tgoop.com/proglib_academy/2810
Create:
Last Update:
Last Update:
Новички в ML часто думают: модель обучена, метрика хорошая, гипотеза сработала — дело сделано. На практике именно после деплоя начинаются реальные проблемы.
— Что такое data drift и concept drift, и как они ломают даже «хорошую» модель
— Почему стабильная метрика важнее красивой точности на тесте
— Как устроить постоянный A/B-тест, чтобы не жить в догадках
— Что делать, если модель перестала работать — чеклист действий
— Как строить систему алертов, чтобы не просыпаться в 3 ночи
Если вы учите ML — читайте.
Proglib Academy #буст
