Databricks Machine Learning Professional — Questões de prática e simulado

Model serving atento à regulação: 1) Requisitos do GDPR: minimização de dados: o modelo voltado à UE só pode ser treinado com features sem identificadores pessoais. Limitação de finalidade: as features são usadas apenas para a finalidade declarada. Direito ao esquecimento: o modelo não pode memorizar dados individuais. 2) Categorias de features: PII: nome, e-mail, telefone, endereço, IP. Quase-identificadores: idade + CEP + gênero (a combinação pode identificar). Agregadas: valor médio das transações (últimos 30 dias). Comportamentais: número de logins (sem identificação individual). 3) Por que duas versões registradas: a fronteira de compliance são os próprios dados de treinamento, então você precisa de dois artefatos treinados distintos — um com o conjunto de features em conformidade com o GDPR e outro com todas as features — registrados lado a lado no Model Registry, onde cada versão carrega seu próprio lineage, sua stage e sua trilha de auditoria. 4) Roteamento das requisições: uma camada de roteamento na frente do endpoint de serving inspeciona o header de região da requisição e direciona as requisições da UE para a versão em conformidade e as dos EUA para a versão com todas as features. O Databricks Model Serving consegue servir vários modelos e várias versões de um modelo ao mesmo tempo e permite consultar um modelo servido específico atrás de um endpoint, então rotear cada requisição para uma versão registrada específica é um padrão suportado. 5) Testes: versão em conformidade: verifique que não há features de PII na assinatura de entrada dela. Versão com todas as features: verifique que todas as features estão disponíveis. Roteamento: verifique que um header de região da UE sempre resolve para a versão em conformidade. 6) Documentação de compliance: os model cards de cada versão registrada documentam quais features são usadas. O lineage do Model Registry rastreia a origem dos dados de treinamento de cada versão. Os logs de acesso registram qual versão atendeu cada requisição.

Respostas ricas em model serving: 1) Básica: {'prediction': 1}. 2) Com confiança: {'prediction': 1, 'confidence': 0.92}. 3) Com explicação: {'prediction': 1, 'confidence': 0.92, 'top_features': [{'name': 'credit_score', 'impact': 0.15}, {'name': 'debt_ratio', 'impact': -0.08}]}. 4) Com metadados: acrescente model_version, timestamp, request_id. 5) Padrões de implementação: predict do pyfunc → devolve um DataFrame. Cada coluna passa a fazer parte da resposta. Estruturas complexas: serialize como string JSON em uma coluna. 6) Trade-offs de desempenho: só a predição: ~10ms. Predição + confiança: ~10ms (as probabilidades já foram calculadas). Predição + SHAP: ~50-200ms (o cálculo do SHAP acrescenta overhead). Otimização: calcule SHAP só quando for solicitado (flag opcional na requisição). 7) Integração com o cliente: REST API: resposta JSON com todos os campos. SDK: parseada em objetos tipados. Dashboard: exibir a predição + um medidor de confiança + um gráfico de cascata das features.