Offres d'emploiEntreprisesTestsBlogJe recruteS'inscrireConnexion
en
en
Accueil>Tests>Questions>N8N

7 questions d'entretien sur N8Npour développeurs (2026)

Testez vos connaissances techniques avant un entretien pour N8N avec 7 questions corrigées. Niveau débutant, Intermédiaire ou expert.

ou
Technologie
Métier
QCM
Trier par
Les plus récentes
Les plus populaires
Dernier commentaire
Filtrer par
Publiées
3899
En cours de validation
36
7 questions
En attente de validation
0 vote0 passage0 commentaire

Quelle est l'approche recommandée pour minimiser le training-serving skew lors de l'implémentation d'un Feature Store en production ?

WeLoveDevsle 27 août 2026
En attente de validation
0 vote0 passage0 commentaire

Lors de la mise en œuvre d'un déploiement 'Shadow' via un bus asynchrone pour éviter la latence bloquante, quel problème critique de cohérence de données risque de survenir si le bus sature ? ``` const requestData = msg.payload; // Déploiement Shadow avec bus asynchrone queue.push(requestData); return modelProd.predict(requestData); ```

WeLoveDevsle 27 août 2026
En attente de validation
0 vote0 passage0 commentaire

Lors de l'utilisation de `infer_signature` avec des types complexes ou des colonnes optionnelles, quelle approche garantit le mieux la compatibilité stricte lors de l'inférence via MLflow Model Serving sans erreur de cast ? ``` import mlflow from mlflow.models.signature import infer_signature # Le modèle attend un dataframe pandas avec des types float64 # La signature est générée sur un dataset de validation signature = infer_signature(X_val, model.predict(X_val)) mlflow.pyfunc.log_model( artifact_path="model", python_model=model, ___________, pip_requirements=requirements ) ```

WeLoveDevsle 27 août 2026
En attente de validation
0 vote0 passage0 commentaire

Identifiez l'erreur critique dans ce pipeline d'inférence en production. ``` pipeline = Pipeline([ ('impute', SimpleImputer(strategy='mean')), ('scale', StandardScaler()) ]) def predict_batch(data): # Transformation des données en entrée processed = pipeline.fit_transform(data) return model.predict(processed) ```

WeLoveDevsle 27 août 2026
En attente de validation
0 vote0 passage0 commentaire

Quelle approche architecturale garantit la cohérence temporelle (point-in-time correctness) entre la récupération de features et l'inférence dans un pipeline automatisé ?

WeLoveDevsle 27 août 2026
En attente de validation
0 vote0 passage0 commentaire

Quelle est la valeur de res['A'] après l'exécution de ce code ? ``` import pandas as pd import numpy as np df = pd.DataFrame({'id': ['A', 'A', 'B'], 'val': [10.0, np.nan, 5.0]}) # Opération de groupement res = df.groupby('id')['val'].sum() ```

WeLoveDevsle 27 août 2026
En attente de validation
0 vote0 passage0 commentaire

Quelle interprétation standard est associée à une valeur de Population Stability Index (PSI) supérieure à 0.25 dans le cadre du monitoring de dérive (drift) des modèles de production ?

WeLoveDevsle 27 août 2026