AI ML Mod 1

1. Hvad er en data pipeline

En sekvens af automatiserede trin, der henter (ingest), renser, transformerer og gemmer data, så de kan bruges i analyse eller ML. (Ingest = hente data fra en kilde).

2. Hvad betyder "orkestrere" i forbindelse med data

At koordinere rækkefølgen og udførelsen af datajobs automatisk (fx triggere, afhængigheder, scheduling).

3. Hvad er Azure Data Factory (ADF) brugt til

Orkestrering og flytning af data mellem kilder og mål; scheduling af pipelines og triggere.

4. Hvornår vælger man Databricks frem for ADF til transformationer

When transformations are compute-intensive or require distributed processing (store datasæt) — Databricks (Spark) er til tung databehandling; ADF er til orkestrering.

5. Hvad er Apache Spark

Et open-source rammeværk for distribueret data-behandling (hurtige batch- og streaming-job).

6. Hvad er Azure Data Lake Storage (ADLS)

Et stort objektlager optimeret til big-data (rå og processerede filer), ofte organiseret i raw/processed zoner.

7. Hvad er forskellen på Blob Storage og ADLS

Blob = generelt objektlager; ADLS Gen2 = Blob + filsystem-lignende features (optimiseret til big-data og analytics).

8. Hvad betyder "raw" vs. "processed" zone

"Raw": originale, uændrede filer; "Processed": rensede/transformerede data klar til analyse eller træning.

9. Hvad er høj-throughput streaming

Håndtering af mange beskeder/events pr. sekund (fx IoT eller clickstream). (Throughput = mængde data pr. tid).

10. Hvad gør Azure Event Hubs

Indsamler og bufferer store mængder real-time events for videre behandling i streaming-pipelines.

11. Hvad er en feature i ML

En inputvariabel (beregnet eller rå) som modellen bruger til at forudsige et output.

12. Hvad er en feature store

Et centralt lager for genbrugte features, så træning og inferens bruger samme beregninger/data.

13. Hvornår bruger man Azure SQL Database i en ML-pipeline

Til strukturerede masterdata, joins og hurtige queries, fx reference-tabeller og metadata.

14. Hvad er Azure Databricks' notebooks gode til

Interaktiv udvikling, dokumentation og samarbejde ved datarens, feature engineering og eksperimenter.

15. Hvad er Azure Machine Learning Workspace

Et centraliseret workspace til experiment-tracking, model-registrering, AutoML og deployment-kontrol.

16. Hvad gør Azure ML SDK

Python-bibliotek til at orkestrere træningsjobs, logge metrics, registrere modeller og deploye fra kode.

17. Hvad er forskellen mellem realtime endpoint og batch endpoint

Realtime: svar per forespørgsel med lav latenstid; Batch: behandler store mængder data i job (ikke lav latenstid).

18. Hvornår vælger man AKS til deployment

Når man har behov for skalerbarhed, lave svartider og kompleks container-orkestrering.

19. Hvornår er Azure App Service et godt valg

Til hurtig prototyping eller moderate belastninger, hvor man vil undgå kompleksitet ved Kubernetes.

20. Hvad er Azure Functions bedst til

Små, event-drevne eller sporadiske opgaver (serverless); vær opmærksom på cold starts og begrænsede ressourcer.

21. Hvad er ACR (Azure Container Registry)

Privat Docker-image-lager til at pushe/pulle container-images brukt ved deploy.

22. Hvad er MLOps

Praktikker og værktøjer til at automatisere build, test, deploy og overvågning af ML-modeller (ML-livscykel).

23. Hvorfor er CI/CD vigtigt for ML

Sikrer reproducérbarhed, automatiserede tests, hurtige rollback og konsistent deployment af modeller og kode.

24. Hvad er eksperiment-tracking

Logning af hyperparametre, metrics, kode- og data-version, så eksperimenter kan reproduceres og sammenlignes.

25. Hvad er model registry

Et lager hvor versioner af trænte modeller registreres med metadata for deployment og governance.

26. Hvilke metrikker bør man overvåge i drift

Latency, throughput, error-rate, model-performance (accuracy/precision/recall) og input-distribution (til drift-detektion).

27. Hvad er model-drift

Når modelens præstation forringes over tid pga. ændringer i datafordelingen eller miljøet.

28. Hvad kan trigge retraining af en model

Detektion af drift, fald i performance, ændringer i forretningslogik eller nye data.

29. Hvad er Azure Monitor / Application Insights brugt til

Indsamle metrics, logs og traces for applikationer og endpoints; basis for alarms og debugging.

30. Hvad er Key Vault

Tjeneste til sikker opbevaring af secrets (nøgler, credentials og certifikater).

31. Hvad betyder RBAC

Role-Based Access Control — adgangsstyring baseret på roller for at begrænse rettigheder.

32. Hvilke sikkerhedshensyn er vigtige i ML-pipelines

Kryptering (at-rest/in-transit), adgangskontrol, mindskning af data, anonymisering og audit-logs.

33. Hvad er cost trade-offs mellem realtime og batch

Realtime kræver ofte mere ressourcer og dermed højere omkostninger; batch kan være billigere men med højere latens.

34. Hvad er "partitionering" i storage

Opdeling af data i logiske segmenter (fx efter dato) for hurtigere læsning og billigere opslag.

35. Hvad betyder reproducérbarhed i ML

Evnen til at gentage et eksperiment og få samme resultater ved at fastholde data, kode, miljø og seeds.

36. Hvad er "schema drift"

Ændringer i dataens struktur (feltnavne/typer) som kan bryde pipelines eller modeller.

37. Hvad er Delta Lake (kort)

Et lag over filer (ofte på ADLS) som tilføjer transaktionalitet, versioning og ACID-egenskaber til big-data (bruges ofte med Databricks).

38. Hvilke praktiske øvelser foreslår forelæsningen

Tegn arkitektur (data→transform→training→deploy), bygg en lille pipeline (ADF→Databricks→Azure ML), og deploy en model til App Service eller AKS.

39. Hvad er et typisk end-to-end forløb (kort)

Indtag (Event Hubs/ADF) → Transform (Databricks) → Storage (ADLS) → Træning (Azure ML) → Containerize (ACR) → Deploy (AKS/App Service) → Monitor (Azure Monitor).

40. Hvordan begrunder man valg af services i en eksamensopgave

Beskriv krav (latency, skala, cost, sikkerhed), vælg tjeneste baseret på disse krav, og nævn konkrete hensyn (monitoring, retrain, governance).