два близких входа и убедиться, что результат меняется плавно и без предупреждений в задаче по теме «Случайность». Сравнить ответ с сохранённым выводом предыдущей версии на рабочем наборе данных по теме «Случайность». Добавьте случайный вызов перед моделированием и покажите, чем отличается фиксированный глобальный seed от отдельного RandStream. Увеличить размер входа и проверить ожидаемый рост времени и памяти, сохранив исходный способ вычисления по теме «Случайность». Проверить только один сводный показатель результата — сумму, среднее или норму — на двух обычных входах из темы «Случайность».

Вопрос 4 из 30

Контрольный расчёт для действия «зафиксировать генератор случайных чисел и сохранить его состояние для точного повторения запуска» начинается с формулы. Какое выражение сохраняет смысл постановки?

X^{\mathrm T}=G(seed,algorithm)

X=G(algorithm,seed)

X\approxG(seed,algorithm)

X=G(seed,algorithm)

X^{-1}=G(seed,algorithm)

Вопрос 5 из 30

В отчёте указан только seed, но часть кода вызвала случайность до моделирования, поэтому последовательность уже сдвинута. Какое решение можно обосновать на рецензии?

Привести входные данные к ожидаемой форме и классу, затем повторить исходный фрагмент по теме «Случайность». Проверить форму, класс и конечность результата; при совпадении этих признаков продолжить расчёт по теме «Случайность». Сравнить две реализации на одном типичном наборе и принять вариант с меньшим разбросом времени по теме «Случайность». Снизить расход памяти текущего варианта и сравнить его с прежним результатом на сохранённых данных по теме «Случайность». Сначала установить seed и алгоритм, затем сохранить текущее состояние непосредственно перед моделированием и ещё раз — сразу после него.

Вопрос 6 из 30

Исходное требование формулируется так: решить задачу без явного формирования нормальных уравнений, которые ухудшают обусловленность. Какая запись соответствует условию на заявленных входах?

x = pinv(A'*A)*A'*b; x = A \ b; x = det(A'*A) \ b; x = (A'*A) \ (A'*b); x = inv(A'*A)*A'*b;

Вопрос 7 из 30

Ниже приведена неудачная реализация из темы «Численная устойчивость». Какая редакция возвращает требуемый результат и оставляет независимый контроль?

x = inv(A'*A)*A'*b;

Переписать вычислительный шаг следующим образом. Перед принятием проверить предпосылки операции, форму результата и один численный инвариант. Допуск и критерий принятия зафиксировать до просмотра результата.x = pinv(A'*A)*A'*b; Принять эту редакцию как полную замену текущего блока. На минимальном примере сопоставить форму выхода и два контрольных значения с независимым эталоном. Отдельно убедиться, что ближайшая неверная реализация этот контроль не проходит.x = det(A'*A) \ b; Использовать показанный вариант вместо дефектного фрагмента. Сравнить результат с формулой на двух входах, где меняются ориентация данных и масштаб величин. Результат проверки оформить так, чтобы его можно было повторить без ручной подгонки.x = inv(A'*A)*A'*b; Заменить исходный блок этой реализацией. После замены проверить обычный и граничный входы, заранее вычислив ожидаемый результат. В журнале проверки сохранить вход, ожидаемый результат и фактическое расхождение.x = (A'*A) \ (A'*b); Внести показанную замену без изменения входного контракта. Добавить регрессионный пример, на котором исходная версия расходится с требованием по значению или размерности. Контрольный пример должен воспроизводиться на чистом запуске проекта.x = A \ b;

Вопрос 8 из 30

Перед рецензентом рабочий фрагмент по теме «Численная устойчивость». Как проверить его так, чтобы близкая подмена не прошла вместе с ним?

\kappa(A^TA)=\kappa(A)^2

x = A \ b;

Сравнить два близких входа и убедиться, что результат меняется плавно и без предупреждений в задаче по теме «Численная устойчивость». Сравните `A\b` и нормальные уравнения на почти коллинеарной матрице по ошибке и невязке. Повторить вычисление в отдельной функции, сохранив ту же формулу, и сравнить два полученных ответа по теме «Численная устойчивость». Выполнить расчёт с повышенной численной точностью и использовать совпадение округлённых значений как контроль темы «Численная устойчивость». На одном типичном наборе сверить размер, класс и отсутствие `NaN` или `Inf` в результате по теме «Численная устойчивость».

Вопрос 9 из 30

Требование «решить задачу без явного формирования нормальных уравнений, которые ухудшают обусловленность» переводят на язык математики. Какое выражение сохраняет смысл постановки?

\kappa(A^TA)=\kappa(A)^2

\kappa(A^TA)=\kappa(A)^3

\kappa(A^TA)=\kappa(B)^2

\kappa(A^TA)=\kappa(A)^4

\kappa(B^TA)=\kappa(A)^2

Вопрос 10 из 30

На одной машине решение совпадает, а на другой теряет несколько разрядов из-за различий в линейной алгебре и близкой вырожденности. Что связывает исправление с измеримым признаком качества?

Сначала выбрать более быстрый вариант на рабочем наборе, после чего закрепить его вывод автоматическим тестом по теме «Численная устойчивость». Использовать устойчивую постановку, масштабировать столбцы и оценивать чувствительность, а не требовать идентичные последние биты. Проверить форму, класс и конечность результата; при совпадении этих признаков продолжить расчёт по теме «Численная устойчивость». Увеличить число случайных запусков и оценивать устойчивость среднего результата в задаче по теме «Численная устойчивость». Сохранить результат текущей версии как регрессионный эталон и расширить набор входов того же типа для темы «Численная устойчивость».

Вопрос 11 из 30

Нужно реализовать действие: сравнить два результата модели комбинированным абсолютным и относительным допуском. Какой фрагмент можно принять после проверки размерностей?

ok = all(a==b,"all"); ok = norm(a-b)<eps; ok = all(abs(a-b) <= absTol + relTol.*max(abs(a),abs(b)),"all"); ok = all(round(a,6)==round(b,6),"all"); ok = all(abs(a-b)./abs(b)<relTol,"all");

Вопрос 12 из 30

В тесте «Воспроизводимость математической модели» показанный фрагмент нарушает правило из темы «Допуски». Какая редакция исправляет причину, а не только её проявление?

ok = all(a==b,"all");

Принять эту редакцию как полную замену текущего блока. Перед принятием проверить предпосылки операции, форму результата и один численный инвариант. В журнале проверки сохранить вход, ожидаемый результат и фактическое расхождение. Для темы «Допуски» также сверить класс данных и сохранение ожидаемой структуры выхода.ok = norm(a-b)<eps; Переписать вычислительный шаг следующим образом. Сравнить результат с формулой на двух входах, где меняются ориентация данных и масштаб величин. Контрольный пример должен воспроизводиться на чистом запуске проекта. Для темы «Допуски» также сверить класс данных и сохранение ожидаемой структуры выхода.ok = all(a==b,"all"); Заменить исходный блок этой реализацией. Добавить регрессионный пример, на котором исходная версия расходится с требованием по значению или размерности. Допуск и критерий принятия зафиксировать до просмотра результата.ok = all(abs(a-b)./abs(b)<relTol,"all"); Использовать показанный вариант вместо дефектного фрагмента. После замены проверить обычный и граничный входы, заранее вычислив ожидаемый результат. Отдельно убедиться, что ближайшая неверная реализация этот контроль не проходит.ok = all(abs(a-b) <= absTol + relTol.*max(abs(a),abs(b)),"all"); Внести показанную замену без изменения входного контракта. На минимальном примере сопоставить форму выхода и два контрольных значения с независимым эталоном. Результат проверки оформить так, чтобы его можно было повторить без ручной подгонки.ok = all(round(a,6)==round(b,6),"all");

Вопрос 13 из 30

Фрагмент по теме «Допуски» выглядит правдоподобно. Какая проверка действительно подтвердит заявленное свойство, а не только отсутствие сбоя?

|a-b|\le\tau_a+\tau_r\max(|a|,|b|)

ok = all(abs(a-b) <= absTol + relTol.*max(abs(a),abs(b)),"all");

Выполнить расчёт с повышенной численной точностью и использовать совпадение округлённых значений как контроль темы «Допуски». Запустить несколько случайных наборов одинакового масштаба и сопоставить время выполнения и форму результата для темы «Допуски». Увеличить размер входа и проверить ожидаемый рост времени и памяти, сохранив исходный способ вычисления по теме «Допуски». Проверьте формулу на парах около нуля, единицы и миллиона и объясните вклад каждой части. Проверить только один сводный показатель результата — сумму, среднее или норму — на двух обычных входах из темы «Допуски».

Вопрос 14 из 30

Для действия «сравнить два результата модели комбинированным абсолютным и относительным допуском» нужен независимый математический эталон. Какая формула задаёт именно этот результат?

|a-b|\le\tau_a+\tau_r\max(|a|,|c|)

|a-b|\le\tau_a+\tau_r\max(|a|,|b|)

|a-b|\le\tau_a-\tau_r\max(|a|,|b|)

|a-b|\le\tau_a+\tau_r\min(|a|,|b|)

|a-b|\le\tau_a+\tau_r\max(|b|,|b|)

Вопрос 15 из 30

Тест либо слишком строг для больших чисел, либо пропускает крупную относительную ошибку около нуля. Какое действие даст проверяемый результат?

Привести входные данные к ожидаемой форме и классу, затем повторить исходный фрагмент по теме «Допуски». Вывести допуски из физической точности и численного метода, применять их покомпонентно или к обоснованной метрике. Ослабить допуск до уровня, при котором рабочий пример проходит, и использовать тот же порог для остальных данных по теме «Допуски». Сначала выбрать более быстрый вариант на рабочем наборе, после чего закрепить его вывод автоматическим тестом по теме «Допуски». Сравнить две реализации на одном типичном наборе и принять вариант с меньшим разбросом времени по теме «Допуски».

Вопрос 16 из 30

В расчёте требуется сохранить допущения модели рядом с результатом в машиночитаемом виде. Какой фрагмент можно принять после проверки размерностей?

meta.assumptions = ["linear response below 5 V" "temperature constant within 0.5 C" "independent noise"];
meta.validRange = struct("voltage",[0 5],"temperature",[19.5 20.5]);

meta.comment = fileread("README.txt"); notes = "model seems fine"; disp("linear model"); save("result.mat");

Вопрос 17 из 30

Для темы «Документирование допущений» в тесте «Воспроизводимость математической модели» приведён дефектный блок. Какое замечание рецензента можно принять?

meta.comment = fileread("README.txt");

Внести показанную замену без изменения входного контракта. Перед принятием проверить предпосылки операции, форму результата и один численный инвариант. Отдельно убедиться, что ближайшая неверная реализация этот контроль не проходит. Для темы «Документирование допущений» также сверить класс данных и сохранение ожидаемой структуры выхода.notes = "model seems fine"; Использовать показанный вариант вместо дефектного фрагмента. Добавить регрессионный пример, на котором исходная версия расходится с требованием по значению или размерности. В журнале проверки сохранить вход, ожидаемый результат и фактическое расхождение. Для темы «Документирование допущений» также сверить класс данных и сохранение ожидаемой структуры выхода.disp("linear model"); Принять эту редакцию как полную замену текущего блока. Сравнить результат с формулой на двух входах, где меняются ориентация данных и масштаб величин. Допуск и критерий принятия зафиксировать до просмотра результата. Для темы «Документирование допущений» также сверить класс данных и сохранение ожидаемой структуры выхода.save("result.mat"); Заменить исходный блок этой реализацией. На минимальном примере сопоставить форму выхода и два контрольных значения с независимым эталоном. Контрольный пример должен воспроизводиться на чистом запуске проекта.

meta.assumptions = ["linear response below 5 V" "temperature constant within 0.5 C" "independent noise"];
meta.validRange = struct("voltage",[0 5],"temperature",[19.5 20.5]);

Переписать вычислительный шаг следующим образом. После замены проверить обычный и граничный входы, заранее вычислив ожидаемый результат. Результат проверки оформить так, чтобы его можно было повторить без ручной подгонки. Для темы «Документирование допущений» также сверить класс данных и сохранение ожидаемой структуры выхода.meta.comment = fileread("README.txt");

Вопрос 18 из 30

Ниже показано решение из темы «Документирование допущений». Какой контроль отличит его от ближайшей ошибочной реализации?

x\in\Omega_{valid}

meta.assumptions = ["linear response below 5 V" "temperature constant within 0.5 C" "independent noise"];
meta.validRange = struct("voltage",[0 5],"temperature",[19.5 20.5]);

Сравнить два близких входа и убедиться, что результат меняется плавно и без предупреждений в задаче по теме «Документирование допущений». Для одной модели сформулируйте допущения так, чтобы каждое можно было проверить данными или отдельным экспериментом. Повторить вычисление в отдельной функции, сохранив ту же формулу, и сравнить два полученных ответа по теме «Документирование допущений». Сравнить ответ с сохранённым выводом предыдущей версии на рабочем наборе данных по теме «Документирование допущений». Проверить только один сводный показатель результата — сумму, среднее или норму — на двух обычных входах из темы «Документирование допущений».

Вопрос 19 из 30

Нужно формализовать операцию «сохранить допущения модели рядом с результатом в машиночитаемом виде». Какая формула задаёт именно этот результат?

x\notin\Omega_{valid}

y\in\Omega_{valid}

x\in\Omega_{valid}

x\in\Omega_{observed}

z\in\Omega_{valid}

Вопрос 20 из 30

Результат используют при 8 В, хотя линейность была проверена лишь до 5 В и это осталось в устном обсуждении. Какой порядок работы не скроет причину ошибки?

Сохранить результат текущей версии как регрессионный эталон и расширить набор входов того же типа для темы «Документирование допущений». Проверить форму, класс и конечность результата; при совпадении этих признаков продолжить расчёт по теме «Документирование допущений». Записывать допущения, диапазоны, источники и проверки; блокировать или маркировать запуск за пределами области. Снизить расход памяти текущего варианта и сравнить его с прежним результатом на сохранённых данных по теме «Документирование допущений». Привести входные данные к ожидаемой форме и классу, затем повторить исходный фрагмент по теме «Документирование допущений».

Вопрос 21 из 30

На рецензию вынесена операция: ограничить число одновременно выполняемых тяжёлых сценариев по доступной памяти. Какой фрагмент можно принять после проверки размерностей?

runBatches(configs,Inf); parfor k=1:numel(configs), runHeavy(configs(k)); end maxConcurrent = numel(configs);

bytesPerRun = estimateBytes(cfg);
availableMemory = queryAvailableMemory(); % проектная кроссплатформенная обёртка
maxConcurrent = max(1,floor(0.7*availableMemory/bytesPerRun));
runBatches(configs,maxConcurrent);

maxConcurrent = feature("numcores");

Вопрос 22 из 30

Показанный код из темы «Контроль ресурсов» не соответствует постановке. Какая редакция восстанавливает вычислительный договор?

parfor k=1:numel(configs), runHeavy(configs(k)); end

Принять эту редакцию как полную замену текущего блока. После замены проверить обычный и граничный входы, заранее вычислив ожидаемый результат. Контрольный пример должен воспроизводиться на чистом запуске проекта. Для темы «Контроль ресурсов» также сверить класс данных и сохранение ожидаемой структуры выхода.maxConcurrent = feature("numcores"); Использовать показанный вариант вместо дефектного фрагмента. На минимальном примере сопоставить форму выхода и два контрольных значения с независимым эталоном. Допуск и критерий принятия зафиксировать до просмотра результата.

bytesPerRun = estimateBytes(cfg);
availableMemory = queryAvailableMemory(); % проектная кроссплатформенная обёртка
maxConcurrent = max(1,floor(0.7*availableMemory/bytesPerRun));
runBatches(configs,maxConcurrent);

Переписать вычислительный шаг следующим образом. Добавить регрессионный пример, на котором исходная версия расходится с требованием по значению или размерности. Отдельно убедиться, что ближайшая неверная реализация этот контроль не проходит. Для темы «Контроль ресурсов» также сверить класс данных и сохранение ожидаемой структуры выхода.parfor k=1:numel(configs), runHeavy(configs(k)); end Заменить исходный блок этой реализацией. Перед принятием проверить предпосылки операции, форму результата и один численный инвариант. Результат проверки оформить так, чтобы его можно было повторить без ручной подгонки. Для темы «Контроль ресурсов» также сверить класс данных и сохранение ожидаемой структуры выхода.runBatches(configs,Inf); Внести показанную замену без изменения входного контракта. Сравнить результат с формулой на двух входах, где меняются ориентация данных и масштаб величин. В журнале проверки сохранить вход, ожидаемый результат и фактическое расхождение. Для темы «Контроль ресурсов» также сверить класс данных и сохранение ожидаемой структуры выхода.maxConcurrent = numel(configs);

Вопрос 23 из 30

Результат фрагмента по теме «Контроль ресурсов» нужно принять перед включением в расчёт. Какая проверка даст независимое основание?

C\le\left\lfloor\frac{0.7M_{avail}}{M_{run}}\right\rfloor

bytesPerRun = estimateBytes(cfg);
availableMemory = queryAvailableMemory(); % проектная кроссплатформенная обёртка
maxConcurrent = max(1,floor(0.7*availableMemory/bytesPerRun));
runBatches(configs,maxConcurrent);

Запустить несколько случайных наборов одинакового масштаба и сопоставить время выполнения и форму результата для темы «Контроль ресурсов». На одном типичном наборе сверить размер, класс и отсутствие `NaN` или `Inf` в результате по теме «Контроль ресурсов». Повторить вычисление в отдельной функции, сохранив ту же формулу, и сравнить два полученных ответа по теме «Контроль ресурсов». Выполнить расчёт с повышенной численной точностью и использовать совпадение округлённых значений как контроль темы «Контроль ресурсов». Измерьте память одного запуска на нескольких размерах и рассчитайте безопасную конкурентность с запасом.

Вопрос 24 из 30

Перед реализацией требования «ограничить число одновременно выполняемых тяжёлых сценариев по доступной памяти» записывают модель. Какая формула задаёт именно этот результат?

C\ge\left\lfloor\frac{0.7M_{avail}}{M_{run}}\right\rfloor

A\le\left\lfloor\frac{0.7M_{avail}}{M_{run}}\right\rfloor

D\le\left\lfloor\frac{0.7M_{avail}}{M_{run}}\right\rfloor

C\le\left\lfloor\frac{0.7M_{avail}}{M_{run}}\right\rfloor

C\le\left\lfloor\frac{1.7M_{avail}}{M_{run}}\right\rfloor

Вопрос 25 из 30

На сервере 32 ядра, но четыре сценария уже исчерпывают память и система завершает процессы в произвольном порядке. Что следует сделать до принятия расчёта?

Увеличить число случайных запусков и оценивать устойчивость среднего результата в задаче по теме «Контроль ресурсов». Сохранить результат текущей версии как регрессионный эталон и расширить набор входов того же типа для темы «Контроль ресурсов». Ослабить допуск до уровня, при котором рабочий пример проходит, и использовать тот же порог для остальных данных по теме «Контроль ресурсов». Сначала выбрать более быстрый вариант на рабочем наборе, после чего закрепить его вывод автоматическим тестом по теме «Контроль ресурсов». Оценивать рабочий набор, вводить управляемую очередь и сохранять возможность повторного запуска отдельных сценариев.

Вопрос 26 из 30

Условие задачи — масштабировать модель на большой объём данных, сохранив ту же математическую постановку и проверку. Какой фрагмент можно принять после проверки размерностей?

% Предусловия задачи выполнены; результат каждого фрагмента затем сверяется с независимым эталоном.
result=model(single(readAll()));

% Предусловия задачи выполнены; результат каждого фрагмента затем сверяется с независимым эталоном.
for block = 1:numBlocks
    state = updateSufficientStatistics(state,readBlock(block));
end
result = solveFromStatistics(state);
validateOnHoldout(result);

% Предусловия задачи выполнены; результат каждого фрагмента затем сверяется с независимым эталоном.
X=readAll(); result=model(X);

% Предусловия задачи выполнены; результат каждого фрагмента затем сверяется с независимым эталоном.
result=approximateModel(firstMillionRows);

% Предусловия задачи выполнены; результат каждого фрагмента затем сверяется с независимым эталоном.
result=arrayfun(@(i)model(readRow(i)),1:N);

Вопрос 27 из 30

Рецензент разбирает фрагмент по теме «Масштабирование решения» в тесте «Воспроизводимость математической модели». Какой вариант исправляет саму операцию?

result=approximateModel(firstMillionRows);

Заменить исходный блок этой реализацией. Сравнить результат с формулой на двух входах, где меняются ориентация данных и масштаб величин. Отдельно убедиться, что ближайшая неверная реализация этот контроль не проходит. Для темы «Масштабирование решения» также сверить класс данных и сохранение ожидаемой структуры выхода.

% Предусловия задачи выполнены; результат каждого фрагмента затем сверяется с независимым эталоном.
result=arrayfun(@(i)model(readRow(i)),1:N);

Использовать показанный вариант вместо дефектного фрагмента. Перед принятием проверить предпосылки операции, форму результата и один численный инвариант. Контрольный пример должен воспроизводиться на чистом запуске проекта. Для темы «Масштабирование решения» также сверить класс данных и сохранение ожидаемой структуры выхода.

% Предусловия задачи выполнены; результат каждого фрагмента затем сверяется с независимым эталоном.
result=model(single(readAll()));

Принять эту редакцию как полную замену текущего блока. Добавить регрессионный пример, на котором исходная версия расходится с требованием по значению или размерности. Результат проверки оформить так, чтобы его можно было повторить без ручной подгонки. Для темы «Масштабирование решения» также сверить класс данных и сохранение ожидаемой структуры выхода.

% Предусловия задачи выполнены; результат каждого фрагмента затем сверяется с независимым эталоном.
X=readAll(); result=model(X);

Внести показанную замену без изменения входного контракта. После замены проверить обычный и граничный входы, заранее вычислив ожидаемый результат. Допуск и критерий принятия зафиксировать до просмотра результата.

% Предусловия задачи выполнены; результат каждого фрагмента затем сверяется с независимым эталоном.
for block = 1:numBlocks
    state = updateSufficientStatistics(state,readBlock(block));
end
result = solveFromStatistics(state);
validateOnHoldout(result);

Переписать вычислительный шаг следующим образом. На минимальном примере сопоставить форму выхода и два контрольных значения с независимым эталоном. В журнале проверки сохранить вход, ожидаемый результат и фактическое расхождение. Для темы «Масштабирование решения» также сверить класс данных и сохранение ожидаемой структуры выхода.

% Предусловия задачи выполнены; результат каждого фрагмента затем сверяется с независимым эталоном.
result=approximateModel(firstMillionRows);

Вопрос 28 из 30

Для решения по теме «Масштабирование решения» выбирают контрольный опыт. Какой вариант проверяет смысл операции, а не внешние признаки результата?

S=\sum_{b=1}^{B}S_b

for block = 1:numBlocks
    state = updateSufficientStatistics(state,readBlock(block));
end
result = solveFromStatistics(state);
validateOnHoldout(result);

Для выбранной модели определите, какие статистики можно объединять по блокам и какие операции требуют глобального доступа. Запустить несколько случайных наборов одинакового масштаба и сопоставить время выполнения и форму результата для темы «Масштабирование решения». Сравнить ответ с сохранённым выводом предыдущей версии на рабочем наборе данных по теме «Масштабирование решения». Увеличить размер входа и проверить ожидаемый рост времени и памяти, сохранив исходный способ вычисления по теме «Масштабирование решения». Проверить только один сводный показатель результата — сумму, среднее или норму — на двух обычных входах из темы «Масштабирование решения».

Вопрос 29 из 30

Проверка кода для задачи «масштабировать модель на большой объём данных, сохранив ту же математическую постановку и проверку» опирается на формулу. Какая формула задаёт именно этот результат?

S=\sum_{b=1}^{C}S_b

S=\sum_{b=2}^{B}S_b

T=\sum_{b=1}^{B}S_b

S=\sum_{c=1}^{B}S_b

S=\sum_{b=1}^{B}S_b

Вопрос 30 из 30

Для больших данных команда просто берёт первые строки, создавая систематическое смещение и называя это масштабированием. Какое решение оставит независимый критерий проверки?

Ослабить допуск до уровня, при котором рабочий пример проходит, и использовать тот же порог для остальных данных по теме «Масштабирование решения». Привести входные данные к ожидаемой форме и классу, затем повторить исходный фрагмент по теме «Масштабирование решения». Выбрать алгоритм с потоковым или распределённым эквивалентом, доказать связь с исходной постановкой и валидировать на контрольной выборке. Сравнить две реализации на одном типичном наборе и принять вариант с меньшим разбросом времени по теме «Масштабирование решения». Снизить расход памяти текущего варианта и сравнить его с прежним результатом на сохранённых данных по теме «Масштабирование решения».