course/pr_1114/ro/chapter10/7.md

# Quiz de final de capitol[[quiz-de-final-de-capitol]]

<CourseFloatingBanner
    chapter={10}
    classNames="absolute z-10 right-0 top-0"
/>

Să testăm ce ați învățat în acest capitol!

### 1. Pentru ce puteți folosi Argilla?

<Question
	choices={[
		{
			text: "Pentru a transforma datele nestructurate în date structurate pentru sarcini NLP",
			explain: "Puteți folosi Argilla pentru a adăuga adnotări la un set de date și să îl folosiți pentru sarcini NLP.",
            correct: true
		},
		{
			text: "Pentru a extrage date de pe un site web public pentru a construi un set de date",
			explain: "Aceasta nu este o caracteristică din Argilla, dar puteți extrage date de pe un site web public și să îl transformați într-un set de date Argilla pentru adnotări folosind SDK-ul Python."
		},
		{
			text: "Pentru a îmbunătăți calitatea unui set de date existent",
			explain: "Puteți folosi adnotările anterioare ca sugestii și să le corectați pentru a îmbunătăți calitatea unui set de date.",
			correct: true
		},
		{
			text: "Pentru a adapta un set de date existent la propriul caz de utilizare",
			explain: "Puteți folosi diferite tipuri de întrebări în Argilla pentru a adapta un set de date existent la propriul caz de utilizare.",
			correct: true
		},
		{
			text: "Pentru a antrena modelul",
			explain: "Nu puteți antrena un model direct în Argilla, dar puteți folosi datele pe care le curați în Argilla pentru a antrena propriul model",
		},
		{
			text: "Pentru a genera seturi de date sintetice",
			explain: "Pentru a genera seturi de date sintetice, puteți folosi pachetul distilabel și apoi să folosiți Argilla pentru a revizui și cura datele generate.",
		}
	]}
/>

### 2. Argilla funcționează DOAR în Hugging Face Spaces și cu Hugging Face Datasets.

<Question
	choices={[
        {
			text: "Adevărat",
			explain: "Puteți de asemenea să implementați Argilla local folosind Docker și puteți folosi SDK-ul Python pentru a încărca orice tip de date, inclusiv Hugging Face Datasets."
        },
        {
			text: "Fals",
			explain: "Puteți de asemenea să implementați Argilla local folosind Docker și puteți folosi SDK-ul Python pentru a încărca orice tip de date, inclusiv Hugging Face Datasets.",
			correct: true
        }
	]}
/>

### 3. Aveți nevoie de un token Hugging Face pentru a conecta SDK-ul Python la serverul Argilla.

<Question
	choices={[
        {
			text: "Adevărat",
			explain: "Aceasta este necesară doar dacă Space-ul Argilla este privat!",
        },
        {
			text: "Fals",
			explain: "Nu aveți nevoie de un token dacă folosiți un Space Argilla public sau o implementare locală cu Docker.",
			correct: true
        }
	]}
/>

### 4. Ce sunt **câmpurile** în Argilla? Câte câmpuri puteți folosi?

<Question
	choices={[
        {
			text: "Câmpurile arată datele pe care le adnotăm. Toate aceste informații trebuie să fie colectate într-un singur câmp.",
			explain: "Puteți să împărțiți informațiile pe mai multe câmpuri, dacă aveți nevoie."
        },
		{
			text: "Câmpurile arată datele pe care le adnotăm. Toate aceste informații pot fi împărțite pe mai multe câmpuri.",
			explain: "Da, puteți avea mai multe câmpuri și de asemenea câmpuri de diferite tipuri (text, chat, imagine...) în funcție de tipul de date pe care le adnotați.",
			correct: true
        },
        {
			text: "Câmpurile conțin metadatele înregistrărilor. Puteți folosi câte aveți nevoie.",
			explain: "Puteți avea atât câmpuri cât și metadate în setul de date, dar ele servesc scopuri separate. Metadatele sunt folosite pentru filtrare și sortare ca informații extra, în timp ce câmpurile arată datele pe care le adnotăm."
        }
	]}
/>

### 5. Care este cel mai bun tip de întrebare pentru o sarcină de clasificare de token-uri?

<Question
	choices={[
        {
			text: "O SpanQuestion",
			explain: "SpanQuestions vă permit să evidențiați bucăți de text și să aplicați o etichetă la ele. Acesta este cel mai bun tip pentru o sarcină de clasificare de token-uri.",
            correct: true
        },
        {
			text: "O LabelQuestion",
			explain: "Acest tip de întrebare vă permite să selectați o etichetă care se aplică la întreaga înregistrare. Acest tip este cel mai bun pentru o sarcină de clasificare de text."
        },
        {
			text: "O TextQuestion",
			explain: "Acest tip de întrebare vă permite să scrieți text. Aceasta nu este potrivită pentru o sarcină de clasificare de token-uri."
        },
        {
			text: "Niciuna din cele de mai sus",
			explain: "SpanQuestions vă permit să evidențiați bucăți de text și să aplicați o etichetă la ele. Acesta este cel mai bun tip pentru o sarcină de clasificare de token-uri."
        }
	]}
/>

### 6. Care este scopul butonului "Save as draft"?

<Question
	choices={[
        {
			text: "Să trimiteți răspunsurile",
			explain: "Acest buton salvează răspunsurile, dar nu le trimite",
        },
        {
			text: "Să salvați răspunsurile fără să le trimiteți",
			explain: "Aceasta este o metodă validă de încărcare a unui model Hugging Face din Hub",
			correct: true
        },
        {
			text: "Să renunțați la o înregistrare",
			explain: "Încercați din nou -- nu puteți încărca un model folosind prefixul 'demos'."
        }
	]}
/>

### 7. Argilla nu oferă etichete sugerate automat, trebuie să furnizați acele date singur.

<Question
	choices={[
        {
			text: "Adevărat",
			explain: "Puteți adăuga sugestii la înregistrările dvs. (sau să le actualizați) în orice moment al proiectului.",
            correct: true
        },
        {
			text: "Fals",
			explain: "Dacă doriți să vedeți etichete sugerate, trebuie să le înregistrați singur când creați înregistrările sau la un moment ulterior."
        }
	]}
/>

### 8. Selectați toți pașii necesari pentru a exporta complet un set de date Argilla către Hub:

<Question
	choices={[
        {
			text: "Trebuie să fiți conectat la serverul Argilla: <code>client= rg.Argilla(api_url='...', api_key='...')</code>",
			explain: "Da, pentru a interacționa cu serverul va trebui să îl instanțiați mai întâi.",
            correct: true
        },
		{
			text: "Importați setul de date din hub: <code>dataset = rg.Dataset.from_hub(repo_id='argilla/ag_news_annotated')</code>",
			explain: "Nu. Aceasta este pentru a importa un set de date din Hub în instanța Argilla.",
        },
        {
			text: "Încărcați setul de date: <code>dataset = client.datasets(name='my_dataset')</code>",
			explain: "Da, veți avea nevoie de aceasta pentru operații ulterioare",
			correct: true
        },
        {
			text: "Convertiți setul de date Argilla într-un set de date Datasets: <code>dataset = dataset.to_datasets()</code>",
			explain: "Aceasta nu este necesară dacă exportați setul de date complet. Argilla se va ocupa de aceasta pentru dvs. . Cu toate acestea, s-ar putea să aveți nevoie de ea dacă lucrați cu un subset de înregistrări."
        },
        {
			text: "Folosiți metoda </code>to_hub</code> pentru a exporta setul de date: <code>dataset.to_hub(repo_id='my_username/dataset_name')</code>",
			explain: "Aceasta va împinge setul de date la repo id-ul indicat, și va crea un repo nou dacă nu există.",
            correct: true
        },
	]}
/> 

<EditOnGithub source="https://github.com/huggingface/course/blob/main/chapters/ro/chapter10/7.mdx" />